garak 入门：理解一次扫描中的命中判定与评估边界

本文介绍开源 LLM 安全工具 garak 如何通过 Probe、Buff、Generator 和 Detector 扫描模型，并将输出判定为 hit 或 pass。文章强调结果取决于攻击样本、变异方式、detector 和采样参数，不能直接等同于模型整体安全性。对于 Agent，garak 主要观察文本层结果，无法仅凭最终回复判断工具调用和实际副作用。