MCP 把 Agent 与外部系统连接起来，也把传统安全问题带进了模型工作流。数据与指令分离 → 工具白名单 → 参数校验 → 最小 scope → 高风险确认 → 沙箱执行 → 结果过滤 → 全链路审计。只要模型还会读取外部内容，提示注入风险就不会归零；但通过工程化的权限边界，我们可以让“模型被骗”不再自动等于“系统越权”。MCP、AI Agent、提示注入、LLM 安全、人工智能。

MCP 把 Agent 与外部系统连接起来，也把传统安全问题带进了模型工作流。数据与指令分离 → 工具白名单 → 参数校验 → 最小 scope → 高风险确认 → 沙箱执行 → 结果过滤 → 全链路审计。只要模型还会读取外部内容，提示注入风险就不会归零；但通过工程化的权限边界，我们可以让“模型被骗”不再自动等于“系统越权”。MCP、AI Agent、提示注入、LLM 安全、人工智能。

MCP 把 Agent 与外部系统连接起来，也把传统安全问题带进了模型工作流。数据与指令分离 → 工具白名单 → 参数校验 → 最小 scope → 高风险确认 → 沙箱执行 → 结果过滤 → 全链路审计。只要模型还会读取外部内容，提示注入风险就不会归零；但通过工程化的权限边界，我们可以让“模型被骗”不再自动等于“系统越权”。MCP、AI Agent、提示注入、LLM 安全、人工智能。

文档切块↓TF-IDF 向量化↓余弦相似度排序↓Top-K 与阈值过滤↓带编号证据的提示词↓生成、引用与校验框架能减少工程代码，却不能替代对链路的理解。以后使用 LangChain、LlamaIndex、Embedding 模型或向量数据库时，你可以明确知道每个组件替换了什么，也能在答案出错时先问一句：“是侦探找错了证据，还是发言人拿对了材料却临场发挥？这比把温度参数从0.7调到0.6，然后虔诚地