实战：如何从 system_prompts_leaks 逆向出你自家 AI Agent 的系统提示词（6 步完整教程）-酒店常州论坛

实战：如何从 system_prompts_leaks 逆向出你自家 AI Agent 的系统提示词（6 步完整教程）

【免费下载链接】system_prompts_leaksExtracted system prompts from Anthropic - Claude Fable 5, Opus 5, Claude Design, Claude Code. OpenAI - ChatGPT GPT-5.6-Sol, Codex. Google - Gemini 3.5 Flash, 3.1 Pro, Antigravity. xAI - Grok, Cursor, Copilot, VS Code, Perplexity, and more. Updated regularly.项目地址: https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks

system_prompts_leaks 是一个持续更新的开源仓库，收录了 Claude、ChatGPT、Gemini、Grok 等主流 AI 产品在用户第一条消息之前收到的系统提示词（System Prompt）——即那些藏在模型背后的隐藏指令。本教程用 6 步带你完整走完一遍：从克隆系统提示词仓库，到提炼出可直接套用到自家 AI Agent 的提示词骨架。

第 1 步：克隆系统提示词仓库，最快获取一手资料 📦

打开终端，执行下面一条命令即可拿到全部提示词文件（仓库为只读使用，只需浏览、无需安装依赖）：

git clone https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks

克隆完成后你会得到一套按厂商分目录组织的 Markdown 文件，每个.md就是一份逐字捕获的完整系统提示词，篇幅从几百行到上万行不等，足以作为逆向学习的"教材"。

第 2 步：按目录结构定位目标模型，30 秒找到文件 🧭

仓库顶层按厂商划分，先打开总目录 README.md 查看最新的收录清单，再按目标厂商进入对应目录：

目录	内容	适合学习什么
`Anthropic/`	Claude 系列 + Claude Code	结构化分段、安全规则写法
`OpenAI/`	ChatGPT、Codex	人格模板、工具提示词
`Google/`	Gemini 全系	产品化场景提示词
`xAI/`	Grok 系列	安全指令注入
`Cursor/`、`Microsoft/`、`Perplexity/`	IDE 与搜索类 Agent	工具调用行为规范

一个值得留意的"反面案例"：GLM/README.md 记录的结论是 GLM不下发任何系统提示词——逆向时先确认"有没有"，再研究"写了什么"，这本身就是第一步的关键动作。

第 3 步：逐段精读一份完整提示词，掌握标准骨架 📖

以 Anthropic/claude-opus-4.6.md（约 3700 行）为例，它的章节结构几乎是工业级系统提示词的模板：

角色与产品信息：开头即声明"我是谁、能访问哪些产品"（见 claude-opus-4.6.md）；
拒绝与安全规则：refusal_handling段落集中定义红线，且安全规则要求"特殊关注"（claude-opus-4.6.md）；
语气与格式：tone_and_formatting精确规定何时用列表、何时用散文，避免"过度格式化"；
澄清策略：明确规定"先动手、后说明假设"，而不是先审问用户。

逆向要点：提示词质量高低的分水岭，往往不在措辞，而在规则的颗粒度——比如"Claude 拒绝时绝不使用列表"这种细到反直觉的规定。

第 4 步：对比同一模型的多个变体，看懂"开关"如何生效 🔍

同一模型在仓库里常常有多份提示词，对比它们是理解动态配置的好方法：

有工具 vs 无工具：对比 claude-opus-4.6.md 与 claude-opus-4.6-no-tools.md，能清楚看到联网搜索、文件工具相关指令是如何按场景注入的；
人格模板：Codex 的完整提示词 OpenAI/Codex/codex-full.md 中保留了{{ personality }}占位符，说明人格（如 personality_friendly.md）是运行时拼接进去的模块；
产品变体：Anthropic/claude-code/claude-code-opus-5.md 展示了同一模型在 CLI Agent 场景下的重写版本，包含终端输出规范、权限模式等工程化约束。

第 5 步：理解"看不见的注入"——提醒与子提示词机制 💉

真正的 Agent 产品里，系统提示词不是静态一份，而是一套注入体系：

触发式提醒：Anthropic/anthropic_reminders.md 收录了分类器命中后才追加的提醒（如cyber_warning、ip_reminder），它们是动态拼到对话中的"补丁"；
模式子提示词：Anthropic/research_instructions.md 展示了开启"深度研究"后如何强制模型改用launch_extended_search_task工具，并附带正反例——这是"一个功能 = 一份独立子提示词"的经典范式；
长期记忆协议：Claude Code 提示词中定义了基于文件的记忆规范，每个记忆"一个文件存一个事实"（claude-code-opus-5.md），可直接借鉴到你的 Agent。

第 6 步：蒸馏成你自己 Agent 的系统提示词 ✍️

把前 5 步看到的共性沉淀下来，给自家 Agent 写提示词时按此清单逐条对照：

开篇三件事：我是谁（角色）、知识截止与信息来源（防幻觉）、能力边界（能做/不能做）；
安全红线独立成段：像refusal_handling一样集中、具体、可判定，避免散落在各处；
语气规则要反直觉地具体：规定"何时不用列表""拒绝时不加粗"这类细节，比"请保持友好"有效得多；
为每个功能模块写子提示词：研究、绘图、工具调用各一份，按开关注入，而不是堆进主提示词；
留好模板位：用{{ personality }}这类占位符支持人格切换；
定义触发式提醒：为高风险话题准备warning段落，命中才追加。

最后建议做一次"横向比对"：把 OpenAI/gpt-5.5-instant.md 与 Anthropic/claude-sonnet-5.md 并排放着读一遍——不同厂商对同一条"简洁性"要求的措辞差异，会比任何提示词教程都更能帮你校准自己 Agent 的语气。

小结：系统提示词逆向的关键不是"抠出文字"，而是读懂结构（角色 → 安全 → 语气 → 工具 → 记忆）。照着 system_prompts_leaks 里这些真实生产的提示词逐段精读、对比、蒸馏，你的 AI Agent 提示词水平会快速逼近一线产品。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析