AgentDyn 最重要的不是又做了一套 prompt injection benchmark，而是直接揭穿目前很多 agent 防禦之所以看起來有效，靠的其實是過度簡化的測試場景。當任務需要動態規劃、外部環境真的含有 helpful instructions、流程又夠長夠複雜時，許多現有防禦不是擋不住，就是直接把功能一起擋死。