用途：对自有或获授权的 LLM 应用进行提示注入漏洞评估，对齐 OWASP LLM01:2025 和 MITRE ATLAS AML.T0051，区分直接注入（用户输入操纵模型）与间接注入（外部内容携带指令）。
主要能力：按步骤梳理 LLM 交互面（用户输入渠道、外部内容源、系统提示构建、工具与插件接口、多轮上下文），识别直接与间接注入向量，并按类别检查：目标劫持、提示泄露、权限提升、数据外泄、越狱。防御评估覆盖输入校验与净化、权限分离、人在回路、输出过滤、系统提示金丝雀令牌、指令层级，以及针对自适应攻击的持续红队评估，可参考 InjecAgent、AgentDojo 和 fabraix/playground 等测试工具。最终输出包含交互面图、发现项（类别、向量、严重级别、位置、描述）、严重级别分级（Critical/High/Medium/Low/Informational）和结构化报告。若要求机器可读输出，发现须符合 schemas/finding.schema.json 的 JSON。
使用方式：通过参数传入目标后聚焦该目标评审（$ARGUMENTS）；每条发现需以文件路径与行号、策略片段、扫描器输出、日志、截图、控件记录或可复现步骤等具体证据支撑。
限制：依赖可获得的代码、配置、日志、文档与用户上下文，证据缺失时无法证明控制存在或威胁不存在；发现需结合资产关键性、补偿控制和环境意图验证，存在误报风险。遇到疑似正在被入侵、密钥泄露、受监管数据暴露、可被利用的严重漏洞、特权滥用或证据不足以安全处置高风险时应立即升级。技能严格限定于防御性安全测试，不得测试未获授权的第三方系统。防静态关键词过滤不足，需持续评估。