H1B3RT45 提示词集合完全解析：如何读懂这个开源提示词库
H1B3RT45 是一个开源的 LLM 提示词（Prompt）研究素材库，按厂商组织存放了针对 OpenAI、Anthropic、Google、Mistral 等各家大模型的产品级提示词样本、快捷指令清单与系统提示词摘录。它本身不是一个可运行的工具，而更像一份提示工程语料档案，适合提示工程学习者和 LLM 安全研究者做结构分析与模式研究使用。
仓库组织：提示词集合的文件结构与命名逻辑
仓库根目录就是全部内容，没有构建脚本或依赖，纯文本组织，浏览成本低。文件命名直接对应功能定位：
- 以厂商命名的
.mkd文件（如 ANTHROPIC.mkd、OPENAI.mkd、MISTRAL.mkd），存放针对该厂商模型的提示词样本，体量差异很大，从数百字节到数十 KB 不等，反映了各家模型的防护策略强度与提示词复杂度并不一致 !SHORTCUTS.json，以 JSON 结构组织的快捷指令清单，每条含name、definition、category三个字段，按 Core Liberation、Dynamic Intelligence、Psychological 等类别分组，是观察「指令如何被分类与命名」的典型样本- SYSTEMPROMPTS.mkd，收录了多家厂商模型的完整系统提示词摘录，包括工具调用规则、日期解析策略、图像生成条件等细节，这部分是了解商业模型内部行为约定的直接材料
- !SHORTCUTS.json 同级的
*SPECIAL_TOKENS.json，存放特殊 token 与格式标记
理解这个仓库的关键在于：它记录的不是"怎么用"，而是"各家模型的提示词长什么样、防护边界画在哪里"。
快速上手：3 步在本地浏览分析
第 1 步：克隆仓库
git clone https://gitcode.com/GitHub_Trending/l1/L1B3RT45 cd L1B3RT45第 2 步：用文件体量初筛重点文件
ls -lhS *.mkd *.json体量大的文件（如GROK-MEGA.mkd、TOKEN80M8.mkd）通常包含大量样本，体量小的多为单一技巧记录，可先读小文件建立整体印象。
第 3 步：选一个厂商文件精读
建议从 MISTRAL.mkd 这类体量适中的文件开始，配合 SYSTEMPROMPTS.mkd 对照阅读，观察"系统提示词约束"与"针对该模型的突破思路"如何相互呼应。
进阶场景：两种有价值的研究读法
对比各厂商样本，观察安全策略差异
同一类需求在不同厂商文件中的呈现方式差异明显：有的厂商条目只有一两句话的说明（如 HUME.mkd 记录了语音输入场景下的上下文引导思路），有的则是数十 KB 的长文档。对比这些样本，可以直观看到各家防护侧重点——有的依赖硬编码过滤，有的依赖上下文连贯性检测——这比读安全报告更能建立具体印象。
研究指令清单的分类设计
!SHORTCUTS.json的name/definition/category三元组结构本身是不错的指令设计参考：每个指令都有明确的行为定义和归属类别，从"动态智能"到"格式化输出"再到"实验性逻辑"，展示了复杂提示词体系如何被拆分成可管理的单元。若你在设计自己的多指令 Prompt 系统，这个分类框架可以直接借鉴。
适用边界与常见误区
- 这不是一个可以"跑起来"的工具。仓库里没有执行逻辑，内容是研究素材。把它当成插件或 API 客户端是常见误解
- 提示词时效性强。模型厂商持续更新系统提示词与防护策略，仓库中的样本反映的是特定时间点的状态，用于复现测试前需先确认目标模型的当前版本
- 注意内容的使用边界。仓库内容涉及各家模型安全机制的绕过研究，只应在自己有权测试的隔离环境、且符合相关服务条款的前提下做分析研究，不应直接用于生产系统或他人账号
结语
如果你在学习提示工程、做 LLM 安全研究，或单纯好奇商业模型的系统提示词长什么样，这个仓库是密度不错的起点：先读小文件建立印象，再精读一两个厂商目录，配合 JSON 指令清单，半天时间就能掌握它的组织方式。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
 专业版体验，手机远程操控游戏修改)
