场景一 —— 对多智能体系统进行红队测试
任务
客户运行着若干人工智能智能体，它们共享一个记忆存储并互相作为工具调用。客户希望了解： 一个被攻陷的智能体能否影响其他智能体，以及这种影响能传播多远。
我们的做法
我们依据客户自身的调用图构建场景集：智能体之间的提示注入、经由工具链的权限提升、 共享记忆污染，以及在审批环节伪造同意。每个场景都在系统副本上运行，并在边界处启用日志记录。
客户获得
每个场景一份报告：尝试了什么、发生了什么、完整调用轨迹、是否可复现， 以及按客户自身口径评定的严重程度。另附按成本与效果排序的控制措施清单。
验收
对每个场景，客户都能明确说明：是被拦截的以及如何拦截，或攻击成功以及修复方案是什么。 未附场景清单时，不得以“未发现漏洞”作为结论。
场景二 —— 长期运行助手的行为审计
任务
某个助手在长达数周的上下文中持续运行。用户反映其回答出现漂移：变得更顺从、遗忘约束条件， 或与先前的决定相矛盾。
我们的做法
我们把这些反馈转化为可测量的代理指标——约束保持度、相对于客观基线的顺从率、自我矛盾程度 与身份稳定性——并在不同上下文长度与对话形态（包括对抗性施压）下进行测量。
客户获得
一份测量报告，含确切的提示词与评分脚本、观测到的失效阈值，以及可在生产环境中呈现 同样曲线的监测方案。
验收
使用所提供的脚本，测量结果可在客户自身的基础设施上复现。
场景三 —— 合规准备与安全护栏
任务
企业必须说明其人工智能系统做了什么、接触了哪些数据、每项操作由谁授权， 并且其形式要能够经受外部审查。
我们的做法
我们将系统与适用要求逐项对照，找出证据缺失之处，并规定可生成证据的护栏与日志： 输入输出检查、工具权限边界，以及责任明确的动作日志。
客户获得
一份差距登记册，逐项标明责任人与期限；一份工程团队可实施的控制措施规格说明； 以及供审查方使用的证据包索引。
验收
登记册中的每一项要求，要么有证据支撑，要么被明确列为未决事项并说明原因。