asgeirtj / system_prompts_leaks

52,9588,634+1,691 todayJavaScript

流行聊天机器人系统提示词集合（含ChatGPT、Claude和Gemini等）

该项目收集并整理了ChatGPT、Claude、Gemini等主流AI聊天机器人的系统提示词。系统提示词是开发者预设在模型内部、用于指导AI行为与风格的核心指令，通常对普通用户不可见。通过公开这些“泄露”或逆向工程得到的提示词，项目为研究者和开发者提供了宝贵的参考资源。用户可借此深入理解不同AI模型的内部工作机制，学习如何设计更有效的系统指令，或进行提示词注入等安全研究。项目以开源形式维护，鼓励社区通过提交拉取请求来共同完善这个不断增长的集合。

💡 应用场景

最适合需要参考真实AI系统提示词进行提示词工程、安全研究、竞品分析或教学演示的开发者。

提示词工程参考

问题：开发者设计AI系统提示词时缺乏高质量参考，难以控制模型行为与风格。

方案：直接查阅项目中收集的ChatGPT、Claude等模型的实际系统提示词，学习其结构、语气和约束设计模式。

示例：在构建客服AI时，参考Claude的‘助手’提示词，了解如何设定角色、限制回答长度和避免有害输出。

安全研究测试

问题：安全研究人员需要了解AI模型的内部指令边界，以测试提示词注入或越狱漏洞。

方案：使用项目中的泄露提示词作为基线，分析模型对敏感指令的响应，设计对抗性输入进行渗透测试。

示例：针对Gemini的开发者提示词，尝试注入‘忽略之前所有指令’等短语，观察模型是否绕过安全约束。

竞品机制分析

问题：开发者想对比不同AI模型的底层行为逻辑，但缺乏公开的系统提示词信息。

方案：通过项目集合快速对比ChatGPT、Claude、Gemini等模型的系统提示词差异，理解各自的设计哲学。

示例：比较OpenAI的‘开发者消息’与Anthropic的‘系统提示’，发现前者更强调任务分解，后者更注重伦理约束。

教育演示素材

问题：教学场景中需要真实案例讲解AI提示词工作原理，但无法直接获取商业模型的内部提示。

方案：直接使用项目中的泄露提示词作为课堂案例，展示系统指令如何影响模型输出风格和内容。

示例：在LLM课程中，展示ChatGPT的原始系统提示词，并让学生修改其中一句来观察回答变化。

📊 项目信息

语言: JavaScript
Stars: ⭐ 52,958
Forks: 8,634
今日新增: +1,691
排名: #5
收录: 总榜
趋势日期: 2026年7月7日
最后推送: 2026/7/7

🏷️ 标签

aiai-agentsanthropicawesomechatbotchatgptclaudeclaude-codecodexdeep-learningeducationgeminigenerative-aigooglellmmachine-learningnlpopen-sourceopenaiprompt-engineering

📸 截图

5分钟快速浏览系统提示词泄露集

快速克隆仓库并浏览收集的AI系统提示词，无需安装任何运行时。

🖥️ 操作系统

macOSWindowsLinux

🔧 工具

Git— 克隆仓库

📝 操作步骤

克隆仓库

使用Git克隆项目到本地。

克隆仓库

$ git clone https://github.com/asgeirtj/system_prompts_leaks.git

✓预期输出：显示克隆进度，完成后本地出现 system_prompts_leaks 文件夹。

💡确保已安装Git。

进入目录并查看内容

进入项目目录，列出文件结构。

进入目录

$ cd system_prompts_leaks

列出所有文件

$ ls -la

✓预期输出：显示项目根目录下的文件和文件夹，例如 README.md 和各个AI平台对应的目录。

💡使用 ls 命令查看具体文件。

浏览系统提示词文件

使用文本编辑器或cat命令查看任意提示词文件。

查看ChatGPT的系统提示词（示例路径，实际文件名可能不同）

$ cat chatgpt/system_prompt.txt

✓预期输出：显示ChatGPT的系统提示词内容。

💡根据实际目录结构调整路径。

✅ 验证成功

成功查看一个系统提示词文件内容。

✓看到类似 'You are ChatGPT, a large language model...' 的文本

⚡ 快速提示

浏览使用 find . -name '*.txt' 查找所有提示词文件。

维护项目持续更新，定期 git pull 获取最新内容。

🔍 常见问题排查

❓ 克隆速度慢

→ 使用代理或尝试浅克隆：git clone --depth 1 https://github.com/asgeirtj/system_prompts_leaks.git

❓ 找不到文件

→ 检查目录结构，使用 ls -R 递归列出所有文件。

🎯 下一步

贡献新提示词

Fork仓库，添加新的系统提示词文件，提交Pull Request。

研究提示词设计

对比不同AI的系统提示词，学习设计模式。

难度

入门

预计时间

1-2小时

目标人群

对AI提示词感兴趣、希望了解或研究AI系统提示词的初学者，无需编程基础。

🎯 学完你将掌握

能够浏览、理解并使用该项目中的系统提示词，了解不同AI模型的行为设定，并学会如何贡献自己的发现。

📋 前置知识

基本计算机操作了解

能够使用浏览器访问网页、下载文件。

Git和GitHub基础了解(可选)

知道什么是GitHub仓库、如何Fork和提交Pull Request，以便参与项目贡献。

📚 学习资源

必看

GitHub仓库

项目主仓库，包含所有提示词文件和更新。

🗺️ 学习阶段

环境准备与项目浏览

⏱ 15分钟

访问项目仓库

在浏览器中打开 https://github.com/asgeirtj/system_prompts_leaks，了解项目README和文件结构。

💡注意查看README中的Star History和贡献指南。

下载或克隆仓库

点击页面右上角的绿色“Code”按钮，选择“Download ZIP”下载压缩包，或使用git clone命令克隆到本地。

💡如果使用git，确保已安装Git工具。

快速入门：浏览提示词集合

⏱ 30分钟

查看提示词文件

在本地解压后的文件夹中，浏览各个子目录或文件（如chatgpt.md、claude.md等），阅读其中的系统提示词内容。

💡注意观察不同AI模型提示词的风格和结构差异。

理解提示词的作用

尝试找出一个提示词中的关键指令，思考它如何影响AI的行为（例如角色设定、输出格式限制等）。

💡可以对比同一模型不同版本的提示词变化。

实践应用：使用提示词

⏱ 30分钟

在对应AI中测试提示词

选择一个你能够访问的AI模型（如ChatGPT），将项目中的系统提示词复制到对话中（如果API支持），观察AI的反应。

💡注意：部分提示词可能已过时或需要特定API权限才能生效。

尝试修改并观察效果

基于原有提示词，修改一小段指令（如改变语气或添加新规则），测试AI行为的变化。

💡这是学习提示工程的好方法。

参与贡献（可选）

⏱ 30分钟

提交新的提示词

如果你发现了新的或未收录的系统提示词，按照项目格式创建一个新文件，然后通过Fork和Pull Request提交。

💡确保提示词来源可靠，并附上简要说明。

完善现有内容

如果发现错误或过时信息，可以提交Pull Request进行修正。

💡阅读项目贡献指南（如果有）。

⚠️ 常见错误

❌ 误以为提示词可以直接用于所有AI模型

✅ 不同模型（ChatGPT、Claude等）的提示词格式和生效方式不同，需根据具体模型文档调整。

❌ 尝试使用提示词时未考虑API权限限制

✅ 部分提示词需要开发者API才能设置系统消息，普通网页版可能无法直接使用，请确认使用场景。

❌ 提交重复或来源不明的提示词

✅ 提交前先搜索仓库是否已有相同内容，并确保提示词来自可靠渠道。

🚀 后续方向

深入学习提示工程（Prompt Engineering），了解如何设计有效的系统提示词；探索AI安全领域，研究提示词注入等攻击与防御技术。