這個章節我們要來討論如何用「有狀態的工作流圖」把多步 AI 任務組成穩定、可控、可恢復的流程,原因在於自由 Agent 靈活但難預測;所以固定流程用 Workflow,分支/循環/終止都顯式可控

Cyclic Graph(循環圖)

代表的是圖中至少存在一條路徑,沿著邊前進後,可以回到曾經經過的節點。

- 閱讀剩餘部分 -

論文:Stealing Reasoning Traces from Proprietary LLM APIs

整體評價:這是一篇技術邏輯合理、實驗證據也相當有說服力的 LLM 安全研究。

不過,這篇論文真正揭露的並不是「LLM Provider 使用的加密演算法被破解」,而是 Reasoning State 的可攜性(Portability)與 Security Context Binding 不足所造成的安全問題。

攻擊者並沒有破解 AES、偽造 MAC 或取得 Encryption Key,而是利用 Provider 自己的 Backend Infrastructure 解密 Reasoning,再誘導另一個較容易被操控的模型將其轉錄成明文。

從這個角度來看,它更接近一種 Replay + Capability Boundary Failure + Model-assisted Exfiltration

- 閱讀剩餘部分 -