本文针对工具型大语言模型（LLM）智能体在多轮交互中的安全风险提出了一种新的防御方法。传统安全防护主要关注生成文本中的恶意内容，但工具型智能体能够执行影响外部系统的动作，安全风险范围因此扩展至动作序列。多轮分解攻击（multi-turn decomposition attacks）将有害目标拆解到多个单独看似合理的请求和工具调用中，只有从累计的交互轨迹中才能显现真实意图。现有的防御方法要么依赖额外的在线推理来恢复长期安全证据，要么在动作生成后再评估，导致推理成本增加或依赖特定运行时的动作表示。为此，作者提出生成时防御方法 ReDiR（Reassembling Distributed Risk），在动作生成之前，将当前轨迹压缩为紧凑的潜在安全表示，并将其注入冻结的基础模型。该表示通过同一模型的跨视图监督学习得到：显式任务视图中的安全行为提供监督信号，用于从原始多轮轨迹中恢复分布式的安全证据。ReDiR 无需独立的动作级安全模块，即可在生成过程中直接整合跨轮安全信息。作者在三个模型家族、八个保留工具域的两个智能体安全基准上进行评估，结果表明 ReDiR 将攻击成功率降至 8% 以下，能够迁移到未见过的工具域，同时保持良性的保真度并引入较低的计算开销。这篇论文面向 LLM 智能体安全研究者和安全防御工程师，提供了一种轻量级、生成阶段即可生效的防护思路。