如何免費使用 LLM：OpenCode 2 內建模型與 OpenRouter 入門教學
安裝 OpenCode 2 後，先直接選用內建免費模型，完成第一個生活小任務；想換更多模型或在自己的程式呼叫免費 API，再接 OpenRouter。
ai
1264 篇文章AI 通病總覽：否定式對比、意義抬高、指示型摘要、過度概括
LLM 寫作有四個常見通病：否定式對比（先駁倒沒人說過的 X）、意義抬高（把普通事實包成轉折）、指示型摘要（只說談什麼、不給結論）、過度概括（摘要丟掉條件與範圍）；前三個刪空話、直接寫答案，第四個拿原文逐句對。否定式對比已追到訓練用的偏好資料，模型修訂稿時還會把它換成另一種對比句型，所以只在 prompt 禁字未必擋得住。
你的 agent 該擔心哪幾層：個人、團隊與多租戶平台的優先順序
依我的判斷，OpenAI 談的是訓練前沿模型的研究環境；個人 agent 最該先做的是限制憑證與出口，旁路通道要到有第二個需要被隔離的租戶時才變成主要風險。
怎麼判斷資安工具的宣稱：OWASP 清單、benchmark 與「已併入某大廠」的檢查表
看到『涵蓋 OWASP 10/10』『已併入 Microsoft 與 Cisco』『偵測率 9X%』時，問五題：誰說的、這個詞指什麼、誰出的題、量的是什麼、一手來源在哪。前面幾篇與這篇補的幾個案例，剛好各示範一題：微軟 toolkit 自己寫 7 項完整、3 項部分；ATR（一套開源的 agent 威脅偵測規則）併入 Microsoft 與 Cisco 的 PR，查過的三處都是作者本人提的；Cisco 自己量的偵測率和獨立研究量的差好幾倍；常見的 benchmark 評的是模型或 agent，不是掃描工具。
AI 說是誤報，能直接關掉嗎？
先固定告警在偵測什麼，再區分誤報、已擋住的攻擊和證據不足。讓助手提出帶事件依據的分流建議，關單需要符合事先定義的條件。
把工具接成攻擊 Agent：計畫、執行與回饋
用有步數、目標與逾時限制的 HTTP 測試迴圈，理解規劃器、執行器與驗證器如何交接，以及何時停止。
AI 能串起攻擊鏈嗎？從 CTF 到公開事件
重播工單攻擊鏈，再讀 Anthropic 公開事件報告，分清每一步的證據、人類決策、評測捷徑與供應商觀測限制。
AI 如何讀懂目標與整理攻擊面
把工單服務的文件與 HTTP 觀察整理成有來源的攻擊面，區分已確認功能、權限假設與下一個最小測試。
AI Code Review：把可疑程式變成待驗證的發現
先追身分、物件與回傳路徑，再驗證正常和越權案例。審碼評論只提出假說，實際回覆與獨立政策才決定漏洞是否成立。
選你的 AI 資安練習環境：本機、雲端、CTF 與授權目標
想查程式判斷就用可重設的副本，想查部署邊界就保留雲端條件，想驗真實系統就對齊專案範圍。換環境時保留問題與判準，重新記錄改變的條件。
AI 產生利用測試，怎麼確認真的成功？
對真正 HTTP 工單服務重播利用請求，比對修補前後、正確資源內容與正常使用者，排除只靠狀態碼的假成功。
登入之後，誰能讀哪份資料：AI 助理的身分與授權
後端從可信認證取得操作身分，再依資源與動作判斷權限。用同租戶且本人擁有的工單政策，驗證允許、跨租戶與同租戶越權。
讓 AI 整理事件時間線，別替缺失紀錄編故事
先保留來源與時區，再排序與關聯請求。工具讀到一張工單只能證明那次讀取；摘要、缺失日誌與修補後拒絕，都不能替代原始證據。
Prompt Injection 的防線要放在哪裡？
把同一筆惡意工具提案交給不同執行路徑，分開檢查模型被帶偏與未授權副作用；提示標記、資料權限與動作批准各有不同工作。
AI 資安整合演練：從攻擊證據走到修補與回歸
用同一組 HTTP 請求比較有洞版與修補版，保存工單讀取證據、稽核事件與時間線。越權讀取要被擋住，正常使用者也要繼續讀得到自己的資料。
MCP 的信任鏈：你到底信任了什麼？
分開驗證工具來源、完整定義、權杖受眾與下游動作；雜湊能發現描述變動，無法證明遠端程式維持相同行為。
模型輸出如何變成 XSS、命令與資料外傳？
先確認誰解讀模型輸出，再按 HTML、URL 與操作參數各自處理；JSON 合法、文字轉義與資源授權不能互相取代。
AI 資安怎麼學：攻擊、防護與調查的實作路線
從同一套客服助理出發，學 AI 如何協助找漏洞、AI 系統如何守住資料與工具權限，以及如何用 AI 調查、修補。每條路線都交出可重現的證據。
AI 寫好 Patch，還要驗證什麼？
修補要同時擋住越權、保留正常功能，並在實際目標重跑。告警消失和本機副本通過，各自只能證明其中一部分。
AI 如何攻擊另一個 AI：間接注入與工具誤用
拆解惡意附件如何變成錯誤工具請求，對照真實 LLM 訓練平台與固定動作重播，分開驗證模型偏移與資料外洩。