夜雨聆风适合研究 AI 工具行为边界
这个仓库集中整理了多款 AI 编程、搜索、写作和应用生成工具的系统提示词、内部工具说明与模型相关线索，覆盖 Cursor、Claude Code、Devin、Perplexity、Replit、v0、Windsurf、Trae、VSCode Agent 等常见产品。它不适合当成教程照抄，更适合做对比、拆解和风险检查。
编辑判断
一个适合研究 AI 产品提示词结构和工具边界的资料库。
Unknown · 137,994 stars · ai / bolt / cluely
先说结论
先说结论：这个项目值得看，不是因为能直接生成某个应用，而是因为它把很多 AI 工具背后的角色设定、约束方式、工具调用思路放到同一处，方便开发者观察产品如何定义任务、控制输出和处理用户意图。
适合用来对比不同 AI 编程工具的提示词组织方式，例如如何描述代码修改、终端操作、文件读取、错误处理和用户确认边界。
适合做 AI 产品设计参考，尤其是正在做 Agent、IDE 插件、知识问答或自动化助手的人，可以从中看到成熟工具如何限制风险。
真实使用路径
system-prompts-and-models-of-ai-tools 怎么跑起来
只保留一个小流程：先看问题，再看动作，最后看结果。
问题 输入问题：想设计或审查一个 AI Agent 的行为规则 | → | 动作 关键动作：对比同类工具的系统提示词和工具边界写法 | → | 结果 结果判断：能否提炼出可执行的权限、流程和输出约束 |
这块只写一个动作链，方便先判断它值不值得放进日常流程。
适合放在哪些场景
适合放在哪些场景：它更像一个提示词与 Agent 行为样本库，适合在产品设计、评审和调研阶段使用。不建议把内容原样搬进线上系统，应该把它当作结构参考和对照材料。
做 AI 编程助手时，用它拆解 Cursor、Windsurf、Claude Code 等工具如何描述代码上下文、改动范围和用户确认流程，再改写成自己的规则。
做需求拆解或产品原型时，用它观察 v0、Lovable、Replit 这类工具怎样把用户一句话转成页面、组件、文件和执行步骤。
做安全审查时，把仓库里的系统提示词当作样本，检查自己的 Agent 是否缺少权限边界、敏感信息处理规则和失败回退说明。
它能解决什么
它能帮解决的问题主要集中在“看不见的产品规则”。很多 AI 工具表面是聊天框，实际差异在系统提示词、工具定义和约束策略。这个仓库能让团队少靠猜测，多用样本做讨论。
解决提示词结构无从下手的问题：可以参考已有工具如何安排角色、任务、限制、输出格式、工具调用和异常处理，而不是只写一句泛泛指令。
解决竞品调研太散的问题：多个 AI 工具的相关材料集中在一个仓库，适合横向比较谁更强调代码安全、谁更强调交互确认。
解决 Agent 行为边界模糊的问题：通过阅读不同工具的约束写法，可以反推哪些场景必须要求用户确认，哪些操作需要明确禁止。
先这样试
1.先选一个熟悉工具的目录或文件，摘出角色设定、工具调用、禁止事项三类内容；如果能转化成自家规则，就继续整理。
2.再拿一个正在设计的 Agent 场景做对照审查；如果只得到零散句子、无法形成规则清单，就适合先小范围试。
这个项目适合 AI 工具开发者、独立开发者、产品设计和安全审查人员放进候选工具箱；不适合想直接复制一套商业能力的人。信息需要自行筛选和验证，但用于调研、拆解和规则对照，值得保留。
打开项目：x1xhlol/system-prompts-and-models-of-ai-tools
长按复制项目地址
https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools