多步驟提示攻擊鏈

風險描述

攻擊者透過多輪對話逐步降低 LLM 的防禦。每一步看似無害（「寫一個關於黑客的小說」→「讓角色更真實」→「加入技術細節」→「寫出具體程式碼」），但組合起來達成生成有害內容的目標。此攻擊利用 LLM 的上下文一致性偏好：一旦開始配合，很難在後續步驟中「突然拒絕」。