GitHub上的system_prompts_leaks项目收集了各大大模型泄露的系统提示词，揭示了OpenAI、Anthropic等厂商如何控制模型行为。这些"幕后规则"定义了AI的身份和回答边界，泄露方式包括开发者疏忽、提示词注入等。这份合集对开发者调试、安全研究和AI伦理研究具有重要价值，让我们得以一窥AI的"被调教"过程，是理解大模型行为密码的关键钥匙。
在AI圈子里，Prompt（提示词）是新一代“咒语”。
你以为你在和ChatGPT对话，其实早在你开口之前，它就已经接到了一段“秘密指令”——这就是System Prompt（系统提示词）。而现在，这些曾被各大厂商当作“黑盒子”的提示词，正一一被揭开。
🕵️♂️ GitHub 上一个叫 asgeirtj/system_prompts_leaks 的项目，正在悄悄地收集各家大模型泄露的系统提示词，堪称“大模型咒语大全”！
🧠什么是System Prompt？为什么它重要？
每次你启动ChatGPT、Claude、文心一言……它们可不是“白纸一张”。在你发出第一个问题前，系统已经告诉模型它是谁、它该怎么回答你、哪些内容不能说、该扮演什么角色……- OpenAI 告诉 ChatGPT：“你是一个友好且安全的助手，请避免敏感话题”
- Anthropic 告诉 Claude：“请避免做出有害、误导、歧视性言论”
这些“系统提示词”其实就是模型行为的底层设定，是厂商最不愿意公开的“幕后规则”。
🕳️Prompt 泄露事件频发，谁被扒了个底朝天？
这个项目里收录了多个大模型的提示词“泄露事件”，包括但不限于：| 厂商 | 模型 | 泄露方式 |
|---|---|---|
| OpenAI | ChatGPT 3.5 / 4 | 用户逆向、API分析 |
| Anthropic | Claude 1/2 | 网页调试、提示词注入 |
| 百度 | 文心一言 | HTML源码暴露 |
| Perplexity | GPT整合系统 | 网络嗅探 |
有些是开发者疏忽（直接写在网页里），有些是被聪明用户“提示词注入”攻破，还有些甚至是官方不小心透露。
👀我们到底看到了什么？
举几个典型例子：
✅ OpenAI 的 System Prompt：
You are ChatGPT, a large language model trained by OpenAI... You must refuse to discuss political opinions... You must answer as helpfully as possible... 这个看似温和，其实明确限制了政治、情绪、 批判性言论的生成能力。✅ Claude 的提示词更“规范化”：
You are a helpful, harmless, and honest assistant... Avoid all unsafe, unethical, racist, or sexist content... 可以看出，Claude尽量走“道德正确”的路线， 严格限制模型出格的言论。🧩为什么这份合集值得关注？
- 揭示黑箱：我们终于能一窥模型是如何“被调教”的。
- 帮助开发者调试：写提示词不再靠拍脑袋，有现成“范本”可参考。
- 安全研究价值：看看各家是怎么“防止模型作恶”的，有哪些做得不够好。
- AI伦理启示：你以为AI是自由发言，其实它早就“被编程”了。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
