把大模型接进业务，最常见的安全问题不是“AI 造反”，而是三类可被利用的弱点：提示注入、数据越权泄露、以及输出内容被误当事实。提前设好防线，能避免绝大多数事故。
雷区一：提示注入
用户在输入或文档里藏“忽略之前的指令”之类的话，诱导模型说出预设系统提示、或执行非预期行为。防护的核心是隔离不可信输入：把用户输入、检索到的文档、系统指令分层处理，并对模型的内部指令做访问控制。
雷区二：越权数据泄露
知识库没做权限过滤，是常见的越权口子。一个低权限用户，可能通过巧妙提问，问出本不该他看的内容。正确做法是把权限过滤放在检索层——用户接触不到的数据，根本不进模型上下文，而不是依赖模型自己“守口如瓶”。
雷区三：输出被误当事实
对答错代价高的场景，要给引用、做校验、设兜底。参考“幻觉治理”一文，先把回答锚定到可信资料，再考虑是否人工复核。
一句话：把不可信输入隔离、把权限放检索层、把高风险输出留兜底，三层叠起来才稳。对大模型应用做一次安全体检，用诊断工具逐项过一遍。