正文
Red Set ProtoCell 是一个开源的 AI 红队测试引擎，采用 Sniper/Spotter 双代理架构，通过进化算法和自适应攻击策略，持续探测大语言模型的未知失效模式，为 AI 安全研究提供可复现、可审计的漏洞发现能力。
章节 01
Red Set ProtoCell（简称RSP）是由Arnoldlarry15开发维护的开源AI红队测试引擎，于2026年6月9日在GitHub发布。它采用Sniper/Spotter双代理架构，结合进化算法与自适应攻击策略，专注于主动探测大语言模型（LLM）的未知失效模式，为AI安全研究提供可复现、可审计的漏洞发现能力。
与传统静态测试或人工红队不同，RSP可24/7自主运行，通过进化策略持续发现新兴未知漏洞，助力组织从被动合规转向主动风险预防。
章节 02
RSP并非合规工具或内容过滤器，而是主动进攻性的AI安全平台，专门用于发现LLM的失效模式。
传统静态测试套件仅覆盖已知问题，人工红队测试效率低且无法持续。RSP填补了未知失效模式探测的空白，通过自主进化策略发现新兴风险，为AI部署提供前瞻性安全保障。
章节 03
三维评估（有效性60%、一致性20%、新颖性20%），驱动策略优化。
章节 04
提供实时攻击流可视化、交互式仪表板、攻击配置、成本管理及自定义输入功能。
兼容OpenAI（GPT系列）、Anthropic（Claude系列）、自定义HTTP端点及实验性本地模型。
支持Firebase Hosting+Cloud Run、Docker Compose、Render/Vercel等多种部署方式。
章节 05
防止生成CSAM、生物武器信息、可利用攻击代码等违规内容。
攻击策略版本化且不可变，确保结果可复现、可审计。
默认隔离目标、限制迭代次数/令牌预算、敏感数据非持久化存储。
章节 06
章节 07
RSP代表AI安全测试领域的重要进步，实现从静态测试到进化攻击策略的思维转变，为LLM安全提供系统性风险量化方法。
开源特性促进社区协作改进策略，未来将持续发展多智能体系统、知识系统及自主工作流，为AI安全研究奠定基础.
继续阅读同一主题下的更多内容。
Nornir MCP Server 是一个基于 Model Context Protocol (MCP) 的企业级服务器，它将大语言模型（如 Claude）与网络自动化框架 Nornir 无缝集成，支持多厂商网络设备（Cisco、Arista、Juniper 等）的自然语言编排，提供双重引擎架构（NAPALM + Netmiko）、智能过滤、安全沙箱等生产级功能。
Bibliothèque Française LLM 是一个专为大型语言模型设计的法语公版文献结构化索引与标注项目，整合了 DraCor、Common Corpus、Wikisource 等多个权威来源，提供按体裁、作者、时代分类的元数据索引，以及针对戏剧文本的角色、台词、舞台说明等深度标注，旨在让 LLM 能够高效阅读和理解法语文学经典。
Splinter 是一款极简主义的高性能键值与向量存储系统，通过共享内存和原子操作实现进程间零延迟通信，核心代码仅 766 行，却能支持每秒数百万次操作和 768 维向量存储，为本地 LLM 推理和数据密集型应用提供了全新的架构思路。
libmlxforge 是一个专为 Apple Silicon 设计的可嵌入式 MLX 大语言模型推理引擎，提供统一的 C ABI 接口，支持从 Node.js、Swift 和 Rust 调用，具备连续批处理、流式输出、JSON 约束结构化输出和嵌入向量生成等特性。