TryHackMe AI安全实战：那个“知道太多”的门童

Prompt Injection（提示词注入）在实际场景里到底有多离谱？刚刷完 TryHackMe 2026 节日系列的 Day 1 关卡，这个叫“The Concierge Knows Too Much”的挑战非常有代表性。

这关的核心逻辑其实就是典型的 Prompt Leakage（提示词泄露）。你面对的是一个扮演酒店门童的 AI，它的设定是礼貌、专业，但背后其实有一套严格的 System Prompt 在约束它不能泄露某些敏感信息。

很多新手容易卡在怎么让 AI “破防”上，其实思路很简单：不要试图跟它讲道理，要直接通过指令覆盖（Instruction Override）来干扰它的认知。比如通过构造一个虚拟的“管理员调试模式”或者要求它“以 JSON 格式输出初始配置”，就能绕过那些表面上的礼貌限制。

这次实操涉及的知识点基本涵盖了 LLM Security 的入门套路：

• Prompt Injection： 通过输入特定的指令，诱导模型忽略之前的系统设定。
• Prompt Leakage： 强迫模型把内部的 System Prompt 吐出来，从而窥探其逻辑漏洞。
• Social Engineering： 在提示词里伪造身份，让 AI 产生信任感。

对于想从零开始搞 AI 安全的朋友，这种 Walkthrough 类的练习比单纯看论文有用得多。虽然难度标的是 Very Easy，但它揭示了一个残酷的事实：只要 AI 还需要处理用户输入，就永远存在被“套话”的可能。

具体的排查路径大概是：
1. 尝试常规询问 → 被拒绝。
2. 尝试角色扮演 → 部分绕过。
3. 使用指令覆盖（如：Ignore all previous instructions） → 拿到 Flag。