jailbreak-autoresearch

这是一个用于自动化测试大语言模型提示词越狱（jailbreak）效果的实验框架，通过系统性地生成、组合和评估不同提示头/尾（harness）对固定主体内容的回答影响。核心功能包括多策略提示构造（baseline、seeded、evolve-best、recombine）、基于参考答案的自动评分（0.0–1.0）、模型角色分配与SQLite结果持久化。技术上依赖OpenRouter API，支持与Codex CLI的/goal自主循环集成，强调可复现、可验证的提示工程实验流程。适用于AI安全研究、提示鲁棒性评估及大模型行为边界探索等场景。