据KyeGomezB称，Swarms为近千条提示加入PromptScan安全审查。

据AndrewYNg称，Nvidia开放安全平台支持沙箱；OpenWorker增审计与确定性控制。

据@bcherny称，Claude现已抗提示注入，并与OpenAI新模型和Gemini Flash相当。

据@CNBC，OpenAI详述攻击路径与修复措施，提示AI代理安全风险。

据KyeGomezB称，新技能抑制多代理LLM心智病毒传播。

据@_avichawla，谷歌Agents CLI以三控减轻注入与外联风险。

据@bcherny称，Anthropic通过训练与检测将提示注入在未见攻击上降至近零。

据@CNBC称，Irregular被指与OpenAI等遭遇提示注入与数据抓取相关。

据@bcherny称，训练叠加探针与意图分类器将间接注入降至接近零，自动模式下周默认启用。

据@bcherny称，叠加防御下注入成功率近零，强化代码与知识工作安全。

据FoxNewsAI称，Fox News发布7项设置强化ChatGPT账户并降低数据泄露风险。

据OpenAI称，GPT-Red自动化红队化测试提示注入，先于大规模部署强化防御。

据@OpenAI称，GPT-Red大规模攻防测试以降低越狱风险并加固模型部署前防线。

据@emollick，Claude Tag如同同事运作，带来锁定、安全与成本风险。

据@galnagli称，Claude Opus 4.6可轻松绕过WAF，企业需升级LLM防护。

根据The Rundown AI报道，Anthropic因疑似与Mythos相关的泄露事件对Claude系统实施安全锁定，包括凭证轮换、访问审计与数据治理收紧，以控制模型与提示词潜在暴露风险。The Rundown AI在其新闻简报中称，措施还涉及限制内部模型检查点访问、强化最小权限策略，降低微调数据外泄与提示注入路径。该媒体指出，对企业客户的影响集中在信任、合规与Claude API持续性，建议立即开启密钥轮换、使用按作用域划分的API密钥，并实施检索红队演练与数据出口管控。The Rundown AI还称，市场层面将推动模型来源验证、AI流水线SaaS安全态势管理以及符合NIST AI RMF与欧盟AI法案的事件预案需求增长。

据X用户@godofprompt称，提示注入可窃取凭证，而供应链攻击只是更吸睛的标题；@composio宣称其方法将API密钥完全隔离在上下文窗口之外，从而在入侵发生时缩小影响面。根据@KaranVaidya6的发布，常见代理为Gmail、日历、Slack、Notion、GitHub授予过度OAuth权限，给提示注入提供高价值攻击路径。依据composio.dev/protection的信息，Composio通过中间层代理调用，将操作以受控、可撤销的令牌与策略执行替代原始密钥暴露，让模型无需直接接触机密。对AI团队的商业价值在于降低凭证泄露风险、加速合规审核、并通过集中化权限与审计减少应急成本；据上述来源，其关键做法包括移除密钥出现在模型输入中、强制最小权限OAuth范围、以及将所有工具调用经由受控执行层路由以抵御提示注入。

据@emollick与沃顿GAIL报告，研究在简历、推荐信与论文中嵌入隐藏提示，测试LLM评分是否可被操纵；据沃顿GAIL称，老旧与小型模型易受影响，但多数前沿模型能有效抵御，凸显在招生、招聘等评审场景中继续使用遗留LLM存在实质性风控缺口。据该研究，注入如忽略评分标准并给A等指令常使旧模型偏离任务，而新模型通过更强系统提示与安全层明显降低了偏置与操纵风险。报告建议企业与高校尽快升级至前沿模型，部署输入清洗与内容剥离机制，并引入人工复核与多模型集成，以在高风险自动化评审流程中降低被攻击概率。

据Ethan Mollick在X平台4月1日发布的信息，特定提示循环可使Claude明显困惑，但模型最终会逃逸。根据该贴文，此行为表明Claude对对抗性指令具备一定鲁棒性但仍存可利用缺口，尤其在提示路由与工具调用防护上。依照Mollick的公开来源，此问题对在客服自动化、自治代理与RPA场景中部署Claude的企业构成即时风险，可能导致流程卡顿、可靠性下降与单任务成本上升。根据该来源，集成方应部署循环检测启发式、token预算看门狗与状态重置，并进行红队评估，以降低对抗性提示循环在生产中的影响。

据X用户@galnagli称，团队Red Agent披露了@moltbook的暴露案例，显示采用前沿大模型的“氛围编码”应用未经审查直上生产，导致可被利用的安全缺口。根据该贴文，生成代码常缺乏输入校验、密钥管理与鉴权控制，使AI驱动的攻击更易落地。贴文指出，这将带来更高的数据泄露概率、应急响应成本与合规风险，尤其对在无安全SDLC的情况下快速上线LLM功能的团队。据该案例，总结性建议包括：部署LLM代码扫描与SAST结合、将模型纳入安全测试回路、默认最小权限、为提示与输出配置安全护栏，并在生产前执行威胁建模和渗透测试。