我构建了一个本地优先的工具，用于测试金融AI智能体能否抵御重复支付、工具投毒和预算规则绕过。寻求反馈。

我一直在开发一个名为FaultFence的项目，最近将这个测试工具包开放了公开测试版。思路很简单：如果你正在构建一个处理金融操作（查询余额、触发付款、退款或结账流程）的Python AI智能体，在发布之前，你如何测试它是否会受到诱导而违反金融规则？ 我构建了一个本地测试工具包，包含17个金融安全场景，涵盖重复支付重试、工具结果投毒、支付金额篡改、数量歧义以及预算/审批绕过等问题。 一些细节： - 本地优先：使用合成金融操作在本地运行离线测试，无需真实支付账户。 - 可选模型测试：支持基于OpenAI的智能体测试，可重复最多3次攻击以检查一致性。 - 自定义Python智能体：可以使用内置示例，也可以通过适配器和工具映射接入你自己的智能体。 - 平台：支持Windows和Linux，macOS支持为实验性。 - 报告：可在评估浏览器（Assessment Explorer）中查看单次攻击、证据和发现结果。 这仍处于早期测试阶段，我正在寻找大约10-15位愿意试用的开发者。我特别想了解： - 安装配置流程是否简单直接？ - 测试结果和证据对调试是否真的有帮助？ - 我遗漏了哪些攻击场景或集成方式？ 该工具仅用于授权的、合成的、非生产环境测试。项目名为FaultFence，更多信息在评论中。任何真诚的反馈或批评都非常欢迎，谢谢！