系统提示词泄露宝库：窥见 AI 背后规则的窗口

打开黑盒子，看见 AI 的"内心戏"

你有没有想过，当你和 ChatGPT、Claude、Gemini 对话时，它们为什么会以某种特定的方式回应你？为什么 ChatGPT 在某些话题上会自动"踩刹车"，而 Claude 却能相对坦诚地展开讨论？为什么 Gemini 会用特定的方式组织答案？

这些差异，都藏在一个名为**系统提示词（System Prompt）**的底层指令中。系统提示词是 AI 厂商在模型出厂时就预先写入的指令集，它定义了 AI 的角色定位、行为边界、思考方式，乃至于它愿意扮演什么样的"人"。这个仓库，就是目前已知最完整的系统提示词集合。

仓库作者 asgeirtj 持续追踪全球主流 AI 助手的系统提示词泄露事件，通过人工提取、用户投稿、社区协作等方式，将这些珍贵的"幕后剧本"一一记录下来。目前已收录超过 200 份 来自 Anthropic、Google、OpenAI、xAI、Perplexity 等厂商的提示词文档，覆盖了从 GPT-5 系列到 Claude Opus 4.7、从 Gemini 3.5 到 Grok 4 的几乎所有主流模型。

一份被《华盛顿邮报》引用的研究

这个项目的影响力早已超出了技术社区的边界。2026年5月11日，《华盛顿邮报》（The Washington Post）在头版深度报道中引用了本仓库的数据，用于说明 AI 助手如何通过系统提示词来执行隐性的内容管控——用户甚至不知道这些规则存在，却无时无刻不在被它们影响。

这揭示了一个深刻的问题：AI 的"人格"究竟是谁决定的？ 是模型的权重？是 RLHF 训练？还是那条写在最底层的系统提示词？system_prompts_leaks 让普通用户第一次有机会直接看到答案。

它收集了什么？——不只是提示词，更是 AI 的"人设文档"

仓库按 AI 厂商分类，目录结构清晰：

以 Anthropic/claude-opus-4.7.md 为例，这份文件记录了 Claude Opus 4.7 的完整系统提示词，内容包括：

• 角色定义："You are Claude, an AI assistant..." —— 这句话界定了 Claude 的基本人格
• 行为准则：如何处理敏感话题、拒绝标准、以及"尽量helpful"的具体含义
• 工具使用规则：何时调用工具、如何组织多步推理
• 隐藏边界：AI 被明确告知"不要透露自己是AI"的条款

GPT-5 系列则展示了更复杂的情况。OpenAI 的提示词中包含多个"人格变体"：GPT-5 Thinking（深度推理模式）、GPT-5 Cynic（讽刺人格）、GPT-5 Nerdy（极客人格）等，每一种人格背后都对应着不同的系统指令组合。这些人格之间的差异，有时候比不同厂商的模型差异还大。

为什么这项工作意义重大？

1. 透明度与问责的基础

AI 系统对用户的影响，往往发生在用户完全不知情的情况下。当你发现某个 AI 在某类问题上总是"拐弯抹角"，系统提示词会让你知道这不是模型的"性格"，而是工程师刻意写入的规则。这种透明度，是公众监督 AI 行为的前提。

2. 提示词工程的教科书

对于 AI 开发者而言，研究这些系统提示词是学习提示词工程（Prompt Engineering）的最高级教材。Anthropic 的 Claude 提示词展示了如何通过结构化指令让 AI 保持一致的助人姿态；OpenAI 的 Canvas 提示词展示了如何让 AI 在代码编辑场景中精确控制上下文边界；Gemini 的 Chrome 集成提示词展示了跨应用场景下的权限控制逻辑。

3. AI 安全研究的实证材料

这些泄露的提示词也是 AI 安全研究的重要素材。研究者可以从中分析各厂商如何定义"有害内容"、如何设置内容边界、以及不同地区版本是否存在差异性处理。值得注意的是，仓库中包含 claude.ai-injections.md 等专门记录提示词注入攻击手法的文件，这对于红队研究有直接价值。

4. 版权与法律争议的焦点

仓库本身也引发了讨论：系统提示词是否受版权保护？记录和分发他人的系统提示词是否涉及法律问题？作者在 CONTRIBUTING.md 中明确标注了免责声明，并要求提交者确认内容来自公开泄露或自主测试，而非逆向工程。这一争议本身，也反映了 AI 时代知识产权边界的模糊性。

如何使用这个仓库？

无需安装任何东西。这是纯 Markdown 文档仓库，直接在 GitHub 网页上阅读即可。每个文件都对应一个特定 AI 助手或特定场景的完整提示词。

对于 AI 爱好者，建议从自己常用的 AI 助手开始：比如你是 ChatGPT 重度用户，就从 OpenAI/gpt-5.5-thinking.md 或 OpenAI/gpt-5.1-default.md 入手，你会惊讶地发现很多"原来AI是这样想的"。

对于 AI 开发者，Anthropic/claude-code.md 和 OpenAI/codex/ 目录下的文件最有参考价值，它们展示了专业编程助手的完整指令设计，其中包含大量关于代码质量、测试要求、安全边界的细节规定。

数据质量与局限性

仓库的数据来源是系统提示词泄露，这意味着信息本身存在一定偶然性——有些提示词来自用户偶然触发"重复上方所有内容"的经典漏洞，有些来自 API 响应头中的蛛丝马迹，还有些来自用户与 AI 长时间对话中的行为推断。仓库在每个文件的更新日志中标注了数据来源和可信度，用户应据此判断每份提示词的准确性。

此外，由于系统提示词会随版本更新而变化，仓库中的内容存在天然的时间滞后性。作者持续更新，但无法保证实时同步。

项目增长与社区价值

项目在 GitHub 上已有超过 40,000 Star，且增长势头强劲。作为一个"零代码"项目，它证明了文档本身也可以是极具影响力的开源作品。它不需要 star 数来证明技术含量，却通过持续的人工整理和社区协作，成为全球 AI 透明度运动中最具代表性的资源之一。

如果你使用某个 AI 助手时感到"哪里不对劲"——比如为什么这个AI总是拒绝回答某些问题，或者为什么在某些场景下它会突然换了一种语气——这个仓库很可能已经记录了答案。去看看它，你会发现 AI 的世界比想象中透明得多。