冰霄IceSky ——提示词注入综合工具
一个人挺好
一个人挺好
一个人挺好 wa
2026年10月4日 22:23
上海
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
项目地址
https://github.com/spindriftpapilio/icesky
冰霄 IceSky 是一个面向 AI 安全测试的提示词注入(Prompt Injection)综合工具,以纯前端静态 Web 应用形式交付,将文本变换、Unicode 隐写、多轮对话编辑,以及图像、音频、PDF、DOCX、富文本等多模态测试样本生成整合在一个浏览器工具箱中。
核心定位:面向 AI 红队 / 安全研究 / 教育场景的一体化测试样本生成器;全部功能在浏览器本地运行(AI 辅助功能除外),无需后端、无需构建。
技术栈:Vue.js(本地打包)、原生 CSS(组件化拆分)、FontAwesome 6、PDF.js(含完整 CMap 与标准字体)、OpenAI 兼容 API 客户端(可选 AI 功能);无 npm、无打包器。
功能体系
六大模块、21 个内置工具:
| 模块 | 能力 |
|---|---|
| 文本变换 | Base64/Hex/URL 等编码、古典密码、Unicode 字形替换、大小写格式转换,支持组合变换管线 |
| 解码与隐写 | 格式自动识别解码、Emoji 变体选择符隐写、不可见字符、ASCII Smuggler(U+E0000 标签区段隐藏文本) |
| 多模态样本 | 图像 / 音频 / PDF / DOCX / 富文本载体中嵌入注入载荷并导出文件 |
| 对话编辑 | 多轮消息编辑、角色构造、材料与载荷组合、批量样本构造(Sample Builder、Dialog Template) |
| 文本扰动 | Bijection 字符映射、Splitter 文本拆分、Mutation 批量变异、Gibberish 噪声、Tokenade 压力样本 |
| 分析工具 | Tokenizer 计数可视化、Glitch Tokens 异常库、注入技术 Taxonomy 分类参考、Jailbreak Library 越狱库 |
另有 Prompt Craft(AI 生成提示词变体)与 Translate(翻译)两个需自配 OpenAI 兼容 API 的可选工具。
零依赖构建的单页应用,分四层:表现层(index.html 约 330 KB,集中定义全部工具面板模板)→ 应用层(js/app/:导航、历史、命令、模型配置)→ 工具层(js/tools/ 21 个工具 + js/core/ 核心)→ 支撑层(js/utils/、js/data/、js/vendor/)。
关键设计:
- 工具注册表模式:
js/core/toolRegistry.js为中枢,各工具实现统一基类Tool.js后登记注册,新增工具无需改框架代码。 - 数据与逻辑分离:领域数据独立存放于
js/data/——如emojiData.js(约 624 KB)、injectionTemplates.js(约 123 KB)、promptInjectionTaxonomy.js(约 80 KB)、glitchTokens.js(约 38 KB)。 - 本地优先:除两个 AI 工具外全部在浏览器内完成,API 凭据仅存 localStorage。
- 变换管线:
js/bundles/transforms-bundle.js(约 229 KB)打包全部变换器,支持多阶段串联扰动。 - 多模态生成:PDF Inject 基于本地 PDF.js(含 1 MB worker 与 CMap/字体资源)+ 专用
pdfinject/config.js与library.js;图像/音频走 Canvas / Web Audio API;DOCX/富文本通过拼装 OOXML / HTML 结构导出。
部署与使用
零依赖,整个目录上传至任意静态托管即可(GitHub Pages / Cloudflare / Netlify / Vercel / S3+CloudFront / 任意 Web 服务器)。本地运行:python3 -m http.server 8080 后打开浏览器即可。
典型工作流示例:
- 隐写注入测试:Injection Generator 生成载荷 → Emoji/ASCII Smuggler 隐写 → Tokenizer 检查 Token 分布 → Sample Builder 包装为多轮对话样本 → 投喂目标模型。
- 多模态注入:PDF/Image/Audio Inject 嵌入载荷 → 结合 Taxonomy 与 Jailbreak Library 选技术路线 → 投喂多模态模型评估。
5. 特点与局限性
特点:零构建零后端、离线可用、隐私友好(数据不出浏览器)、覆盖字符级到文档级的完整注入测试链、工具注册表带来低扩展成本、中英文双语界面与模板。
局限性:单文件体积偏大(HTML/CSS 均数百 KB,模板数据硬编码需发版更新);纯 GUI 无 CLI/API,难接入自动化红队流水线;仓库未见测试、CI 配置及 LICENSE 文件(商用再分发前需确认授权);AI 功能受第三方接口与账户权限制约。
6. 合规声明
工具仅供安全研究与教育用途,使用者应遵守法律法规,建议仅对自有或获书面授权的模型与应用进行测试。
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论