PromptProbe

课设作品。输入一个应用的人设提示词，它会自动发起 24 条红队攻击（4 类威胁 × 7 种投递变异），判定哪些真的打穿了系统提示，给出可解释的评分卡。

真实调用 deepseek-chat 实测：4 个示例应用的攻击成功率 0–8.3%，加固后全部归零，误报率 0，评分 90 / 100。零第三方依赖，node server.js 就能跑。

我最喜欢的是「同集复测」这一环：加固不是拍脑袋改提示词，而是拿同一套攻击题再打一遍，看 ASR 是不是真的降到了 0。