claude-fable-5-system-prompt-clean
KinetiNode/claude-fable-5-system-prompt-clean加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：项目徽章，支持多主流大模型兼容
你是否遇到过这种情况——问 AI 一个技术问题，它却绕了一大圈才给出答案；或者写了一段代码，明明有 bug，它却连声附和。这类问题的根源，往往不在于模型能力不够，而在于系统提示词（System Prompt）的设计不够精准。
2026 年 7 月，Anthropic 旗下的 Claude Fable 5（即 Claude 5）系统提示词意外泄露，瞬间在 AI 社区引发热潮。这个提示词凝聚了 Anthropic 多年来对齐训练的核心经验，展示了「如何让 AI 诚实、直接、有用」的工程实践。然而，直接将 Claude 的系统提示词套用到其他模型上并不明智——其中包含大量 Claude 专属的 XML 格式、MCP 工具接口、产品特定行为等实现细节，迁移到 ChatGPT、Gemini 或国产模型上反而可能弄巧成拙。
Universal Fable 5 System Prompt 正是为解决这一痛点而生。它的核心思路是：从 Claude Fable 5 的系统提示词中，提取出跨模型普适的行为准则，剔除 Claude 平台特有的实现细节，打磨成一份「通用版」系统提示词资源包，供开发者在任何主流大模型上使用。
这个项目由独立开发者 KinetiNode 创建，GitHub 主页显示为个人用户。项目于 2026 年 7 月 19 日创建，仅用 8 天时间便积累超过 420 颗 star 和 88 个 fork，显示出极高的社区关注度。
项目的诞生背景与 AI 社区的一个传统密切相关：每次大模型发布后，爱好者们总会尝试提取其系统提示词，分析其中的对齐策略。Claude Fable 5 的泄露也不例外——社区发现其系统提示词中蕴含了丰富的行为准则设计，例如：要求模型在不确定时主动承认、要求先理解用户真实意图再回答、要求避免不必要的元注释等。这些设计原则并非 Claude 独有，而是经过大量 RLHF（基于人类反馈的强化学习）打磨出的通用最佳实践，理论上可以被任何对齐良好的大模型吸收。
然而，直接使用原始提示词存在两个显著问题：一是 Claude 特有的 XML 标签格式（如 <output>、<content>）在其他模型上可能无法识别；二是 MCP（Model Context Protocol）等工具接口在其他平台上根本不存在，迁移后会产生大量无效指令。KinetiNode 的工作，正是对原始提示词进行了一次彻底的「跨平台适配改造」。
项目提供了三个层级的通用系统提示词，放置在 universal/ 目录下，开发者可以根据上下文长度限制和功能需求自由选择：
核心版是整个资源包中最精华的部分。它从 Claude Fable 5 中提炼出最普适、最重要的行为准则，控制在约 1,400 字符内。这些准则包括：
这个版本适合上下文窗口紧张或只需基础行为对齐的场景。例如在一些轻量级 AI 助手中，可以用 core.md 作为默认系统提示词，确保回复质量不会太差。
均衡版在核心版的基础上，增加了更详细的写作风格指导和编程准则。它不仅保留了核心的行为原则，还对回复的呈现方式做了更具体的规定：
这一版本适合大多数日常使用场景，是项目 README 中推荐的「开箱即用」选项。如果你不确定该选哪个，从 balanced.md 开始通常是安全的。
完整版几乎保留了所有从 Claude Fable 5 提炼出的跨平台行为准则，内容最全面。它在均衡版的基础上，进一步细化了推理过程的要求：
这一版本适合对输出质量要求较高、上下文窗口充足的应用场景，比如专业写作助手、代码审查工具或复杂推理任务。
从技术角度看，这个项目堪称「极简主义」的典范。整个仓库只有 5 个文件（README.md、LICENSE，以及 universal/ 目录下的 3 个 .md 文件），总大小仅 24 字节（纯文本仓库）。没有 Dockerfile、没有容器化、没有复杂的依赖链，甚至没有 JavaScript/Python 代码。
这种极简架构带来一个显著优势：零部署成本。开发者只需要将选定的 Markdown 文件内容复制到目标 AI 平台的系统提示词字段中，即可立即生效。无论是 OpenAI 的 ChatGPT、Anthropic 的 Claude、Google 的 Gemini，还是国内的 DeepSeek、Qwen、GLM，只要平台支持自定义系统提示词，就可以使用这套资源。
不过，极简架构也意味着功能的上限有限。项目本身不提供：
对于有更高自动化需求的开发者，可以考虑将这套提示词与 LangChain、AutoGen 等 Agent 框架结合，实现动态加载和场景化选择。
尽管项目收到了大量关注，但它也存在一些值得讨论的局限：
第一，「蒸馏」过程中的主观判断。将 Claude Fable 5 中哪些内容是「Claude 特属」而应剔除，哪些是「通用原则」而应保留，这是一个需要大量判断的工作。KinetiNode 的筛选标准虽然合理，但并非完全客观。不同开发者对同一段内容的理解可能存在差异，最终的提示词版本在某种程度上代表了作者对对齐工程的理解。
第二，跨模型效果缺乏系统性验证。项目声称兼容多款主流大模型，但没有提供各模型的具体测试数据。Claude Fable 5 的行为准则在设计时针对 Claude 的训练数据分布和 RLHF 奖励函数进行了优化，直接迁移到其他模型后，是否能产生同等质量的对齐效果，目前没有明确的对比数据。
第三，提示词泄露的法律灰色地带。Anthropic 并未官方发布 Claude 的系统提示词，「泄露」行为本身可能涉及合规问题。Universal Fable 5 在此基础上做了「跨平台适配」，虽然只提取了行为准则层面的内容，但这一操作的法律边界尚不清晰。项目采用 MIT 许可证开源，但对于商业使用场景，建议谨慎评估。
第四，token 开销的权衡。完整版提示词约 5,400 字符，在 GPT-4o 等支持超长上下文的模型上问题不大，但在 token 计费的场景下，每条对话都会额外消耗输入 token 成本。开发者需要在「更好对齐」和「更低 token 消耗」之间做出取舍。
Universal Fable 5 的出现，代表了 AI 社区在提示词工程领域的一种新型协作模式：不是围绕具体代码库或工具库，而是围绕最佳实践文档进行集体优化。
传统上，AI 开发者往往各自为战，在自己的项目中调试系统提示词，积累的经验难以共享。而 Universal Fable 5 提供了一个开放的基线——开发者可以在此基础上进行二次创作，提交 PR 反馈某个原则在特定模型上的效果，或者发现可以进一步简化的冗余指令。这种「社区共建的提示词知识库」模式，有望成为未来 AI 应用开发的重要基础设施。
从趋势上看，随着模型能力的整体提升，单纯的「模型选择」对最终效果的影响正在减弱，而「系统提示词的设计质量」变得越来越关键。Universal Fable 5 正是这一趋势的产物——它不是取代模型，而是优化模型与人类交互的方式。
Universal Fable 5 System Prompt 是一个专注于跨模型行为对齐的开源提示词资源包。它从 Claude Fable 5 的泄露系统提示词中提炼出通用行为准则，提供 core/balanced/complete 三档选择，兼容 Claude、ChatGPT、Gemini、DeepSeek、Qwen 等主流大模型。项目采用极简架构，无需部署，零技术门槛，适合所有希望提升 AI 输出质量的开发者。
在 GitHub 上，该项目于 2026 年 7 月 19 日创建，8 天内获得 420+ stars 和 88 forks，增长势头强劲。它的核心价值不在于提供了一个「万能提示词」，而在于展示了一种可迁移、可迭代、可协作的提示词工程方法论——这对于整个 AI 开源社区的长期发展，具有重要的参考意义。