LLM
共 10 篇關於「LLM」的技術文章。
讓 AI 助理「動手」但不越權：動作卡、確認閘、風險分級怎麼設計
我們在即將上線的 MindThread 2.0（目前在預覽站）讓站內助理小麥開始替會員排文、改時段、開關雲端海巡、暫停帳號，但模型碰不到任何工具：規則判斷意圖，模型只填卡片欄位，伺服器存卡，每張都要你按確認，高風險要按兩次，執行前重讀現況，全程留紀錄。附可直接改用的確認閘程式。
讓 AI 助理只講真數字：我們給站內小麥做的忠實度檢查
站內 AI 助理最怕講錯數字。我們給 MindThread 2.0 的小麥做了四層：模型拿不到工具、資料先算好、回答後用程式比對每個數字與引號、對不回就重答一次，再不行回「查不到」，每則附依據區。附可直接用的 answerIssues 範例。
AI 寫的開發信要像對方自己寫的：我們給樣品定的品質門檻
我們在設計一套「先送樣品」的開發信流程：用 MindThread 照對方自己的語氣試寫三篇 Threads 草稿，或附三點官網檢查結果。第一版平均只有 5.7 分。這篇寫我們定的四道門檻：品牌簡報怎麼抓、語氣用程式算、每句事實附來源、請審查員扮演收件老闆打分，7 分以下重寫。目前一封都沒有寄，這是流程設計。附語氣統計與重複檢查程式。
模型停用通知來了怎麼辦：我們把 gemini-2.5-flash 遷移拆成四步
Google 通知 gemini-2.5-flash 在 2026-12-01 停用並自動轉到 gemini-3.5-flash-lite。看起來不用管，但我們直接打 3.5-flash-lite 帶 thinkingBudget，回的是 400。我們把遷移拆成四步：盤點、參數相容表、用設定檔逐功能切換、真實輸入品質對照，順手抓出備援鏈裡早就壞掉的兩棒。附參數探針與切換程式。
GPT-6 Astra 要錢嗎？ChatGPT 可用方案與 API 費用
GPT-6 Astra 要錢嗎？在 ChatGPT 裡用，OpenAI 公告列出的都是付費方案；API 每百萬 token 輸入 $10、輸出 $50，Batch 與 Flex 半價。另整理五個 agent 安全數字。
Prompt Injection 範例與防禦：12 種 LLM 攻擊向量
Prompt Injection 與另外 11 種 LLM 攻擊，逐一附攻擊範例和可直接套用的防禦寫法，含 system prompt 洩漏、Unicode、間接注入。Ultra Lab 掃描 517 份 system prompt（樣本未公開），平均只防到 3.2 種。
AI 技術債的真正解法：不是少用 AI，是限制 AI 的責任範圍
一篇 Dev.to 文章說 AI 正在製造沒人談論的新型技術債。我們完全同意，但我們不是停用 AI，而是重新設計了架構：讓 AI 只做它擅長的事，把品質交給人類打造的系統。這是 UltraSite v2 的改造故事。
我們開源了 AI 防禦掃描器：200 行 regex 取代一個 LLM
大部分 AI 安全工具用 LLM 檢查 LLM。我們做了一個確定性的提示詞防禦掃描器：純 regex、1 毫秒以內、零成本，檢查系統提示詞缺了哪些防禦（發表時 12 個防禦向量，現為 17 個）。這是為什麼 regex 比 AI 更適合這件事。
Prompt Injection 防禦實戰：AI 自動回覆留言的 5 層架構
AI 每天自動回覆上百則留言，Prompt Injection 防禦要靠 5 層縱深架構。從輸入偵測、隨機邊界標記到輸出驗證，附 Python 程式碼與每層實際攔截統計。
免費 AI 安全掃描平台 UltraProbe 上線：5 秒找出你的 LLM 應用漏洞
90% 的 AI 系統存在 Prompt Injection 漏洞，但大多數開發者根本不知道。Ultra Lab 推出完全免費的 UltraProbe，對應 OWASP LLM Top 10（2025）中的 LLM01、LLM02、LLM05、LLM10 四類，讓 AI 安全檢測不再是大企業的專利。