GitHub深度工程评测：AI 系统提示词泄露知识库深度评测：6万星system_prompts_leaks情报资产背后，藏着什么？

TunerT_TQ2026-08-01 11:05

GitHub深度工程评测：AI 系统提示词泄露知识库深度评测：6万星system_prompts_leaks情报资产背后，藏着什么？

从 Claude 到 ChatGPT 到 Gemini，全球最全的 System Prompt 工程样本库

摘要

过去两年，AI 大模型的能力边界主要由 System Prompt 定义。Claude 的"乐于助人、无害、诚实"三原则如何落地？ChatGPT 的安全护栏如何绕过？Gemini 的角色设定有何独特之处？这些问题的答案，都藏在每个模型最底层的 System Prompt 里。

system_prompts_leaks 是目前 GitHub 上最大规模的 AI 系统提示词泄露知识库，截至 2026 年 7 月已获得 60,220 Stars。它系统性地收集了 Anthropic（Claude Fable 5、Opus 4.8、Claude Code、Claude Design）、OpenAI（ChatGPT GPT-5.6、Codex GPT-5.6、GPT-5.5）、Google（Gemini 3.5 Flash、3.1 Pro、Antigravity）、xAI（Grok）等顶级 AI 公司的系统级提示词。

本文从工程视角出发，对这个特殊项目进行全景式拆解------不评测代码质量，而是审视其情报价值、架构设计、知识组织方式和应用边界。

核心问题是：

作为 AI 行业最全面的 System Prompt 参考库，这个项目能为企业 AI 落地带来什么价值？它的知识组织形式是否足够高效？

一、项目定位：一个不需要运行的知识库

这个项目与 Valhalla 系列评测过的所有项目有一个根本区别：它不是可执行软件，而是可阅读的知识资产。

1.1 核心画像

维度 内容
项目名称 system_prompts_leaks
核心内容 各大 AI 模型的系统提示词原文
文件格式 JSON / Markdown
收录范围 Anthropic、OpenAI、Google、xAI 等
GitHub Stars 60,220
许可证 CC0-1.0（公有领域）
运行时依赖 无

1.2 收录的模型版本（部分）

厂商 已收录版本
Anthropic Claude Fable 5、Opus 4.8、Claude Code、Claude Design、Claude Sonnet 4.5
OpenAI ChatGPT GPT-5.6、Codex GPT-5.6、GPT-5.5、o3
Google Gemini 3.5 Flash、3.1 Pro、Antigravity
xAI Grok
其他 各厂商的移动端/桌面端版本

二、为什么这个知识库值得关注？

2.1 System Prompt 的"开源情报"价值

System Prompt 是每个大模型最底层的"宪法"------它定义了模型的角色、能力边界、安全约束和交互风格。对 AI 产品开发者和安全从业者来说，了解前沿模型的 System Prompt 设计，等于站在巨人的肩膀上做自己的提示词工程。

几个关键发现示例：

Claude 的安全约束体系：从泄露的 Claude Code 提示词中可以看到，Anthropic 采用了一套多层安全校验机制------每次工具调用前进行风险分级，每层独立审核。这套机制直接影响了我们设计 Valhalla 的工具调用安全架构。

Google Gemini 的角色边界设计：Gemini 3.5 的 System Prompt 中嵌入了极其严格的"角色不可越界"声明------明确禁止以"系统视角"输出内容，所有回答必须保持"AI助手"的单一身份。这对设计企业级 AI 助手的身份边界管理有直接参考价值。

OpenAI 的输出格式控制：ChatGPT GPT-5.6 的提示词中包含了复杂的结构化输出约束，覆盖了 markdown 格式、代码块规范、引用格式等细节，几乎是"输出工程"的教科书。

2.2 极简架构即最大优势

这个项目不依赖数据库、后端服务或运行时引擎，以纯静态文件存在。用户只需要一条命令：

bash 复制代码 
git clone https://github.com/linexjlin/system_prompts_leaks.git

即可获得完整的 AI 提示词知识图谱。

架构特征判断：

特征 说明
部署方式 git clone 即可，无需安装、编译、配置
运行环境 无运行时要求，任何设备都可阅读
更新方式 git pull 即可获取最新泄露
网络依赖 完全离线可读
安全性 无可执行代码，零攻击面

2.3 CC0-1.0 许可证的商业友好性

项目采用 CC0-1.0（公有领域）许可证，意味着：

  • ✅ 可自由复制、修改、分发
  • ✅ 可用于商业项目
  • ✅ 可提取其中模式用于自有系统
  • ✅ 无需署名（但建议保留来源标注）

这对于企业用户来说是一个巨大的优势------可以直接将 Claude、Gemini 的 System Prompt 设计模式提取出来，转化为自有 AI 系统的提示词模板。

三、知识库全景分析

3.1 内容结构特征

项目以静态 JSON/Markdown 文件组织，形成扁平的知识图谱：

text 复制代码 
system_prompts_leaks/
├── Anthropic/
│   ├── Claude_Fable_5.json
│   ├── Claude_Opus_4.8.json
│   ├── Claude_Code.json
│   └── Claude_Design.json
├── OpenAI/
│   ├── ChatGPT_GPT-5.6.json
│   ├── Codex_GPT-5.6.json
│   └── o3.json
├── Google/
│   ├── Gemini_3.5_Flash.json
│   └── Gemini_Antigravity.json
└── xAI/
    └── Grok.json

3.2 知识库的核心价值层次

#mermaid-svg-hFHjYkMvIEAYR3ca{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-hFHjYkMvIEAYR3ca .error-icon{fill:#552222;}#mermaid-svg-hFHjYkMvIEAYR3ca .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-hFHjYkMvIEAYR3ca .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-hFHjYkMvIEAYR3ca .marker{fill:#333333;stroke:#333333;}#mermaid-svg-hFHjYkMvIEAYR3ca .marker.cross{stroke:#333333;}#mermaid-svg-hFHjYkMvIEAYR3ca svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-hFHjYkMvIEAYR3ca p{margin:0;}#mermaid-svg-hFHjYkMvIEAYR3ca .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-hFHjYkMvIEAYR3ca .cluster-label text{fill:#333;}#mermaid-svg-hFHjYkMvIEAYR3ca .cluster-label span{color:#333;}#mermaid-svg-hFHjYkMvIEAYR3ca .cluster-label span p{background-color:transparent;}#mermaid-svg-hFHjYkMvIEAYR3ca .label text,#mermaid-svg-hFHjYkMvIEAYR3ca span{fill:#333;color:#333;}#mermaid-svg-hFHjYkMvIEAYR3ca .node rect,#mermaid-svg-hFHjYkMvIEAYR3ca .node circle,#mermaid-svg-hFHjYkMvIEAYR3ca .node ellipse,#mermaid-svg-hFHjYkMvIEAYR3ca .node polygon,#mermaid-svg-hFHjYkMvIEAYR3ca .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-hFHjYkMvIEAYR3ca .rough-node .label text,#mermaid-svg-hFHjYkMvIEAYR3ca .node .label text,#mermaid-svg-hFHjYkMvIEAYR3ca .image-shape .label,#mermaid-svg-hFHjYkMvIEAYR3ca .icon-shape .label{text-anchor:middle;}#mermaid-svg-hFHjYkMvIEAYR3ca .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-hFHjYkMvIEAYR3ca .rough-node .label,#mermaid-svg-hFHjYkMvIEAYR3ca .node .label,#mermaid-svg-hFHjYkMvIEAYR3ca .image-shape .label,#mermaid-svg-hFHjYkMvIEAYR3ca .icon-shape .label{text-align:center;}#mermaid-svg-hFHjYkMvIEAYR3ca .node.clickable{cursor:pointer;}#mermaid-svg-hFHjYkMvIEAYR3ca .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-hFHjYkMvIEAYR3ca .arrowheadPath{fill:#333333;}#mermaid-svg-hFHjYkMvIEAYR3ca .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-hFHjYkMvIEAYR3ca .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-hFHjYkMvIEAYR3ca .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-hFHjYkMvIEAYR3ca .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-hFHjYkMvIEAYR3ca .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-hFHjYkMvIEAYR3ca .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-hFHjYkMvIEAYR3ca .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-hFHjYkMvIEAYR3ca .cluster text{fill:#333;}#mermaid-svg-hFHjYkMvIEAYR3ca .cluster span{color:#333;}#mermaid-svg-hFHjYkMvIEAYR3ca div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-hFHjYkMvIEAYR3ca .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-hFHjYkMvIEAYR3ca rect.text{fill:none;stroke-width:0;}#mermaid-svg-hFHjYkMvIEAYR3ca .icon-shape,#mermaid-svg-hFHjYkMvIEAYR3ca .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-hFHjYkMvIEAYR3ca .icon-shape p,#mermaid-svg-hFHjYkMvIEAYR3ca .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-hFHjYkMvIEAYR3ca .icon-shape .label rect,#mermaid-svg-hFHjYkMvIEAYR3ca .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-hFHjYkMvIEAYR3ca .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-hFHjYkMvIEAYR3ca .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-hFHjYkMvIEAYR3ca :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} System Prompts Leaks 知识库
第一层：原始文本
第二层：安全规则模式
第三层：角色设定范式
第四层：输出格式标准
直接阅读
企业安全护栏参考
AI产品角色设计参考
结构化输出工程设计参考

3.3 收录内容的典型特征

从库中的样本可以观察到各大厂商 System Prompt 的演进趋势：

特征 说明
安全规则的显式化 从"不要输出有害内容"演进为具体的拒绝触发条件
角色边界声明 越来越强调"你是一个AI助手"的身份锚定
工具调用规范 新增大量关于何时调用工具、如何调用工具的指令
输出格式约束 从自由文本到严格的 Markdown/JSON 格式规范

四、工程成熟度评估

4.1 核心优势

维度 评价 说明
部署便捷性 ★★★★★ git clone 即可，零配置
知识覆盖面 ★★★★★ 覆盖全球主流模型的最新版本
许可证友好度 ★★★★★ CC0-1.0，全场景可用
安全性 ★★★★★ 无可执行代码，零攻击面
可读性 ★★★★☆ JSON 格式规整，但缺少可视化界面

4.2 现存短板

维度 评价 说明
结构化程度 ★★★☆☆ 纯文本存储，缺少元数据字段（版本对照、安全标签）
变更追溯能力 ★★☆☆☆ 未提供模型版本间的差异化对比视图
跨厂商对比工具 ★☆☆☆☆ 需要人工阅读多个文件来对比提示词模式
自动化分析接口 ★☆☆☆☆ 未提供用于程序化分析的结构化 API

五、典型应用场景

场景一：企业内部 AI 安全基线构建（推荐度：★★★★★）

典型用例：企业构建自有 AI 应用时，需要设定 System Prompt 安全基线。

如何利用这个知识库：

  1. 克隆全库作为内部参考
  2. 提取 Claude、Gemini、ChatGPT 的安全约束规则模式
  3. 汇总成企业自有 AI 系统的 System Prompt 模板库
  4. CC0-1.0 许可证无需担心版权问题

产出示例：

text 复制代码 
企业 AI 安全提示词模板（基于多厂商最佳实践萃取）
├── 通用安全护栏
│   ├── 拒绝回答违法内容（Claude 模式）
│   ├── 拒绝提供医疗建议（Gemini 模式）
│   └── 拒绝生成仇恨言论（ChatGPT 模式）
├── 工具调用安全规范
│   ├── 高风险工具调用需二次确认
│   └── 工具调用结果需经过验证
└── 输出格式约束
    ├── 使用 markdown 格式
    └── 代码块需标注语言

场景二：AI 产品经理与提示词工程师学习（推荐度：★★★★★）

典型用例：提示词工程师需要了解业界最好的 System Prompt 设计方法。

直接收益：

  • 学习 Claude 的"乐于助人、无害、诚实"三原则如何落地为具体指令
  • 理解 ChatGPT 如何平衡"有用性"和"安全性"
  • 观察 Gemini 的角色设定有何独特之处

场景三：AI 安全研究机构深度分析（推荐度：★★★★☆）

典型用例：研究人员需要系统性分析各大厂商的安全策略差异。

建议改进：

  • 在现有静态库基础上建立结构化索引数据库
  • 构建按厂商、模型版本、安全约束类型的多维度查询接口
  • 开发模式提取管线，自动对比不同模型的提示词策略差异

六、对 AI 提示词工程从业者的建议

建议一：系统性阅读，而非碎片化收藏

这个知识库的最大陷阱是"收藏即学习"。60,220 Stars 意味着大量开发者点了 Star 之后再也没有打开过。

建议：建立自己的"提示词阅读路线图"，每周选 2-3 个 System Prompt 深度拆解，分析其角色设定、安全边界、输出格式，记录可用于自身项目的最佳实践片段。

建议二：建立你的"提示词设计模式库"

将 Claude、Gemini、ChatGPT 的设计模式整理成结构化参考：

模式名称 来源 适用场景 核心语法
多层安全校验 Claude Code 工具调用场景 每层独立风险审核
角色不可越界 Gemini 3.5 多角色产品 严格身份锁定声明
结构化输出控制 ChatGPT GPT-5.6 需要格式化的场景 精确的输出格式约束

建议三：配合 AI 原生的提示词工程工具使用

静态文件可以用于人文理解，但当需要分析 50 个 System Prompt 的共性特征或差异化策略时，人工阅读效率太低。可以设计简单的脚本进行自动化模式提取，也可以将这批提示词作为 eval 数据集的组成之一，用于测试自有 AI 系统的安全护栏是否覆盖了业界主流标准。

七、横向对比：同类情报项目的工程特征

项目 类型 Stars 格式 许可证 运行时依赖 企业适用性
system_prompts_leaks 提示词知识库 60k+ JSON/MD CC0-1.0 无 ★★★★★
PromptBase 提示词交易市场 - 商业平台 专有 有 ★★★☆☆
Awesome ChatGPT Prompts 提示词集合 100k+ MD 混杂 无 ★★★☆☆
企业自建提示词库 内部资产管理 - 结构化 专有 有 ★★★★★

system_prompts_leaks 在情报覆盖面和许可证友好度上具有独特优势，是目前 AI 安全策略设计领域不可替代的参考资源。

八、最终评级与结论

项目综合评级：A+ 级（高情报密度，极简架构，即插即用）

评估维度 评分 说明
情报密度 ★★★★★ 全球最全面的 System Prompt 样本库
架构极简度 ★★★★★ 静态文件即可完成全部功能
部署便捷性 ★★★★★ git clone 即可，零配置
许可证友好度 ★★★★★ CC0-1.0，全场景可用
结构化程度 ★★★☆☆ 缺少元数据和自动化分析工具
变更追溯能力 ★★☆☆☆ 缺少版本间差异对比
可持续性 ★★★☆☆ 依赖维护者持续更新意愿

最终结论

system_prompts_leaks 以极简的架构承载了极高的情报密度。

在 AI System Prompt 工程这个急剧升温的领域，它提供了目前最全面的工业级参考样本。对企业 AI 安全策略设计者、提示词工程师和 AI 产品经理来说，这是一份不可替代的情报资产。更重要的是------它只有静态文件，没有运行时代码，零攻击面，且许可证极其友好。

Valhalla 审阅结论：

这不是一个可执行的软件项目，而是一个高价值的知识资产。它的价值不在代码质量，而在内容本身------System Prompt 是 AI 模型的"宪法"，了解前沿模型的 System Prompt 设计，等于站在巨人的肩膀上做自己的提示词工程。建议任何正在构建 AI 产品的团队，都将这个知识库作为内部参考资料之一。

决策建议：

  • AI 产品团队：建议立即克隆，作为提示词工程的学习材料和参考模板
  • 企业安全团队：提取其中的安全约束规则模式，构建自有 AI 安全护栏
  • 提示词工程师：作为日常参考文档，系统拆解 Claude、Gemini、ChatGPT 的设计思维
  • 个人开发者：CC0-1.0 许可证允许自由使用，可直接提取其中模式用于个人项目

📌 本文档声明

  1. 性质 ：本文系基于公开信息的知识资产分析，属于开源情报（OSINT）参考材料，不构成安全漏洞或法律合规意见。
  2. 数据来源：所有 System Prompt 来源于公开泄露和社区贡献，项目仅做归档整理。

本文不是代码评测，而是一次面向 AI 提示词从业者的知识资产评估。在 System Prompt 设计决定 AI 产品上限的时代，理解顶级厂商的设计思维，比盲目试错更有价值。

更新日志

版本号 发布日期 修订内容
v2.0 2026-07-31 发布，完成项目核心架构评测、安全风险审计与场景落地建议

本文由 Valhalla Matrix V2 评测体系出品，仅作技术研究与风险提示，不构成任何部署建议。

相关推荐
极客猴子1 小时前
AI会议记录工具横评：科会通、通义听悟、飞书妙记的自动整理效果有什么区别？
人工智能·飞书
Web3_Daisy1 小时前
如何在Robinhood Chain创建 Uniswap V3 流动性池
大数据·人工智能·web3·区块链
西安小哥1 小时前
深度融合与价值重构：人工智能与未来社会的全景演进
人工智能·重构
Access开发易登软件1 小时前
Access 怎么做前后端分离？用 Web API 读写 SQL Server
前端·数据库·人工智能·microsoft·excel·access
Juicedata1 小时前
腾讯云 x JuiceFS：基于 FoundationDB 的企业级统一存储实践
数据库·人工智能·科技·云计算·腾讯云
问商十三载1 小时前
RAG 检索召回越多越好？2026 信噪比模型深度解析
人工智能·算法·机器学习
在学了加油1 小时前
LSTM-糖尿病探索与预测
人工智能·rnn·lstm
长三角活动观察1 小时前
政企线下活动全流程项目管控方案：苏州独石传媒长三角多场景落地实践总结
大数据·人工智能·传媒
正在走向自律1 小时前
AI 辅助研发内部复盘（2/5）：老项目改造的工程化实践
人工智能·ai编程·代码规范·ai辅助编程·老代码改造
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02GitHub 镜像站点032026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片04国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）05AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路06AI科技热点日报 | 2026年07月01日072026上半年大模型全景技术解读：推理融合、Agent 爆发与多模态统一08微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新092026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？102026 年 AI 大模型 & AI 编程工具实战全总结