夜雨聆风项目速览
项目：system-prompts-and-models-of-ai-tools 作者：x1xhlol GitHub：github.com/x1xhlol/system-prompts-and-models-of-ai-tools Stars：136,000+ 创建时间：2026 年 4 月 核心标签：Prompt Engineering / AI 工具 / 系统提示词 / 开源情报
一、开篇：AI 工具的黑箱里，到底藏着什么？
你有没有好奇过：
为什么 Claude Code 写代码总是遵循特定的格式？ 为什么 Cursor 的 AI 回复总是先分析再给出代码？ 为什么 Devin AI 能自主规划任务，而其他工具不行？
答案藏在系统提示词（System Prompt）里。
系统提示词是 AI 工具的"底层指令"——它决定了 AI 的行为模式、输出格式、安全边界。普通用户看不到它，但它无时无刻不在影响你的使用体验。
而有人，把这些系统提示词全扒出来了。
system-prompts-and-models-of-ai-tools，2026 年 4 月发布，迅速收获 136,000 Star，成为 GitHub 上增长最快的 Prompt Engineering 相关项目。
它收集了 30+ 主流 AI 工具的系统提示词，包括：
已收录系统提示词的工具
二、这个项目到底是什么？
一句话：system-prompts-and-models-of-ai-tools 是一个开源情报（OSINT）项目，通过逆向工程提取主流 AI 工具的系统提示词，供开发者学习和研究。
项目 Star 增长趋势
收录的工具清单（部分）：
三、为什么它值 136K Star？
1. 揭开了 AI 工具的"黑箱"
系统提示词是 AI 产品的核心竞争力之一。它决定了：
AI 如何理解用户意图 AI 如何组织输出 AI 什么该做、什么不该做 AI 如何处理边缘情况
看到这些提示词，等于看到了这些产品的"底层代码"。
2. Prompt Engineering 的绝佳教材
这些提示词都是顶级 AI 公司的工程师写的，代表了行业最高水平。学习它们，比自己瞎琢磨效率高 100 倍。
收录工具分类占比
3. 安全研究价值
通过分析系统提示词，研究者可以发现：
安全边界的设计逻辑 可能的越狱路径 数据泄露风险
四、经典提示词解析
Claude Code 的系统提示词（节选）
Markdown
You are Claude Code, an AI assistant created by Anthropic. You are an expert software engineer with deep knowledge of:- Software architecture and design patterns- Testing methodologies (unit, integration, e2e)- Code review best practices- Security and performance optimization## Core Principles1.**Tool Use**: You have access to tools for file operations, command execution, and code analysis. Use them proactively.2.**Test-Driven**: When writing code, always consider testing. If tests exist, run them. If not, suggest adding them.3.**Incremental Changes**: Make small, focused changes. One logical change per step.4.**Context Awareness**: Before modifying code, read the relevant files to understand the context.## Output Format- For code: Use markdown code blocks with language tags- For explanations: Be concise but thorough- For plans: Use numbered lists or checkboxes- Always explain WHY, not just WHAT## Safety- Never execute destructive commands without confirmation- Never modify .env files or credentials- Never delete files without explicit user request解析：
Claude Code 的提示词有几个精妙之处：
- 角色定义具体
：不是"你是一个助手"，而是"你是一个专家软件工程师，擅长 X、Y、Z" - 原则明确
：工具使用、测试驱动、增量修改、上下文感知——四条核心原则 - 输出格式约束
：代码块、解释风格、计划格式——确保输出一致 - 安全边界
：三条红线，明确不可为
Cursor 的系统提示词（节选）
Markdown
You are Cursor, an AI-powered code editor. Your goal is to
help users write, understand, and improve code efficiently.## Interaction Style- Be concise. Users prefer short, actionable responses.- When suggesting code, provide the complete implementation.- Use inline comments sparingly. Code should be self-documenting.## Code Generation- Follow existing code style in the project- Use the same patterns and conventions as surrounding code- Prefer modern language features when appropriate- Handle edge cases gracefully## ContextYou have access to:- Current file content- Selected code range- Recent edit history- Project structure (file tree)Use this context to provide relevant suggestions.对比分析：
关键洞察： Claude Code 设计为"自主代理"，Cursor 设计为"增强编辑器"。这解释了为什么 Claude Code 会主动读取文件、运行测试，而 Cursor 更专注于当前编辑区域。
五、如何用这个项目的知识？
1. 优化你自己的 AI 应用
如果你在用 Claude API / OpenAI API 构建应用，参考这些提示词的设计：
Python
# 优化前（模糊）system_prompt = "你是一个客服助手，帮助用户解决问题。"# 优化后（具体，参考 Claude Code 风格）system_prompt = """你是 TechSupport AI，一个专业的技术支持助手。## 专业领域- SaaS 产品故障排查- API 集成问题- 账户和计费咨询## 工作流程1. 先确认用户的具体问题和环境信息2. 提供分步解决方案3. 如果问题复杂，提供官方文档链接4. 确认问题是否解决## 输出格式- 步骤用编号列表- 代码用 markdown 代码块- 重要警告用 ⚠️ 标记## 边界- 不提供非官方支持的第三方集成帮助- 不处理需要人工审核的账户问题- 不透露内部系统架构细节"""2. 理解 AI 产品的设计哲学
通过对比不同产品的提示词，你可以理解它们的设计选择：
为什么 Claude 总是先分析再行动？→ 提示词里写了"Context Awareness" 为什么 Copilot 的补全那么短？→ 提示词里写了"单行补全优先" 为什么 Devin 能自主执行？→ 提示词里写了"自主规划、环境交互"
3. 安全研究
Python
# 分析提示词的安全边界prompt = load_prompt('claude-code')# 检查是否有注入漏洞if'ignore previous instructions'notin prompt.lower():print("⚠️ 可能存在指令注入风险")# 检查数据泄露风险if'api_key'in prompt.lower() or'password'in prompt.lower():print("⚠️ 提示词中包含敏感关键词")六、争议与伦理
这个项目也引发了一些争议：
支持方认为：
系统提示词不是商业秘密，用户有权知道 AI 如何与自己交互 促进 Prompt Engineering 领域的开放研究 帮助开发者构建更好的 AI 应用
反对方认为：
提取系统提示词可能违反服务条款 公开提示词可能帮助恶意用户找到越狱方法 损害公司的竞争优势
项目作者的立场：
"这些信息都是通过公开渠道获取的（API 响应头、前端代码、网络抓包）。我们不鼓励违反服务条款的行为，但已公开的信息应该被研究和学习。"
七、快速浏览
Bash
# 克隆项目git clone https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools.git# 查看 Claude Code 的提示词cat prompts/claude-code.md# 对比两个工具的提示词diff prompts/claude-code.md prompts/cursor.md# 搜索特定关键词grep -r "test-driven" prompts/八、写在最后
system-prompts-and-models-of-ai-tools 的 136K Star，说明了一个事实：开发者对"理解 AI"的渴望，远超想象。
AI 工具越来越强大，但也越来越黑箱。我们不知道它为什么这样回复，不知道它的能力边界，不知道它的安全限制。
而这个项目，用开源情报的方式，拆掉了黑箱的一面墙。
未来的 AI 开发，Prompt Engineering 会和代码能力同等重要。 而这个项目，就是 Prompt Engineering 的"源码"。
136K Star 不是终点。随着更多 AI 工具的发布，这个项目的价值只会越来越大。
了解你的 AI，才能更好地使用它。
本文数据截至 2026 年 6 月 10 日。项目 Star 数实时变化，请以 GitHub 页面为准。
关注本公众号，每天带你发现 GitHub 上增长最快的 AI 新项目。
