约翰斯·霍普金斯大学等提出EvoSafeHarness，可自动优化智能体安全防护层，针对不同模型与领域搜索自然语言策略和代码逻辑。在四类基准测试中，平均攻击成功率从45.6%降至10.0%，正常任务实用性仅下降3.3个百分点，并在迁移和自适应攻击中保持有效。