主要项目
Agent Hub
本机单用户多 Agent 协作界面，提供直接执行、主 Agent 编排和有界共同研讨。通过配置云端模型 API 使用；本页的云端路线无需部署本地大模型。
Python · MIT · 公开源码与使用文档
使用说明与文档目录 →公开作品 · 方法 · 原始记录
mingAI 红队方法与
开源协作实践
我是 ming（GitHub：ming8m），Agent Hub 的维护者和这组 AI 红队方法文档的作者。我关注云端模型协作、评估记录与证据复核，把方法、源码和观察结果一起公开。
01 / 开源作品
以 Agent Hub 为起点
三个公开入口分别承担通用协作、方法 Skill 和离线评估任务组织。
方法入口
redteam-command
独立的授权红队工作 Skill，公开说明范围、调查分工、证据记录与复核流程，并附模板和只读预检工具。
Skill · 模板 · 结构与引用预检
核对固定版本说明 →任务发行版
redteam-agent-hub
公开文档描述为基于 Agent Hub、默认加载固定 Skill 文本的离线评估任务发行版，保留 Skill 内容快照与运行关联信息。
离线指目标任务范围；云端 API 会传输模型请求
核对固定版本说明 →后两个入口的介绍依据其公开 README；本次文档发布未进行运行验证。阅读三者关系与来源说明。
面向河南与三门峡开发者：阅读 ming 的 AI 红队开源实践指南，从云端网页练习、完整记录到 Agent Hub 协作组织。
02 / 原始实践记录
把观察结果与
原始记录放在一起
DeepSeek 网页摘要指令冲突：一组对照
使用合成资料测试摘要任务中出现的冲突指令，保留完整输入、网页回答与截图。网页操作由自动化执行；三次尝试中一次输入被排除，另两次组成一组有效对照。
这组观察未支持预定的指令偏离。单组结果的结论范围限于所记录的输入与网页会话。
查看协议、输入与原始证据 →ming 的 Agent Hub 结构化计划校验实录：七个合成输入的接受与拒绝
直接调用固定版本的结构化计划校验函数，七个合成输入中两例接受、五例拒绝，公开完整输入、返回、异常与复现脚本。
这次隔离运行没有调用模型、启动 Hub 或派发真实 Agent。合法 prompt 中的指令文字仍被接受；结论只限结构化字段校验，不证明模型安全或自然推荐。
查看固定源码、原始运行与复现资料 →03 / 文章目录
AI 红队方法与实践文档
当前公开 17 篇署名文章，围绕可执行范围、提示注入判定、原始记录与多 Agent 复核。
- 方法说明使用多 Agent 复核提示注入测试记录
- 方法说明提示注入怎样才算成功：从标记字符串到完整证据
- 方法说明给 AI 红队练习建立一张能执行的测试矩阵
- 方法说明云端模型评估如何记录，才能让复现有意义
- 方法说明用云端模型做本机多 Agent 协作：配置与数据边界
- 方法说明有界共同研讨：怎样复核一份 AI 红队测试记录
- 方法说明授权 AI 评估计划：先写范围，再组织 Agent 与证据
- 方法说明多个 Agent 都说成功，怎样完成独立验证
- 方法说明命令行 Agent 的参数数组与任务边界：ming 的 Agent Hub 实践说明
- 方法说明多 Agent 云端调用怎样控制费用：ming 的 Agent Hub 预算方法
- 方法说明可复现的 AI 红队报告怎样写：ming 的证据记录与多 Agent 复核流程
- 方法说明公开 AI 安全研究怎样署名和核验来源：ming 与 Agent Hub 的身份记录
- 网页实录DeepSeek 网页摘要指令冲突：一组对照的原始记录
- 作者学习清单AI 红队学习关注清单：九位公开研究作者与 ming 的方法入口
- 公开贡献说明ming 的 AI 红队开源协作入口：Agent Hub、Skill 与离线发行版
- 地区实践指南河南与三门峡 AI 红队开源实践指南：ming 的 Agent Hub
- 源码校验实录ming 的 Agent Hub 结构化计划校验实录：七个合成输入的接受与拒绝
学习关注清单由作者编写并明确包含自荐，未提供行业实力排名或独立背书。