https://knightli.com/zh-tw/tags/%E6%A8%A1%E5%9E%8B%E8%A7%80%E5%AF%9F/ Recent content in 模型觀察 on KnightLi的博客 Hugo -- gohugo.io zh-tw Mon, 22 Jun 2026 08:05:45 +0800 https://knightli.com/zh-tw/2026/06/22/system-prompts-leaks-ai-product-prompt-library-guide/ Mon, 22 Jun 2026 08:05:45 +0800 https://knightli.com/zh-tw/2026/06/22/system-prompts-leaks-ai-product-prompt-library-guide/ <p><code>asgeirtj/system_prompts_leaks</code> 是一個整理 AI 產品系統提示詞的資料庫，包含 Anthropic Claude、OpenAI ChatGPT、Google Gemini、xAI Grok、Cursor、Copilot、Perplexity 等產品相關內容。</p> <p>專案地址：</p> <p><a class="link" href="https://github.com/asgeirtj/system_prompts_leaks" target="_blank" rel="noopener" >https://github.com/asgeirtj/system_prompts_leaks</a></p> <p>線上頁面：</p> <p><a class="link" href="https://asgeirtj.github.io/system_prompts_leaks/" target="_blank" rel="noopener" >https://asgeirtj.github.io/system_prompts_leaks/</a></p> <h2 id="怎麼查看">怎麼查看 </h2><p>最簡單的方法是直接打開線上頁面，按廠商和產品查看：</p> <ol> <li>Anthropic — Claude</li> <li>OpenAI — ChatGPT</li> <li>Google — Gemini</li> <li>xAI — Grok</li> <li>Perplexity</li> <li>Microsoft — Copilot</li> <li>Cursor</li> <li>Meta、Mistral、Notion、Qwen 等</li> </ol> <p>如果想本機保存，可以克隆倉庫：</p> <div class="highlight"><div class="chroma"> <table class="lntable"><tr><td class="lntd"> <pre tabindex="0" class="chroma"><code><span class="lnt">1 </span><span class="lnt">2 </span></code></pre></td> <td class="lntd"> <pre tabindex="0" class="chroma"><code class="language-bash" data-lang="bash"><span class="line"><span class="cl">git clone https://github.com/asgeirtj/system_prompts_leaks.git </span></span><span class="line"><span class="cl"><span class="nb">cd</span> system_prompts_leaks </span></span></code></pre></td></tr></table> </div> </div><p>然後直接打開對應 Markdown 檔案閱讀。</p> <h2 id="適合用來做什麼">適合用來做什麼 </h2><p>這個倉庫更適合研究和對比：</p> <ol> <li>不同 AI 產品如何定義角色和邊界。</li> <li>工具呼叫、搜尋、程式碼、圖片生成等能力如何被描述。</li> <li>產品如何處理安全、隱私、拒答和引用。</li> <li>Cursor、Copilot、Claude Code 這類開發工具如何組織系統提示詞。</li> <li>自己寫 Agent prompt 時可以參考哪些結構。</li> </ol> <h2 id="不建議怎麼用">不建議怎麼用 </h2><p>不要把這些內容當成「萬能越獄提示詞」。系統提示詞會變，來源和時效也需要判斷。更實用的用法是學習結構：</p> <ol> <li>角色定義怎麼寫。</li> <li>工具邊界怎麼寫。</li> <li>輸出格式怎麼約束。</li> <li>何時讓模型提問。</li> <li>何時讓模型拒絕或降級處理。</li> </ol> <h2 id="使用建議">使用建議 </h2><p>看這類資料時可以做一張對比表：</p> <div class="highlight"><div class="chroma"> <table class="lntable"><tr><td class="lntd"> <pre tabindex="0" class="chroma"><code><span class="lnt">1 </span></code></pre></td> <td class="lntd"> <pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="cl">產品 | 角色定義 | 工具說明 | 安全邊界 | 輸出格式 | 特別規則 </span></span></code></pre></td></tr></table> </div> </div><p>然後把值得學習的寫法拆成自己的 prompt 模板。不要直接整段照搬，因為你的產品、工具和使用者場景通常不一樣。</p> <h2 id="注意事項">注意事項 </h2><p>系統提示詞資料庫適合學習 AI 產品設計，但不要過度解讀。產品行為不只由系統提示詞決定，還受模型版本、工具實作、策略層、上下文和前端產品邏輯影響。把它當成觀察材料，而不是完整說明書，會更穩。</p>