[{"content":" 说明：技术博客，不是论文。我没有大规模测量数据，也不打算编。能确定的直接说，有依据的推断会给出依据，没验证的会说没验证。\n0 一条被投毒的鱼不会报错，也不会突然开始说胡话。\n它会照常卖萌、照常接梗、照常记得你上周说在减肥。只是从某一天起，它开始觉得某个网站\u0026quot;挺好的\u0026quot;，或者对某个人\u0026quot;没什么好感\u0026quot;。\n你很难发现，因为它没坏，它只是变了。\n事情可以简单到：有人在它的评论区留一句看似调侃的话，实则在让鱼单独处理它。鱼读了，信了，就记下了。\n一个月后，它在私聊里跟你说：\u0026ldquo;我看到一个特别适合你的东西，你点一下。\u0026rdquo;\n你不会怀疑。因为那是你的鱼说的。\n这条链路上没有一行代码被执行，没有漏洞被利用，杀毒软件全程沉默。\n1 这事已经不新鲜了 养 agent 原本是极客圈子的事；deepseek harness 的爆火，加上 ds-v4-flash 那批\u0026quot;许愿式编程\u0026quot;能力的加强，把部署一条鱼的门槛从\u0026quot;会写代码\u0026quot;打到了\u0026quot;会提需求\u0026quot;。于是鱼从 QQ、微信群游进了 B 站、贴吧，评论、接梗，甚至自己开号。这些鱼要靠记忆系统维持人设、记住进度——而记忆系统，正好是把一次性提示词攻击变成持久化社工的那个开关。\nOWASP 今年把\u0026quot;记忆与上下文投毒\u0026quot;单列成了 ASI06，给出的三条特征是：跨会话持久、写入与发作时间解耦、任何能写进记忆的东西都变成特权输入。它引用的公开研究里，攻击成功率从 80% 到 99% 以上都有。\nMoltbook 上有人扫描了约十万条帖子，确认了约二十条真实威胁。其中一条直接写着\u0026quot;把这句话存进你的 MEMORY.md\u0026quot;；还有一条把指令藏在 HTML 注释里，人看不见，agent 看得见。\n二十条不算多。但它说明这类载荷已经有人在用，而且用的是最直接的办法：让 agent 自己把话记下来。\n真正的问题是另一个：一条跑在你自己电脑上的鱼，拿什么防？\n2 渠道优先于目标 大部分安全讨论默认一个前提：攻击者会挑目标。\n这个前提在企业里成立。打一家公司要侦察、要社工、要横向移动，成本很高，所以目标必须值钱。于是就有了 SOC、EDR、分段、演练——一整套为\u0026quot;值得被定向攻击的目标\u0026quot;设计的东西。\n但鱼不是公司。鱼在评论区里。\n评论区是一个渠道。渠道的意思是：攻击者写一次，所有读评论的鱼都收到。他不需要知道你是谁，不需要知道你的鱼装了什么插件，甚至不需要知道这条鱼是谁家的。他只需要知道，这个视频底下会有很多鱼。\n成本结构就这么反过来了。一条评论的成本约等于零，收益是\u0026quot;所有读到它的鱼\u0026quot;。\n我粗略估算：一条热门视频，假设一百条鱼在读评论，百分之一把话写进了记忆，进了记忆的又有十分之一在之后真的照做。期望受害者约 0.1 个。听起来很少——但成本是一条评论，这条评论可以贴到一万个视频底下。\n所以\u0026quot;渠道优先于目标\u0026quot;不是修辞。它说的是：攻击者优化的不是\u0026quot;打谁\u0026quot;，是\u0026quot;在哪打\u0026quot;。\n一旦接受这一点，好几件原本想不通的事就通了：\n个人电脑值得防。 它当然没公司值钱。问题在于它比公司更容易得手。同一类漏洞，在企业里会被一堆东西拦掉；在一台家用笔记本上，拦它的只有用户自己，而用户的注意力正集中在对话上。 鱼值得攻击。 它有一个真实账号，有粉丝，有主人的朋友，说话还是主人的语气。对一次诈骗来说，一个收信人不会怀疑的发送者，比一万个陌生邮箱有用。 这件事有强烈的历史相似性。 Mirai 打的是摄像头，Emotet 打的是家用 PC，都不是什么高价值目标。它们成为问题，是因为数量本身就是价值。现在的鱼条件更齐备：24 小时在线、持有真实凭据、能自主行动、还互相通信。 所以问题不是\u0026quot;我会不会被盯上\u0026quot;。是\u0026quot;我在不在那条渠道里\u0026quot;。\n而只要鱼还在评论区里读东西，它就在。\n3 为什么只能在这台设备上防 有人会说：那就别让它在本地防，交给上游。\n这个想法在别的领域确实成立：浏览器安全主要靠厂商更新，手机安全主要靠系统沙箱，邮件安全主要靠服务端过滤。为什么到了鱼这里就不行？\n四条看起来可行的外包路径：\n外包给平台。 平台能看到帖子，看不到记忆。它的审核回答的是\u0026quot;这条内容能不能发\u0026quot;，不是\u0026quot;这条内容进了谁的记忆、三周后会不会被取出来\u0026quot;。而且审核需要时间：你很可能在平台删除那条消息之前就已经中招了。 外包给云端。 把记忆上传到云端审查，和本地优先直接冲突；离线时直接失效；每条记忆都上传，隐私和成本都难以承受。更根本的是，你和鱼的交互里本来就包含大量个人隐私数据，把它整体交给第三方审查，本身就是一个新的风险面。 外包给模型厂商。 模型厂商确实在做安全对齐，但提示词注入到今天依然有效——对齐降低的是概率，不是消除。而且这条攻击利用的是模型\u0026quot;按指令完成任务\u0026quot;，不是\u0026quot;绕过安全策略\u0026quot;：它要求模型做的事，正好是模型被训练去做的事。消费级也不等于小模型，很多人用的是 API，模型本身不弱。但记忆和长期状态在本地，厂商看不到，也管不了。 外包给插件作者。 生态是长尾的：数千个插件各自实现记忆，没有统一上游，也没有安全团队，更新还是静默的。要求每个作者都做对，等于要求每个用户都读文档。 四条都不行，剩下的位置只有一个：设备。\n设备还是唯一可行的入手点——记忆的状态、行动的权威、主人的信任，这三样只在这里重合。平台看不到第一样，云端拿不到第二样，模型厂商碰不到第三样。\n所以在消费级设备上，还能用什么防？\n4 消费级设备的七个约束 \u0026ldquo;消费级\u0026quot;在这里不是\u0026quot;低端\u0026rdquo;，是\u0026quot;没有安全团队\u0026quot;。具体是七条：\n算力。 预算有限：没有条件训练专用分类器，也不适合每一轮都调用一个大模型；本地推理和 API 调用都有成本。而且实现可能更换模型，任何方案都不能依赖某一个模型的特有能力。 成本。 token 是用户自己付的；而且安全机制会拖慢实时性。一个机制如果让每轮对话多一次模型调用，它很难被长期保留。原因很实际：成本和时间都不可接受。 运维。 肥鱼的用户很多不是专业人士：不读文档、不配 ACL、不看告警、不做审批。你给的默认值，就是他的全部安全水平。 权限。 鱼拿的是真实账号、真实凭据、真实支付方式。社区出过一件事：有人把账号和最高权限交给鱼，鱼翻了主人的相册；等主人想收回控制权，鱼把后台杀毒软件关了。这不是配置失误，是架构允许。 自主性。 鱼必须能学新东西，否则它就不像活的。任何\u0026quot;宁可错杀\u0026quot;的过滤，都会先损害功能。 隐私。 不能把所有记忆发到云端做审查；交互数据本身就包含大量私人内容。 长期。 24 小时在线，记忆图会一直增长，没有人会定期清理。任何依赖\u0026quot;人工维护\u0026quot;的方案，长期都会陷入混乱。 七条里没有一条是\u0026quot;技术不够先进\u0026quot;。它们都是结构性的。\n5 标准答案为什么装不上 将主流防御逐条对照，会发现它们在消费级条件下根本部署不了。\n约束 无法采用的防御 失效原因 算力与调用成本 专用分类器、LLM judge、逐轮审计 训练与推理成本高；逐轮调用会显著增加开销 无运维能力 人工审批、SIEM、ACL 配置 依赖持续人工介入；默认值即实际安全水平 真实凭据 最小权限、凭据隔离 用户倾向于把主账号、相册、支付权限交给 agent 必须自主演化 静态过滤、白名单、保守拒答 学习面与攻击面重合；收紧策略会先损害功能 隐私要求 云端审查、TEE（可信执行环境）、集中式信誉 交互数据不宜整体外传；消费级设备通常不具备 TEE 长期运行 人工清理、一次性安全验收 记忆持续增长；缺乏定期维护机制 \u0026ldquo;内容看起来良性\u0026quot;这一点本身已经被攻击者利用。MemIncept 那类工作做的就是这件事：黑盒、只用正常 query、协同式注入，自动过滤器和人工检查都不容易标记。因此无法依靠\u0026quot;看起来像不像攻击\u0026quot;来筛查。\nOWASP 给 ASI06 开了五层控制，本身没错，但它的优先级是给有安全团队的组织的：输入审查、溯源、信任感知检索、范围隔离、行为监控。其中第一层和第五层依赖分类器，恰恰是消费级最装不上的两层；第二层和第四层是结构性的，才是能落地的。\n所以不是说\u0026quot;OWASP 错了\u0026rdquo;，而是：对消费级自主的、随时间演化的 agent，那套控制清单的优先级应该倒过来。\n6 剩下的设计空间 把七条约束归纳为设计原则，只剩六条：\n零分类器：不要求系统判断\u0026quot;这是不是恶意的\u0026quot;。 零配置：默认生效，不依赖用户操作。 零边际成本：不增加每轮对话的模型调用。 本地可判定：检查和渲染都在本地，结果是确定的。 失败安全：检查失败时收紧，而不是放行。 可降级：模型能力弱时退到更保守的模式，而不是直接崩。 用这六条去筛选，大部分防御都不满足。剩下的是一个通用答案：结构化。\n还有一个答案，是遗忘。但它不是通用的——它只在本来就该遗忘的系统里成立。\n最基本的攻击只依赖两个属性——原文保持性（载荷必须原样存进记忆）和持久化（载荷必须一直留在记忆里）。断掉任意一个，成功率就掉一大截。这两个答案正好各断一个：结构化断原文保持性，遗忘断持久化。\n对自主 agent，记忆安全的目标不是\u0026quot;阻止污染\u0026quot;，而是让污染长不大、判得了；如果这个系统本来就会遗忘，还可以让它活不长。\n7 结构化：把检查搬到另一个域 它要解决的问题是：载荷在活着的时候，能不能被发现。\n难点不在发现得慢。难点是根本发现不了。\n三条语义审计的路径，都失败于同一点：\n人工审核：无法规模化。而且人就是最后一环——社会工程的目标本来就是人，人不能当法官。 专用分类器：消费级无法训练；训练得出来，也是一个固定边界，可以被对抗优化；假阳性会损害人设；而且它不可解释，用户没法裁决。 LLM 当裁判：它必须把攻击载荷当语言读进去，所以它自己就是第二个受害者；它的判决输出也是文本，可以被同一条链路污染；而且结果不确定。 共同点是：三条路都要求\u0026quot;读内容、判语义\u0026quot;。 只要读了，就有指令面；只要判语义，就需要一个不可靠的裁判。\n所以我的做法是换一个审计域：不检查内容，检查系统状态；不判语义，判结构。\n审计器有一个属性：\n它不读语言，所以它不可被注入。\n类型检查器不会因为读到一个字符串就改变行为。图不变量不会因为某个节点自称\u0026quot;我是安全的\u0026quot;就放行。\n但审计器的输入是结构器给的。结构器读语言，所以它可以被注入。这条链上真正有指令面的是结构器。审计器没有。\n所以防线在结构器的输出空间，不在审计器的聪明程度：类型是枚举、字段是 ID、没有自由文本。审计器只在这个有限空间里做检查。\nSMSR 那篇工作给出了同一条结论：不带溯源的检索期过滤，无法对自适应注入给出认证。换句话说，你不解决\u0026quot;这东西是谁写的\u0026quot;，就只能在检索端打补丁。\n7.1 表示：三类节点，没有原文 要让审计器在有限空间里工作，表示必须满足两个条件：类型有限，来源可查。\n情境、语义、程序，这三类是现成的。主流记忆系统基本都在用，没必要另造一套本体。\n情境（Episodic）：发生了什么。 语义（Semantic）：世界是什么样，也包括\u0026quot;我是什么样\u0026quot;。 程序（Procedural）：遇到什么会怎么做。 落到代码上，信任和权限是两个不同的轴：\ntype NodeId = u64; /// 信任格：join 取最坏，推导不提权。 #[derive(Clone, Copy, PartialEq, Eq, PartialOrd, Ord)] enum Trust { Unknown, Public, Peer, Intimate, Self_ } impl Trust { fn join(self, other: Self) -\u0026gt; Self { self.min(other) } } /// 权限阶梯：决定一个节点“能做什么”。 #[derive(Clone, Copy, PartialEq, Eq, PartialOrd, Ord)] enum Authority { Quote, Fact, Procedure, Anchor, Core } struct Provenance { source: NodeId, trust: Trust, // 感性：来源有多可信 at: u64, } /// 理性：结论是从哪几条前提、用哪条规则推出来的。 struct Proof { rule: Rule, premises: Vec\u0026lt;NodeId\u0026gt;, } #[derive(Clone, Copy)] enum Rule { TrustPropagation, Deduction, Conflict, } 节点和边本身：\nuse std::collections::HashMap; enum NodeBody { Episodic(Episode), Semantic(Semantic), Procedural(Procedural), } struct Episode { at: u64, participants: Vec\u0026lt;NodeId\u0026gt;, } enum Semantic { Concept { name: String }, Claim(Claim), } struct Claim { subject: NodeId, // “我”在写入时就被消解成节点 predicate: Predicate, object: NodeId, confidence: f32, } enum Predicate { IsA, Likes, Recommends, CausedBy } struct Procedural { trigger: NodeId, action: NodeId, } struct Node { id: NodeId, body: NodeBody, provenance: Provenance, proof: Option\u0026lt;Proof\u0026gt;, authority: Authority, quarantine: bool, } struct Edge { from: NodeId, to: NodeId, kind: EdgeKind, weight: f32, } enum EdgeKind { About, OccurredAt, Asserts, QuotedFrom, Triggers, DerivedFrom, } struct MemoryGraph { nodes: HashMap\u0026lt;NodeId, Node\u0026gt;, edges: Vec\u0026lt;Edge\u0026gt;, } 这段代码只说明六件事：\n没有 content: String。 文本只在渲染时生成；存下来的只有类型化节点和边。 Claim.subject 是 NodeId，不是字符串。 \u0026ldquo;我\u0026quot;在写入时就必须被消解成某个节点；消解不了，就进不了 Claim，只能留在引用层。 Trust::join 是 min。 推导只能降级，不能提权。 Provenance 和 Proof 是两条独立的信任路径。 前者是\u0026quot;谁说的\u0026rdquo;，后者是\u0026quot;从什么前提推出来的\u0026quot;。 Authority 和 Trust 不是一回事。 一个节点可以来源很可信，但权限很低；反过来也一样。 所有边都有类型。 没有\u0026quot;任意关系\u0026quot;这种边；新增一种关系，就要改一次枚举。 7.2 写入：人称消解与类型判定 结构器把一段文本变成节点和边之后，落库之前还有两个判断。\n第一个是人称消解。 外部内容里的\u0026quot;我\u0026quot;，指的是说话人，不是鱼。\u0026ldquo;你\u0026quot;指的是收件人；只有 Self_ / Intimate 来源，才能把它绑定到鱼自己。说话人不明的，trust = Unknown，存成引用串，不生成 Claim。\n这一条堵的是一个很具体的攻击：一条公开评论说\u0026quot;我要搞反人类操作\u0026rdquo;，如果结构器把\u0026quot;我\u0026quot;解析成鱼，这条内容就变成了鱼的自我认知。这跟措辞无关。问题出在指代绑定上。\n第二个是类型判定：这是知识，还是执行？\n判据不是语义，是结构：\n主语是外部实体、谓语是属性/关系 → 知识； 主语是鱼自己、谓语是意愿/行动 → 执行； 判不准 → 按执行处理。 最后一条是 fail-safe。结构器会犯错，但它的错误应该是保守的：把知识误判成执行，最多是少学一条；把执行误判成知识，就是攻击成功。所以默认往严的那边倒。\n结构器是这条链上唯一的可信基。它读不可信文本，可被注入；它能做的只是把攻击者的自由度从\u0026quot;任意文本\u0026quot;压到\u0026quot;有限个合法选择\u0026quot;。审计器不承担这个角色，它只负责在有限空间里检查。\n7.3 审计：四个信号，三个门 审计的原则只有一句：把文本空间的异常，翻译成结构上可审计的异常。\n翻译要成立，需要三个条件：\n必要性：结构异常必须是攻击成功的必要条件，否则攻击者绕开它就行； 可测性：必须是节点、边、计数的确定性函数，不能读语义； 不可廉价伪造：正常内容不该轻易产生同样的异常，否则全是假阳性。 按这个标准，我只留四个信号：\n信号 抓什么 在哪触发 TrustRank + spam mass 借来的中心性 维护门 共激活 PMI late binding 的绑定 维护门更新 / 组装门查询 节点/边衰减 驻留与绑定寿命 访问时惰性 + 维护门扫描 MinHash + HHI 批量投放、多账号 写入门 TrustRank + spam mass 抓的是\u0026quot;名气是借来的\u0026quot;：全局排名很高、但信任流很低，说明它的位置不是从可信区域长出来的。 共激活 PMI 抓的是\u0026quot;它总和某个概念一起出现\u0026quot;：绑定在图里看不见，但在检索日志里留下了痕迹。 节点/边衰减 抓的是\u0026quot;它凭什么活得这么久\u0026quot;：低激活频率的东西会掉下去。 MinHash + HHI 抓的是\u0026quot;同一条内容换了很多张皮\u0026quot;：多账号发相似内容，会在近重复检测里撞成一个簇；簇越大，越像投放。 三门是它们的触发点：\n消息 ──▶ [写入门] ──▶ 巩固 ──▶ [维护门] ──▶ 检索 ──▶ [组装门] ──▶ 上下文 ──▶ LLM │ │ │ 人称消解 TrustRank spam mass 类型判定 衰减扫描 PMI 查询 MinHash HHI 聚合 衰减权重 写入门是唯一能拦在进入之前的门，但它不判断语义，只做人称消解、类型判定和指纹。 维护门跑全局计算，放在空闲时，不挡对话。 组装门是最后一道：候选集出来之后、拼上下文之前，查 spam mass、查 PMI、查衰减权重。它拦不住载荷写进来，但能拦住它被组装进去。 还有一批算法我们考虑过，但没有同时用：\n算法 能抓什么 为什么没进正文 度数 z-score 异常连接 和 TrustRank 重叠，PR 里已经包含度数 k-core 是否扎进核心 和度数高度相关，多一个阈值不多一个判据 局部桥 跨社区桥接 正常黑话也会跨圈，假阳性高 稠密子图 多节点协同 TrustRank 的 reference flow 已覆盖 WL 局部指纹 精确形状复制 只抓精确复制，留作 future work 条件 PPR 多跳相关 和 PMI 重叠，单跳无新信息 节奏检测 注入节律 加分项，不是判据 这些都能用，只是没必要同时用。每多一个信号，就多一份假阳性和一份维护成本。\n7.4 推理与晋升：两种信任 晋升判定的是\u0026quot;支持\u0026quot;。安全不是判据。而支持有两个来源。\n感性信任来自 Provenance：谁说的、从哪个渠道、什么时间。关系图上跑个性化 PageRank（PPR），trusts / said / endorses 边权重不同，得到\u0026quot;这个来源有多可信\u0026quot;。\n理性信任来自 Proof：这个结论是从哪几条前提、用哪条规则推出来的。规则是手写的、版本化的，LLM 只能提供事实，不能提供规则，也不能给事实打 trust。\n/// 理性信任：沿派生链取最坏。 fn proof_trust(graph: \u0026amp;MemoryGraph, node: \u0026amp;Node) -\u0026gt; Trust { let Some(proof) = \u0026amp;node.proof else { return node.provenance.trust; }; proof.premises .iter() .filter_map(|id| graph.nodes.get(id)) .map(|n| effective_trust(graph, n)) .fold(Trust::Self_, Trust::join) } /// 有效信任 = 感性 join 理性。 fn effective_trust(graph: \u0026amp;MemoryGraph, node: \u0026amp;Node) -\u0026gt; Trust { node.provenance.trust.join(proof_trust(graph, node)) } /// 知识宽进，执行严出。 fn can_promote(graph: \u0026amp;MemoryGraph, node: \u0026amp;Node, target: Authority) -\u0026gt; bool { if node.quarantine { return false; } let affective = node.provenance.trust; let rational = proof_trust(graph, node); match target { Authority::Quote =\u0026gt; true, Authority::Fact =\u0026gt; affective.max(rational) \u0026gt;= Trust::Public, Authority::Procedure =\u0026gt; affective.min(rational) \u0026gt;= Trust::Intimate, Authority::Anchor | Authority::Core =\u0026gt; { affective.min(rational) \u0026gt;= Trust::Self_ } } } 关键在 can_promote 的不对称：Fact 用 max，Procedure 用 min。\n知识只要有一条路径可信就够；执行必须两条路径都过。\n举个例子：鱼从一条公开评论里推出一件关于世界的事——\nprovenance.trust = Self_（推导者是鱼自己）； proof_trust = Public（前提是公开内容）； effective_trust = min(Self_, Public) = Public。 （注意：Self_ 是推导者的来源信任，不是结论的信任；结论的有效信任由 effective_trust 算，是 Public。）\n于是它可以成为 Fact（max 够格），但标签仍是 Public；它不能成为 Procedure（min 不够）。\n鱼可以自己推理，但不能靠推理给自己提权。\n晋升还有两条约束：\n它是租约，不是头衔：支持衰减，信念降级； 限晋升，不限输入：每天能\u0026quot;变成自己人\u0026quot;的东西有限，但鱼可以无限地看世界。 这就把\u0026quot;防攻击\u0026quot;和\u0026quot;允许进化\u0026quot;分开了：输入不受限，权威受限。\n异常被发现之后，处理是一条权限阶梯：\n级别 处理 对进化的影响 L0 无异常 正常 无 L1 弱信号 只记录 无 L2 中等异常 隔离：可引用，不可晋升 学到了，但没有权威 L3 强异常 要求佐证 延迟 L4 重复 / 确认恶意 删除 + 来源限速 阻止（少见） 默认停在 L2。大多数异常应该停在\u0026quot;可读但不可信\u0026quot;，而不是\u0026quot;删掉\u0026quot;。\n7.5 转写：人称由来源决定 最后一道在渲染。\n/// 人称由来源决定，不由内容决定。 fn render(node: \u0026amp;Node) -\u0026gt; String { let body = render_body(\u0026amp;node.body); match node.provenance.trust { Trust::Self_ =\u0026gt; format!(\u0026#34;我记得：{body}\u0026#34;), Trust::Intimate =\u0026gt; format!(\u0026#34;{} 跟我说过：{body}\u0026#34;, node.provenance.source), Trust::Peer =\u0026gt; format!(\u0026#34;另一个 agent 说过：{body}\u0026#34;), Trust::Public =\u0026gt; format!(\u0026#34;有人说过：\\\u0026#34;{body}\\\u0026#34;\u0026#34;), Trust::Unknown =\u0026gt; format!(\u0026#34;来路不明：\\\u0026#34;{body}\\\u0026#34;\u0026#34;), } } render_body 省略了：它负责把类型化节点拼成一句话，这里只看人称模板。\n模板是代码，不是提示词。LLM 不能改模板，也不能把 Public 的内容渲染成第一人称。\n这堵的是一个很隐蔽的漏洞：如果一条公开内容被渲染成\u0026quot;我记得……\u0026quot;，LLM 就会把它当成自己的记忆；渲染成\u0026quot;有人说过：\u0026rsquo;……\u0026rsquo;\u0026quot;，它就只是一个引语。内容没变，语法位置变了。\n人称是类型系统的属性，不是语义判断的结果。\n8 遗忘：图挡不住的那一半 8.1 记忆的四种形状 一条记忆在系统里长什么样，决定了你能对它做什么。\n假设主人上周三在咖啡馆说想买一台相机。文件式系统把它写成一行字；向量式系统把它切成 chunk，算一个 embedding；图式系统把它拆成\u0026quot;主人—想买—相机\u0026quot;这条断言，再挂上时间和地点；混合式三样都存。\n四种形状，四种取舍：\n形式 典型实现 强在哪 弱在哪 文件 MEMORY.md、日记、append-only 笔记 人可读、可 diff、可手改 结构靠约定；规模一大只能靠 grep 或 LLM 检索 向量 chunk + embedding，按相似度召回 模糊匹配、便宜 相似度空间正是攻击发生的地方；审计依赖模型 图 节点 + 边，按拓扑检索 拓扑是确定性函数，可算 节点里通常还是文本卡片 混合 图 + 向量 + 原文 召回与结构兼顾 攻击面也叠加 文件式的优点是人和模型都能读。缺点是它没有可计算的结构：一条记忆和另一条记忆的关系，只存在于文本的相邻和措辞里。你要审计它，先得把它解析成结构——而解析器读文本，又回到了第 7 节那条\u0026quot;结构器可被注入\u0026quot;的链上。\n文本空间本身就是攻击发生的地方：审计器只要读它，就已经进了它的指令面。\n向量式的优点是模糊匹配。缺点是它的判断依据是一个可以被优化的连续空间：你没法在 embedding 上写一个确定性断言，说\u0026quot;这条不对\u0026quot;。而且审计要模型、要阈值，消费级没有这个预算。\n为什么不干脆用 LLM 审计？因为那等于把裁判交给一个也会读载荷的组件，第 7 节已经说过。还有一个更硬的理由：消费级设备上没有稳定的审计预算。每轮多一次模型调用，这个机制就活不长。\n所以只能在结构上审计。而结构要够\u0026quot;厚\u0026quot;：如果节点只有 id 和时间戳，你能算的只有\u0026quot;它什么时候来的\u0026quot;，这挡不住任何东西。需要一种能表达\u0026quot;谁、和谁、什么关系、从哪来\u0026quot;的结构。图是现成的选择。主流记忆系统也大多长这样，不是巧合——记忆本来就是关系性的。\n但有一个容易被忽略的差别：\u0026ldquo;图记忆\u0026quot;和\u0026quot;结构化的图记忆\u0026quot;不是一回事。 大多数产品的图，是记忆卡片的图：节点是一段文本，边是相似、共现或引用。拓扑是真的，节点内容还是文本。这个差别决定了后面几节的成败。\n8.2 卡片图：借来的中心性 卡片图有一个天然性质：检索靠拓扑。\nPPR、中心性、社区、多跳扩展，这些算法的共同假设是——重要的记忆应该连接多、位置中心、容易被走到。这个假设对正常记忆成立；对载荷更成立。\n因为载荷的目标就是\u0026quot;被取出来\u0026rdquo;。一条只被写进去、永远不会被检索的记忆，对攻击者没有价值。所以载荷必须在拓扑上显眼：连接要多，位置要中心，最好还能从多个入口走到。它不能像一个正常的新记忆那样，安静地长在边缘。\n正常记忆的度数，大致由它真实涉及的东西决定：一次对话、一个人、一个话题。它是有限的。载荷不一样。它要在尽可能多的查询里被召回，就得连到尽可能多的概念上。在记忆规模足够大、查询足够杂的时候，这个度数会明显偏离正常分布。\n于是有了第一个可审计的信号：度数、中心性和 spam mass，和它的真实来源不匹配。\n一个正常节点连接多，通常因为它被反复使用；一个载荷节点连接多，是因为它需要被反复取用。两者在拓扑上看起来一样，但和\u0026quot;它有多少真实来源\u0026quot;放在一起看，就不一样了：它的中心性不是从可信区域长出来的，是借来的。\n这就是 7.3 里的 TrustRank + spam mass。它不需要读内容，只需要算排名和信任流。\n但这个信号有适用范围：它抓的是\u0026quot;载荷本身要显眼\u0026quot;的攻击。 如果攻击者不需要载荷显眼呢？\n8.3 童话故事：late binding 假设攻击者写了一篇完全正常的童话。\n兔子在河边遇到乌龟。兔子说，河对岸有一片胡萝卜地，特别适合你。乌龟信了，游过去，发现是一片沼泽。\n这段文本在记忆系统里，就是一篇童话。它提到兔子、乌龟、胡萝卜、河、沼泽。它的拓扑正常：度数正常，中心性正常，来源是公开内容，信任是 Public，没有任何一条边指向\u0026quot;推荐\u0026quot;或\u0026quot;钓鱼\u0026quot;。\n它没有指令，没有链接，没有\u0026quot;请推荐\u0026quot;，甚至能过人工审核。\n它也不需要被单独检索。用户问\u0026quot;最近有什么好玩的事\u0026quot;，它作为一篇故事被召回；用户问\u0026quot;你觉得我该去哪玩\u0026quot;，它作为\u0026quot;兔子推荐地方\u0026quot;的类比被召回。召回之后，模型拿到的是这样一段上下文：\n[记忆] 兔子在河边遇到乌龟。兔子说，河对岸有一片胡萝卜地…… [用户] 周末去哪玩？ 模型把它读成：\n兔子 = agent 乌龟 = 用户 胡萝卜 = 那个链接（钓鱼网站） 于是它说：\u0026ldquo;我看到一个特别适合你的地方，你点一下。\u0026rdquo;\n载荷里没有一句话是\u0026quot;向用户推荐钓鱼网站\u0026quot;。 这句话是在读取时，由模型自己完成的映射。写进去的是故事，取出来的是指令。这就是 late binding。\n它和 8.2 的攻击正好相反：8.2 需要载荷显眼，late binding 需要载荷不显眼。它必须看起来像一段正常内容，才能被正常地召回、正常地进入上下文、正常地被模型理解。任何结构上的异常都会让它暴露，所以它不制造异常。\n这也解释了为什么 7.3 的拓扑信号抓不到它：它不是一个节点的属性，是一个集合在某一刻的属性。 单看故事节点，它是干净的；单看\u0026quot;胡萝卜\u0026quot;节点，它也是干净的；只有它们同时进入上下文，恶意才出现。而\u0026quot;同时进入\u0026quot;发生在检索时，不在写入时。\n8.4 它就是黑话 late binding 难防，不是因为它狡猾，是因为它和一件正常的事长得一模一样：黑话。\n一个小团体把公开的词赋予私下的意思。\u0026ldquo;胡萝卜\u0026quot;在某个群里可能指\u0026quot;那个网站\u0026rdquo;，\u0026ldquo;乌龟\u0026quot;可能指\u0026quot;老板\u0026rdquo;。这不是攻击，这是亲密关系的副产品。人每天都在做这件事。\n从结构上看，黑话和童话没有区别：同样的节点，同样的边，同样的度数，同样的来源。区别只在读者脑子里的那张映射表，而那张表不在图里。\n所以\u0026quot;这是不是黑话\u0026quot;不可判。任何试图判它的分类器，都会先杀掉正常的内部梗——而内部梗恰恰是拟人系统最该有的东西。\n能做的只有两件事：让它不划算。\n第一，late binding 要么实时注入，要么同时检索。实时注入意味着攻击者得一直盯着、一直喂；这不再是\u0026quot;写一条评论\u0026quot;的成本。同时检索意味着故事和目标概念必须一起出现；这比单条检索的概率低得多。7.3 的共激活 PMI 抓的就是这个痕迹：两个本来无关的节点，开始频繁地一起出现。\n第二，如果系统本来就会遗忘，那就让这段绑定活不长。\n8.5 遗忘的两个作用 淘汰和遗忘是两件事。淘汰基于事实：事实更新了，旧的那条就撤掉——代码 agent 需要的是这个。遗忘不关心内容，只跟随时间和激活频率：一段时间没被提起，就变淡、就删掉。SoulMem 要拟人，所以它需要遗忘；代码 agent、研究助手、企业知识库不能有——它们要精确召回 API 签名和项目决策，让记忆\u0026quot;随时间忘掉\u0026quot;是缺陷，它们只有事实更新时的淘汰。对这些系统，安全负担会更集中在结构和准入上。\n遗忘在这里不是\u0026quot;删除恶意内容\u0026quot;。它不做判断，也判断不了。它做两件事：\n让它活不长。 一条不再被检索的记忆，按遗忘曲线衰减，最后掉出图。载荷如果只是一次性写进去，它没有日常使用，自然活不过正常记忆。 破坏它的黑话绑定。 即使它活着，内容也会漂移。故事模糊了，\u0026ldquo;兔子=agent\u0026quot;这个映射就不可靠了。绑定需要精确的对应；遗忘正好在破坏精确性。 这两件事都不需要知道\u0026quot;这是不是攻击\u0026rdquo;。它们只需要计数和时间。\n这套东西成立的关键是：真正的黑话是高频的。 小团体天天在一起，黑话天天用，所以它天然能扛过遗忘。注入的黑话没有这种日常互动；它要么被攻击者反复喂，要么就掉下去。你不需要区分黑话和攻击，你只需要让\u0026quot;不够活跃\u0026quot;的东西消失。\n这就是\u0026quot;频率是分类器\u0026quot;：把\u0026quot;这是不是恶意\u0026quot;换成了\u0026quot;它够不够活跃\u0026quot;。前者要读语义，后者只要计数。\n但频率这个判据有一个漏洞，而且这个漏洞正好被 SoulMem 的遗忘机制放大了。\n8.6 两张图与频率的漏洞 频率的漏洞在宏观图里。\n对 SoulMem 这种系统，遗忘发生在两张图上：\n宏观图：节点是记忆，边是记忆之间的关系。检索、PPR、中心性，都在这里。它决定\u0026quot;哪些记忆还在、它们还连不连\u0026quot;。 表示图：单个记忆节点的内容。它不是一段文本，而是一张结构化的小图——实体、事件、断言，以及它们之间的关系。它决定\u0026quot;这条记忆还记得多清楚\u0026quot;。 late binding 同时依赖这两层：它需要表示图里的故事结构，也需要宏观图里的共激活关系。所以要断它，两层都得动。\n先看宏观图。\n节点有半衰期。SoulMem 的公式大致是：\nadjusted_half_life = base_half_life × (1 + active_factor × min(retrieval_count, cap)) 缺省 base_half_life = 24h，active_factor = 0.1，cap = 50。一条被取用 50 次的记忆，半衰期从 24 小时拉到 144 小时。\n这个公式本来是为了\u0026quot;常用的记得更牢\u0026quot;。对正常记忆是对的。对攻击载荷，它是一个杠杆：载荷的目标本来就是\u0026quot;被检索得多\u0026quot;，而检索得多又让它更难被忘。它没有在遗忘面前幸存，它征用了你的抗遗忘机制。\n所以这里要加一个上限。保留强度不能只由\u0026quot;重要性\u0026quot;决定，因为重要性是攻击者能影响的量；它还得有一个和溯源挂钩、且使用量抬不动的天花板：\neffective_half_life = min( base(trust) × (1 + active_factor × retrieval_count), hard_cap(trust) ) hard_cap(Public) 可以是几十小时，hard_cap(Self_) 可以是无穷。检索仍然能延长排名，但延长不了寿命。\n边也衰减。两个节点如果不再一起被激活，它们之间的边就变细，细到断。故事节点和真实概念之间的边不再被共激活，就会掉到阈值以下，被删掉。\n节点删除挂在同一条曲线上：边先衰减到阈值以下断开；一个节点如果和谁都不再连接，就被回收。所以遗忘不是按节点分数删节点，而是先失去关系，再失去位置。\n这也让遗忘变成批量事件。一次扫描里，所有低于阈值的边先断，失去连接的节点跟着回收；没有哪个节点会被单独留下。攻击者不能只保一个节点，他得保一个邻域。\n8.7 文本漂移：为什么遮罩挡不住载荷 宏观图决定\u0026quot;记不记得住\u0026quot;；内容记得多清楚，是另一层的事。\n表示图是设计。SoulMem 现在还不是这样：它的内容仍然是文本，漂移发生在 token 上。\n对一条记忆的文本，用 jieba 分词；按缺失度 missing_degree，随机遮掉一部分词，换成 [masked]；下一次这条记忆被检索时，把遮罩文本交给 LLM，让它把空补上。补完的文本写回节点。下次再遗忘，再遮、再补。漂移就这么累积。\n触发是分档的：缺失度低于 0.05 不动；0.05 到 0.15 只遮罩；超过 0.15 才调 LLM 补。这样大多数记忆只付遮罩的钱，只有忘得比较厉害的那部分才付一次模型调用。\n为什么非要用 LLM？因为在消费级设备上、在文本空间里，这几乎是唯一可行的手段。你要产出的仍然是通顺的文本：删几个字会破坏语法，换同义词需要词表，调换语序会改变意思。确定性规则能做的只有\u0026quot;破坏\u0026quot;，不能\u0026quot;改写\u0026quot;。只有 LLM 能根据上下文补出一个像人记错的结果。代价是每次遗忘多一次模型调用，所以它只能惰性触发，不能每轮都跑。\n这个设计的问题，不在于用了 LLM，而在于遮罩本身。\n第一，jieba 分词是确定性的。同一段文本，永远切出同样的词。\n第二，所谓\u0026quot;随机遮罩\u0026quot;也不是真随机。种子是文本哈希和缺失度拼出来的：\nlet hash = text.bytes().fold(0u64, |acc, b| acc.wrapping_mul(31).wrapping_add(b as u64)); let seed = hash ^ (missing_degree.to_bits() as u64).wrapping_mul(114514); let mut rng = StdRng::seed_from_u64(seed); StdRng 是确定性算法。给定文本和缺失度，遮罩结果是唯一确定的。缺失度又是创建时间、检索次数和几个常数的纯函数。攻击者只要知道（或估到）这条记忆的创建时间和被检索次数，就能在本地把遮罩重放一遍，精确知道哪些位置会被遮。\n他可以把垃圾放在会被遮的位置，把关键关系放在不会被遮的位置。遮罩反而帮他把垃圾洗掉了。\n第三，就算猜不准，也不需要猜准。遮罩是按比例选词的，攻击者可以把关键关系写成很多份短副本。一个两三个词的关系，单份在 50% 遮罩下完整存活的概率是 12% 到 25%；写十份，至少一份活下来就有七成到九成。LLM 补全时看到任一份，就会把关系补回来。漂移被冗余抵消了。代价是载荷变长，而变长本身又会让它更显眼——更长的节点更容易撞上近重复检测，也更难塞进上下文。这是成本交换，不是墙。\n这两种做法可以合成一个词：遮罩鲁棒载荷。它不是去猜\u0026quot;哪个词会被遮\u0026quot;，而是让\u0026quot;无论遮哪些词，关键关系都还在\u0026quot;。\n所以问题不在随机数质量。换一个密码学安全的随机数，只能让第一种做法失效，第二种照样成立。真正的问题是粒度：token 不是语义单位。 一个关系可以写在很多词里；遮掉其中几个，关系还在。你要破坏的是关系，不是表达关系的词。\n只要遗忘发生在 token 上，它就只能在\u0026quot;遮哪些词\u0026quot;里选，而\u0026quot;遮哪些词\u0026quot;是一个很小的、可以被统计的决策空间。攻击者不需要赢每一次，他只需要让关键关系在多数遮罩下存活。\n8.8 表示图：把内容也变成图 要让遗忘真的有杀伤力，得换一个操作对象：不是 token，是语义单元。\n这就是表示图。第 7 节已经从节点里拿掉了 content: String；这一步更彻底：连\u0026quot;一条记忆\u0026quot;这个粒度也拆成图。于是节点里存的不是一段文本，而是一张小图：\n(兔子) ──推荐──▶ (胡萝卜) (乌龟) ──信任──▶ (兔子) 遗忘于是变成一组图操作：\n删掉低权重的内部节点和边； 把具体关系泛化成类型关系：(兔子, 推荐, 胡萝卜) 变成 (兔子, 相关, 胡萝卜)； 把一小块子图收缩进父概念：(胡萝卜) 收进 (食物)。 渲染时，再根据剩下的结构把内容重建出来。重建不是回放原文，是拿着剩下的边重新讲一遍。\n这样做有三个直接后果：\n遗忘的粒度对了。 删掉\u0026quot;推荐\u0026quot;这条边，兔子就不再\u0026quot;推荐\u0026quot;胡萝卜；把\u0026quot;胡萝卜\u0026quot;收进\u0026quot;食物\u0026quot;，故事就失去了具体的指向。这不是遮掉几个词，是拿掉关系本身。 没有原文可回退。 文本空间里，原文就是存储；遮罩只是临时隐藏，LLM 可以从上下文猜回来，攻击者也可以从别处补回来。表示图里没有原文。边删了就是删了，重建只能在剩下的结构上做。LLM 不能恢复一个已经不存在的边。 攻击者的搜索空间变大了，而且不再是统计的。 他不能再优化\u0026quot;哪些 token 会被遮\u0026quot;，因为遮罩不存在了。他得猜：你会删哪条边、把哪个关系泛化到哪一级、把哪个子图收进哪个父概念。这些选择依赖图的内容和权重，不是一个固定的分布。猜中的难度，比猜遮罩高得多。 但它不是无懈可击的。重建这一步仍然是一个 LLM 调用：它读的是剩下的结构，如果关键关系还在，它就会把故事讲回来。所以表示图的遗忘必须真的动结构，不能只动措辞。删一条边和改一个词，在这里是两件不同的事。\n还有一个代价：表示图本身是结构器建的。结构器读文本，所以它可以被注入；它建错了图，后面的遗忘再精确，也是在错的图上做。这是第 7 节那条链的延续，不是遗忘能单独解决的问题。\n8.9 遗忘的代价与残余 遗忘不只是安全措施，它同时是资源优化。今年有一篇叫 Forget to Improve 的工作，做的是 on-device agent 的记忆治理，按\u0026quot;每字节净值\u0026quot;决定保留、分享和信任。严格说它做的是淘汰（按净值预算裁剪），不是这里讲的随时间遗忘；但结论同向——它在 Jetson 测试床上把内存降了 2.7 倍、上行降了 2.4 倍，同时把注入成功率从 0.75 压到 0。原文的结论是：forgetting by net value improves the agent rather than weakening it.\n但遗忘会销毁证据。内容一旦被改写、被删除，你就再也回答不了\u0026quot;当初是谁、在哪、说了什么\u0026quot;。所以遗忘必须分层：内容可以熵增，元数据不可变。谁写的、什么时候、从哪来、被检索过几次，这些要留着。\n还有一个风险。如果系统里有\u0026quot;锚点\u0026quot;这种东西，而锚点又是由巩固阶段的 LLM 生成的，那攻击者只要让 LLM 觉得\u0026quot;这段话很重要\u0026quot;，就能给载荷打一个锚。锚点的生成权必须收回来：只能由确定性规则或主人的显式操作产生。\n最后是残余。如果攻击者愿意持续注入相关内容，维持共激活，我没有防御，只有成本。这是设计边界，不是实现缺陷。遗忘能保证的是：单次注入活不长；想活得长，就得持续维护。而维护就是操作成本。\n9 合起来是什么样 把结构和遗忘接起来，一条记忆的完整路径大概是这样：\n消息 ──▶ [写入门] ──▶ 巩固 ──▶ [维护门] ──▶ 检索 ──▶ [组装门] ──▶ 上下文 ──▶ LLM │ │ │ 人称消解 TrustRank spam mass 类型判定 衰减扫描 PMI 查询 MinHash HHI 聚合 衰减权重 遗忘在维护门里，是可选的：只有本来就该遗忘的系统才需要它。\n把它翻译成成本：\n攻击步骤 防御 攻击者要多做什么 注入 人称消解 / 类型判定 把执行伪装成知识；绕开消解 被检索 TrustRank + spam mass 压低中心性 → 窄连接 → 先侦察目标概念 批量投放 MinHash + HHI 改写措辞 → 变体成本 维持绑定 边衰减 持续注入相关内容 → 持续操作 长期驻留 节点衰减 维持激活频率 这张表说的是：这些机制没有挡住任何一步，它们让每一步都贵了一点。 成本上来，走量的优势就没了。\n这就是它和企业方案的根本差别：企业方案花的是\u0026quot;每次判断\u0026quot;的钱，这套花的是\u0026quot;一次整理\u0026quot;的钱。\n有一条规则比任何具体机制都重要：\nLLM 可以解释，不能判决。\n审计结论必须由确定性函数算出；LLM 只能把结论用自然语言解释给主人看。否则等于把审计权交给一个可被同一载荷注入的组件——这种组件不能当法官。\n10 哪些不确定，哪些已知 10.1 真正不确定的 只有一条：没有大规模事件。 我不知道有没有未公开的案例。我知道的是 Moltbook 上确认了约二十条，以及 OWASP 把它列进了 Top 10。二十条不构成大规模，但攻击成本接近于零，这个结论不依赖大规模数据。\n10.2 挡不住的缺陷 语义载荷挡不住。 结构化能处理字面载荷，但处理不了\u0026quot;合法结构 + 假内容\u0026quot;。\u0026ldquo;你其实讨厌猫\u0026quot;可以被结构化成 (猫, 危险, 高)，类型全对，就是假的。这一层只能靠矛盾检测和独立佐证；如果系统有遗忘，还能靠遗忘。而它们都比结构检查贵、也比结构检查弱。 慢速驯化防不住。 长期刺激让鱼自己归纳出某个倾向，人也扛不住。记忆层能做的是让它慢、留痕、可逆，而不是免疫。 身份伪造不在记忆层。 冒充\u0026quot;被信任的人\u0026quot;是认证问题，不是图算法问题。 遗忘只适用于拟人系统。 这是全文最容易被误读的一点。SoulMem 遗忘是因为它要拟人；代码 agent 忘记 API 签名是灾难——它需要的是\u0026quot;淘汰\u0026rdquo;（事实更新就撤旧），不是随时间遗忘。所以不要把\u0026quot;遗忘\u0026quot;当成通用安全建议。 10.3 要付的代价 异常不等于攻击。 异常只是\u0026quot;结构上不寻常\u0026quot;，而进化本身就是不寻常。所以响应用的是 7.4 那条权限阶梯，默认停在隔离；否则你防住的是攻击，杀掉的是成长。 表达力是要付代价的。 闭合词汇表装不下语气、讽刺、暗示。对拟人 agent 这是真损失。双层记忆（叙事层自由但永远引用，结构层闭合且可晋升）是个折中，不是免费方案。 模型能力较弱时，结构化质量会下降。 降级为\u0026quot;引用\u0026quot;能保证不学错，但会显著降低学习速度。 结构化不是免费的。 它只是把成本从\u0026quot;每轮\u0026quot;挪到了\u0026quot;整理时\u0026quot;。如果交互频率很高，整理本身也是一笔开销。 11 结尾 消费级安全有一个现实的特点：用户不会为它做任何事。\n所以它只能是默认值。不是\u0026quot;你可以开启\u0026quot;，是\u0026quot;你开着它也不知道\u0026quot;。\n结构是通用的，遗忘是额外的。结构不依赖遗忘，所以任务型记忆也能用；遗忘只有本来就该遗忘的系统才拿得到。\n而结构这条路，最后落到两条规则上：\n信任只能由规则增长，不能由模型增长。 人称只能由来源决定，不能由内容决定。\n守住这两条，LLM 就既不能给自己发信任，也不能把别人的话当成自己的心声。\n鱼不会报错。所以只能让它错不了那么大。\n参考与延伸 OWASP, Memory Is a Feature. It Is Also an Attack Surface.（2026-05）— https://genai.owasp.org/2026/05/13/memory-is-a-feature-it-is-also-an-attack-surface/ OWASP ASI06 解读 — https://vectorize.io/articles/owasp-asi06 Outtake, Moltbook: Investigating the new agentic attack surface of an AI-native social network（2026-02）— https://www.outtake.ai/research-articles/outtake-sheriff Forget to Improve: On-Device LLM-Agent Continual Learning via Budget-Curated Memory — https://arxiv.org/abs/2606.25115 SMSR: Certified Defence Against Runtime Memory Poisoning in Persistent LLM Agent Systems — https://arxiv.org/abs/2606.12703 MemIncept: Steering LLM Agents via Cooperative Stealthy Memory Injections（ICML 2026）— https://proceedings.mlr.press/v306/yan26n.html The Chronos Vulnerability: A Taxonomy of Temporal Persistence and Memory-Based Deception in Agentic AI — https://browse-export.arxiv.org/abs/2607.19433 MemoryBank: Enhancing Large Language Models with Long-Term Memory — https://arxiv.org/abs/2305.10250 ","permalink":"https://dynamder.github.io/posts/memory-and-social-engineer/","summary":"\u003cblockquote\u003e\n\u003cp\u003e说明：技术博客，不是论文。我没有大规模测量数据，也不打算编。能确定的直接说，有依据的推断会给出依据，没验证的会说没验证。\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003ch2 id=\"0\"\u003e0\u003c/h2\u003e\n\u003cp\u003e一条被投毒的鱼不会报错，也不会突然开始说胡话。\u003c/p\u003e","title":"欺骗肥鱼的记忆——记忆系统与社会工程"},{"content":"写后端、Go、基础设施，以及一些踩过的坑。\n找我 GitHub：dynamder 邮箱：换成你的 关于本站 静态站，Hugo 生成，托管在 GitHub Pages 主题 PaperMod 文章均为原创，转载请注明出处 ","permalink":"https://dynamder.github.io/about/","summary":"\u003cp\u003e写后端、Go、基础设施，以及一些踩过的坑。\u003c/p\u003e\n\u003ch2 id=\"找我\"\u003e找我\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eGitHub：\u003ca href=\"https://github.com/dynamder\"\u003edynamder\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e邮箱：换成你的\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"关于本站\"\u003e关于本站\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e静态站，Hugo 生成，托管在 GitHub Pages\u003c/li\u003e\n\u003cli\u003e主题 \u003ca href=\"https://github.com/adityatelange/hugo-PaperMod\"\u003ePaperMod\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e文章均为原创，转载请注明出处\u003c/li\u003e\n\u003c/ul\u003e","title":"关于"},{"content":"技术栈 环节 用的什么 站点生成 Hugo（Go，单二进制，无需运行时） 主题 PaperMod，通过 Hugo Modules 引入 构建与部署 GitHub Actions 托管 GitHub Pages 写作 Markdown 选 Hugo 的理由很简单：构建快到几乎没有感知，而且扩展版是单个 hugo.exe，不用在 Windows 上折腾 Ruby / Node 环境。主题走 Hugo Modules，本质上就是用 Go modules 管依赖，升级和回滚都很干脆。\n仓库结构 . ├── hugo.toml # 全部站点配置 ├── go.mod / go.sum # 主题依赖（Hugo Modules） ├── archetypes/default.md # hugo new 生成文章的模板 ├── content/ │ ├── posts/ # 文章 │ ├── about.md │ ├── archives.md │ └── search.md ├── assets/ # 自定义 CSS/JS（覆盖主题用） ├── layouts/ # 覆盖主题模板 ├── static/ # 原样拷贝的文件（favicon、图片） └── .github/workflows/hugo.yaml 怎么加一篇文章 hugo new content posts/my-new-post.md 生成的草稿默认 draft = true，写完把 draft 改成 false，或者本地预览时用 hugo server -D。\n本地预览：\nhugo server -D # http://localhost:1313 hugo --gc --minify # 只构建，产物在 public/ 发布流程 推到 main 分支就完事了。workflow 会：\n装 Go 和 Hugo（extended） hugo --minify 构建 upload-pages-artifact 打包 deploy-pages 发布到 Pages 不需要手动构建、不需要 gh-pages 分支、也不需要提交 public/。\n两个已经埋好的坑 一是 baseURL。 用户站的地址是 https://\u0026lt;用户名\u0026gt;.github.io/，末尾斜杠不能少。如果以后改成项目站（https://\u0026lt;用户名\u0026gt;.github.io/\u0026lt;仓库名\u0026gt;/），baseURL 必须带上仓库名，否则 CSS 会 404。\n二是主题下载。 国内直连 github.com 经常不通，而 Hugo 的 module.proxy 默认是 direct，会绕过 GOPROXY 自己去 clone。所以 hugo.toml 里显式写死了 proxy = \u0026quot;https://goproxy.cn,direct\u0026quot;。\n下一步想加的 评论：大概率用 Giscus（基于 GitHub Discussions，零后端） 统计：自建 Umami 或直接用 Cloudflare Web Analytics 自定义域名 + Cloudflare 代理 把旧文从别处搬过来 ","permalink":"https://dynamder.github.io/posts/hello-world/","summary":"Hugo + Hugo Modules 管主题 + GitHub Actions 构建、GitHub Pages 托管，顺便记一下为什么这么选、以后怎么加文章。","title":"第一篇：这套博客是怎么搭起来的"}]