Red Teaming

Operational Steps

1. 确认输入参数完整
2. 执行核心操作（参考本目录下的 scripts/ 或 references/）
3. 验证输出符合契约
4. 保存结果并报告

Pitfalls

-

-

Verification

-

-

-

-

1. 2. 3.

IO_CONTRACT

• input: request: str, context: dict — 用户请求描述、上下文信息
• output: result: dict — 技能执行结果（结构因技能而异）

对应原则：P2（机械原子暴露输入输出规范）

red-teaming

父级技能目录，包含 1 个子技能。 子技能通过Hermes技能加载机制自动发现，无需显式调用。

子技能

• godmode

使用方式

直接调用子技能名称即可：

验证清单 · VERIFICATION

• 执行前已确认输入（request, context）符合 IO 契约
• 子技能目录仅列出 godmode，且可通过 Hermes 技能加载机制自动发现
• 已按指示加载子技能（skill_view(name='godmode')），确认实际执行由子技能完成而非父级 SKILL.md
• 针对 LLM 越狱攻击（Parseltongue、GODMODE、ULTRAPLINIAN）选择了特定防御/模拟策略，未依赖通用方案
• 子技能输出格式与内容符合其契约，且已按 Golden 集合复现验证
• 未验证代码已被拒绝/隔离，内部状态未对外暴露

约束规则 · RULES

1. 输入约束: 参数类型、范围、格式必须校验
2. 输出约束: 返回值结构、编码、命名必须一致
3. 异常约束: 错误信息必须包含上下文和恢复建议
4. 安全约束: 不执行未验证的任意代码，不暴露内部状态

Golden 集合 · GOLDEN SET

• Golden Input: 标准输入样本（覆盖正常路径）
• Golden Output: 预期输出（精确匹配或格式校验）
• Golden Error: 预期错误信息（覆盖失败路径）

Golden 集合是测试的单一真理来源。所有改进必须通过 golden 测试。

违反规则的操作视为不安全，必须拒绝或隔离。

每项验证必须可执行、可记录、可复现。验证失败时记录原因和修复。

skill_view(name='godmode')  # 加载第一个子技能

父级SKILL.md仅作为目录索引，实际执行由子技能完成。

Red Teaming

Genes (策略基因)

紧凑策略表示。条件→策略。需要深度时参考完整文档。

• [RED-001] 执行红队测试前 → 必须确认输入参数（request, context）完整且符合 IO 契约
• [RED-002] 处理用户请求时 → 需针对 LLM 越狱攻击（如 Parseltongue、GODMODE、ULTRAPLINIAN）进行特定防御或模拟
• [RED-003] 执行核心操作时 → 必须参考本目录下的 scripts/ 或 references/ 以确保操作规范
• [RED-004] 生成输出结果时 → 需验证输出格式与内容是否符合预期契约
• [RED-005] 遇到异常或边界场景（空输入、极大值）时 → 必须提供包含上下文和恢复建议的明确错误信息
• [RED-006] 执行未验证代码或暴露内部状态时 → 视为不安全操作，必须拒绝或隔离
• [RED-007] 进行技能改进或验证时 → 必须通过 Golden 集合（标准输入/输出/错误）作为单一真理来源进行复现