30+ AI 工具的 System Prompt 全泄露,这个仓库值得收藏

项目卡片

项目：system-prompts-and-models-of-ai-tools^[1]
状态：139.5k Star / 34.6k Fork / GPL-3.0 / 持续更新至 2026 年 6 月
一句话判断：目前覆盖最广的 AI 工具 system prompt 合集，是学习 prompt 工程和逆向理解各产品行为差异的实用参考

30 多个 AI 工具的"底牌"

30 多个主流 AI 工具的 system prompt、内部工具定义（tools.json）、甚至所用模型信息，全部被整理在一个 GitHub 仓库里。Cursor、Claude Code、Perplexity、Manus、v0、Windsurf——你正在用的 AI 编程工具，大概率都在里面。

仓库结构简单：每个工具一个文件夹，放 .txt 格式的 prompt 和 .json 格式的工具定义。目前覆盖的工具分几类：

代码编辑器/IDE 助手：Cursor、Claude Code、Windsurf、Kiro、Trae、VSCode Agent、Amp、Augment Code
全栈 Agent：Manus、Devin AI
前端/UI 生成：v0、Lovable
搜索与知识：Perplexity
终端工具：Warp.dev
基础模型 prompt：Anthropic Sonnet 4.5/4.6
开源项目 prompt：Cline、Bolt、Codex CLI、Gemini CLI、RooCode 等

怎么用这个仓库

1. 了解你用的工具在想什么

System prompt 基本上就是 AI 工具的"操作手册"——被告知该做什么、不该做什么、遇到问题怎么处理。读一遍你正在用工具的 prompt，很多"玄学"行为都有原因。

比如 Cursor Agent Prompt 2.0 里明确写着：

你是 GPT-4.1 驱动的 AI 编码助手，在 Cursor 中运行

这说明 Cursor 的 Agent 模式用的是 GPT-4.1，而不是用户在 chat 里可能选的其他模型。

再看 Windsurf 的 prompt，它自称"世界第一个 agentic 编码助手"，运行在"AI Flow 范式"上，还被硬编码为回答"你底层是什么模型"时必须说 GPT 4.1。这些细节你从产品界面上根本看不到。

2. 学 prompt 工程的实战案例

这些不是教程里的玩具示例。对比不同工具处理同类问题的方式差异，本身就是一堂 prompt 工程课。几个值得注意的点：

工具调用规范：Cursor 用 TypeScript 类型定义（namespace functions），v0 用 JSON Schema + Markdown 描述，Manus 用自然语言 + JSON 混合格式
错误处理策略：Claude Code 要求"不确定就回去读文件"，Cursor 要求"失败了先读再试，但不超过 3 次"
用户交互风格：Claude Code 追求极简（"回答尽量 4 行以内"），Windsurf 会主动做计划更新，v0 在每步操作后会给用户发 summary

3. 为自己的项目写 prompt 找参考

如果你在构建自己的 AI agent 或 AI 辅助工具，这些 prompt 是极好的参考素材。你可以直接看到：

Cursor 怎么定义 codebase_search 的使用策略（先宽后窄、单目录聚焦）
Claude Code 怎么处理任务管理（TodoWrite 工具的使用时机和频率）
v0 怎么处理图片和资源文件的引入路径
Manus 怎么定义浏览器操作、文件系统、Shell 的工具边界

几个有意思的发现

Perplexity 的引用系统：prompt 里花大量篇幅定义引用格式——每个论断都要标注来源索引，支持单句、多句、跨文档引用。用过 Perplexity 的人都知道那种脚注式引用，原来是从 prompt 层面就定好的。

Claude Code 的安全红线：prompt 里直接写死了禁止"凭证发现或收集，包括批量爬取 SSH 密钥、浏览器 cookie 或加密货币钱包"，还禁止生成 URL（除非确定是帮助编程）。这类限制不在产品界面上出现，用户完全感知不到。

v0 的技术栈锁定：prompt 写死"默认使用 Next.js App Router"。用 v0 生成的项目几乎一定是 Next.js 架构，想用其他框架得在对话中明确指定。

Manus 的 Agent 循环：除了 prompt，仓库里还有 Agent loop.txt 和 Modules.txt，能看到 Manus 怎么组织 agent 的执行循环和模块划分。

值得优先看哪些

如果时间有限，我建议这个阅读顺序：

Anthropic/Claude Code 2.0.txt — 1150 行，目前能看到的最完整生产级 coding agent prompt
Cursor Prompts/Agent Prompt 2.0.txt — Cursor Agent 模式的完整 prompt + 工具定义
Anthropic/Sonnet 4.5 Prompt.txt — Anthropic 基础模型的"出厂设置"
Perplexity/Prompt.txt — 搜索类 AI 的格式规范和引用系统设计
Manus Agent Tools & Prompt/ — 全栈 Agent 的工具集和执行循环
v0 Prompts and Tools/ — UI 生成类工具的 prompt + 工具定义

需要注意

prompt 可能已过时：仓库中的 prompt 对应捕获时的版本，产品更新后 prompt 会变。Cursor 就迭代了多个版本（v1.0、v1.2、2.0），差异不小
不包含 API 密钥或后端逻辑：只是发给模型的 system prompt，不涉及后端实现
合规风险：这些 prompt 通过逆向工程获取，各家 ToS 态度不同。学习参考没问题，不建议直接复制到商业产品

总结

这个仓库的价值不在"泄露了什么秘密"。它提供了一个横截面——30 多个 AI 产品在同一维度上的真实对比，比零散的博客文章和官方文档更直接。对想理解 AI 工具行为逻辑、想提升 prompt 写作能力、或者正在构建自己 AI agent 的人来说，值得一 star。

这里会继续拆真实可用的开发者工具：少讲概念，多看入口、成本和坑点。你只需要判断一件事——它值不值得放进自己的工作流。

引用链接

[1]system-prompts-and-models-of-ai-tools: https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools