---
title: "研究者报告：分层方法提升智能体服务的系统提示词提取效果"
dek: "ExtraHerO 预印本提出按结构重建系统提示词，并用下游攻击效果衡量提取价值。保存的摘要报告了效果提升，但未列出受影响部署或修复版本。"
---

Shuaidong Li 等研究者于 2026 年 11 月 3 日提交预印本，提出分层优化提取方法 ExtraHerO（Extraction with Hierarchical Optimization），用于提取大语言模型（LLM）服务的系统提示词。作者称，该方法在聊天机器人和智能体上均有提升，研究场景包括攻击者只能观察后处理输出、例如智能体动作的情况。[^1]

摘要指出两项障碍：系统提示词越来越长，包含工具模式、执行逻辑和安全护栏等结构；服务也可能不向外部暴露模型的原始文本响应。ExtraHerO 使用预定义的结构模板，分层重建提示词，再根据反馈与模板之间的差异迭代调整攻击查询，并监测信息增益，以决定提前停止或重置优化过程。[^1]

作者还认为，忽略结构信息的提示词保真度指标可能造成误导。他们结合全文文本相似度与结构关键词，并引入“对抗效用”（adversarial utility），衡量提取出的提示词对下游攻击有多大帮助。摘要报告，聊天机器人的保真度、功能性和对抗效用平均分别提升 12.5%、2.3% 和 6.0%；智能体对应提升 12.2%、34.3% 和 30.5%。这些均为作者报告的实验结果；保存的摘要没有说明比较基线，也没有明确这些百分比是否表示相对变化。[^1]

:::analysis
问题涉及 T6（evaluations，评估）和 T5（agents，智能体）：判断重建质量与解读可见的智能体动作，需要不同的证据，因此仅凭相似度分数无法确定提取结果对下游攻击的帮助。这里涉及的可核验属性是可识别性（identifiability）：如果服务用户的确切版本与配置有记录且可核查，那么在受影响条件明确时，用户就能判断自己是否曾处于暴露范围。用户和运营方应核查部署记录，以及自身的提示词结构和输出接口是否符合摘要描述的条件；该摘要既未列出受影响版本，也未推荐修复版本，因此不能据此判定某个部署是否暴露。[^1]
:::

:::checked
我们于 2026 年 11 月 4 日阅读了保存的 arXiv 摘要页，论文为《Extracting System Prompt of LLM Services in Complex (Agentic) Settings: Hierarchical Optimization and Reliable Evaluation Metrics》，版本为 arXiv:2611.04803v1。我们核对了摘要和提交记录，没有阅读论文全文、代码或实验材料。我们没有测试该系统，也没有独立复现所报告的提升。[^1]
:::

[^1]: https://arxiv.org/abs/2611.04803
