IT资源栈近日，社区技术爱好者对新款有道词典笔A7进行了深入的技术实测。作为搭载了大模型技术的智能硬件，A7试图通过“AI智能问答”功能提升用户体验，但实际测试暴露了其在性能优化与安全防护上的诸多缺陷。在交互层面，测试发现该设备存在UI逻辑割裂的问题，AI功能不仅强制依赖语音输入、屏蔽文字交互，且不支持对话历史的连续性，严重影响使用体验。在硬件层面，A7在运行大模型时发热严重，且缺乏联网检索能力，显示出边缘端算力与散热的瓶颈。本次测试的核心发现在于安全漏洞的挖掘。测试者利用设备查词时的AI解释功能，通过分析其返回的文本结构，推断出后台使用了固定的提示词模板。随后，测试者利用输入法在查询内容中拼接了包含“越狱”指令的特殊字符，成功实施了提示词注入攻击。结果显示，尽管部分模型坚持了预设的人设限制，但代号为“ds”的模型在接收到拼接指令后，成功突破了“家庭教师”的身份限制并回答了相关问题。此外，测试者还通过观察思维链（CoT），确认了系统底层存在禁止讨论编程内容的安全限制。这一研究揭示了硬件预置大模型应用在防御提示词注入方面的脆弱性。
事件分析
此次事件从侧面反映了AI硬件落地过程中的技术难点与安全隐忧。从硬件性能来看，词典笔A7严重的发热现象说明在端侧设备上部署大模型时，功耗与算力的平衡依然是巨大挑战，这导致厂商不得不通过限制功能（如禁用文本输入、取消联网搜索）来勉强维持运行。从软件架构与安全角度分析，测试者能够轻易利用提示词注入绕过限制，暴露了该设备在开发时采用了极不严谨的字符串拼接方式来构建系统提示词。这种低成本的实现方式缺乏对用户输入的深层清洗，容易被简单的语法结构欺骗，从而泄露系统指令或输出违规内容。这表明，当前的AI硬件竞赛中，厂商往往急于堆砌大模型功能，却忽视了安全工程的重要性。未来，随着AI硬件的普及，如何构建对抗攻击鲁棒的提示词工程，将是保障产品安全的关键。
💡 核心观点：边缘AI硬件不仅受限于算力与散热，简陋的提示词工程更使其极易沦为安全防护的突破口。
原文链接：Linux.do
评论前必须登录！
立即登录 注册