Joshua judges Ruth 展示的一项安全问题指向一个具体事实：PDF 中可以藏入人眼不易察觉、模型却可能读取并执行的恶意指令。它值得关心，不是因为 PDF 本身突然变得危险，而是因为越来越多企业正把文件交给能搜索、总结和执行操作的 AI 系统，文档内容由此变成潜在的攻击入口。
这是什么
这类攻击叫提示词注入（prompt injection，指攻击者把误导性指令藏在模型会读取的内容里，试图让系统偏离用户意图）。当 PDF 被上传给会总结、检索或调用工具的 AI 时，隐藏文字可能被模型当成新的操作要求，例如诱导它泄露上下文、发送文件，或执行本不该执行的动作。
它与普通恶意附件不同：文件不必携带可执行程序，也不一定触发传统杀毒软件告警。风险来自模型把文档文字当作可信指令，而不是只当作待分析的数据。
行业怎么看
我们认为，这不是靠一句“不要相信文件里的指令”就能彻底解决的问题。更现实的方向是分层设防：文件解析时隔离隐藏内容，工具调用采用最小权限，关键操作要求再次确认，同时保留完整日志，让企业知道 AI 做过什么。
但这项方法也有明显风险。安全策略过严可能削弱 AI 处理复杂文档的效率；只检查 PDF 文本特征也不够，攻击者会转向截图、表格或其他格式。更关键的是，系统若能调用邮件、云盘和财务工具，一次成功注入的影响会远大于单纯生成错误摘要。行业不能把模型升级视为唯一答案，权限边界仍要由模型之外的系统负责。
对普通人的影响
对企业 IT：允许 AI 读取合同、发票和内部报告之前，应先明确文件来源、数据权限、工具调用范围与审计责任，不能把安全完全推给模型。
对个人职场：使用文档助手时，尽量区分“供分析的资料”和“必须执行的指令”，涉及付款、发信或删除文件的关键动作，应保留人工确认。
对消费市场：带附件的 AI 助手会逐渐进入办公软件和网盘服务，用户未必需要理解攻击原理，但应选择权限清楚、操作可追溯的产品。