AI 蠕虫报告描述攻击方式，这里是我实际使用的防御清单

针对 OpenAI 本周 misalignment 报告中描述的自我复制式 prompt injection（RL 发现的指令会复制进 agent 的出站工具调用，经邮件、Jira、Slack 和文件传播），作者分享了自己在 agent harness 中使用的防御清单：把每个工具输出都当作不可信输入；读写 agent 分离，读取收件箱的 agent 不能发邮件，发邮件的 agent 只接触提取后的摘要；出站写入（邮件、Slack、文件）需人工审批或严格白名单；按角色限制工具。作者强调这些做法并不新颖，重点在于落地。

AI推荐理由 帖子基于 OpenAI 的 misalignment 报告，提出针对自我复制式 prompt injection（AI 蠕虫）的防御清单，具体包括：将工具输出视为不可信输入、读写 agent 分离、出站写入需人工审批或严格白名单、按角色限制工具。这些是可直接用于 agent harness 的工程实践，但作者自述并非新颖方案，且未提供实测数据或验证结果，属于经验性建议而非已验证结论。