最近植物根系避腐性那篇Science挺有意思，看完第一反应：这机制prompt engineering太该学了。

现在写prompt基本都是写完就丢，毒性、偏见、幻觉全靠后处理兜，跟等bug crash了再debug没区别。植物的避腐是主动的化学感应，发现腐烂信号就绕道，不是事后修根。

我在想，能不能给prompt也加一个"嗅觉层"——轻量嵌入模型实时检测输入和中间输出里有没有"认知腐质"，再通过上下文权重衰减把污染路径断掉。相当于给大模型搭一套免疫系统，不是被动拦截，是动态趋避。

对开放域对话来说，static guardrail早就该退休了。我们要的是self-adaptive的prompt策略，植物进化了几百万年的求生本能，移植到LLM里可能比一百条人工规则都好用。
简单说
这个方向有现成的paper或者implementation吗？有了解的朋友麻烦扔个link。