📦 system_prompts_leaks（中文翻译）
🧠 项目简介
system_prompts_leaks 是一个公开的系统提示词（System Prompts）收集仓库，主要整理来自主流 AI 聊天模型的：
- System Prompt（系统提示词）
- System Message（系统消息）
- Developer Message（开发者指令）
涵盖平台包括：
- ChatGPT
- Claude
- Gemini 等主流大模型 ([Titan AI Explore][1])
👉 本质上，这是一个：
“AI 行为控制层（System Prompt）的反向观察与归档库”
🎯 项目目的
该仓库的目标是：
- 📚 构建一个 系统提示词知识库
-
🔍 帮助开发者理解：
- LLM 是如何被“指挥”的
- 不同 AI 的行为策略差异
-
🧪 支持研究：
- Prompt Engineering
- AI 行为控制机制
- 模型安全与限制设计 ([DeepWiki][2])
🧱 仓库内容结构
仓库按照不同 AI 系统进行分类，大致包括：
1️⃣ Claude 系列
- claude.txt
- Claude Sonnet / Opus 等版本
👉 特点：
- 工具调用（Tool use）
- 行为规范极其详细
- 强调安全与对齐
2️⃣ OpenAI / GPT 系列
- GPT-5 personalities
- GPT thinking / reasoning 模式
👉 特点：
- 人格（personality）设计
- 推理策略控制
- 工具使用策略
3️⃣ 专用功能模块
例如：
- study / 学习模式
- image safety / 图像安全
- file search / 文件检索
👉 本质是：
“能力模块级 Prompt”
🧩 内容特点
✅ 1. 高度还原真实系统 Prompt
这些内容通常来自：
- 泄露（leak）
- 逆向分析
- 实际抓取
👉 可以理解为：
“AI 的操作系统配置文件”
✅ 2. 社区驱动
- 通过 Pull Request 提交新内容
- 持续更新
- 无中心化维护
👉 类似：
prompt 版的 “awesome list + leaks archive”
✅ 3. 只收集，不做解释
仓库本身：
- ❌ 不提供分析
- ❌ 不解释设计原因
- ✅ 只做归档
👉 需要你自己解读
⚙️ 使用场景
👨💻 开发者
-
学习如何设计：
- system prompt
- AI agent 行为规则
🧠 研究人员
-
分析不同模型：
- 对齐策略
- 安全机制
- 输出控制方式
🎓 教学
- 用作 Prompt Engineering 教材
⚠️ 风险与注意事项
1️⃣ 法律与合规问题
部分 prompt：
- 可能涉及平台私有配置
- 存在知识产权问题
👉 使用需谨慎 ([Titan AI Explore][1])
2️⃣ Prompt 泄露本身是安全问题
学术上已经明确：
System Prompt 是 LLM 的核心资产 泄露会导致能力被复制或攻击 ([arXiv][3])
3️⃣ 数据不一定完整 / 准确
- 有些是片段
- 有些是推测还原
🧠 一句话总结
这是一个“AI 系统提示词的泄露与归档库”，本质是在拆解大模型的“行为控制层”。
🔥 架构级解读（重点）
结合你的背景（你在做 AI + 系统架构），这个仓库真正有价值的是：
1️⃣ System Prompt = “软操作系统”
可以把 LLM 分成三层：
模型（权重）
↓
System Prompt（行为控制层）
↓
User Prompt（输入）
👉 system prompt 本质是：
- 行为约束
- 能力开关
- 工具编排规则
2️⃣ 不同公司本质在做同一件事
你会发现：
| 公司 | 本质 |
|---|---|
| OpenAI | 人格 + 工具 |
| Anthropic | 安全 + 规范 |
| 多模态 +工具 |
👉 差异其实在：
system prompt 设计哲学
3️⃣ 对你（做 IM + AI 平台）最关键的价值
你可以直接借鉴：
✅ AI Agent 设计
- tool calling 规则
- memory 结构
- persona 控制
✅ 商业化能力
- 不同用户 → 不同 prompt
- 不同场景 → 不同 agent
👉 本质：
prompt = 产品逻辑
4️⃣ 更深一层（非常关键）
这个仓库揭示了一个核心事实：
大模型的“产品差异”，很大一部分来自 Prompt，而不是模型本身
