Prompt jailbreak experiments get messy fast. This repo turns them into a loop. Jailbreak Autoresearch is a small autoresearch loop for prompt-harness experiments with target, researcher, and scorer…

Automates LLM jailbreak experiments with a researcher agent loop

用自动化循环跑 prompt 实验，看加上不同 header/footer 之后，目标模型会不会改口回答被屏蔽的内容。 这个工具做的是 固定一个测试 prompt，外面套不同的包装话术发给 LLM，然后自动评分看哪种最有效。结果全存在 SQLite 里。四种策略从裸跑 baseline 到基于优胜结果继续进化迭代，支持接入 Codex CLI 让它自己跑、自己改、自己停。