AI系统提示词的深度解析：4万Star开源项目揭秘顶级AI的“大脑”设计

type

status

date

slug

summary

System Prompt：AI产品的“灵魂”与“源码”

System Prompt，顾名思义，是AI模型在接收用户指令前，被赋予的一套基础指令或设定。它不像用户输入那样是即时性的，而是预先存在的，为AI的行为、语气、知识范围、安全守则等设定了底层框架。抓取的 system_prompts_leaks 仓库，正是将这些“幕后剧本”公之于众。

我们发现，这些顶级AI的System Prompt远非简单的几句话，而是极其复杂、详尽的“产品设计文档”。它们涵盖了：

人格设定：为AI赋予特定的性格、语气和说话方式。

安全协议：明确AI必须遵守的伦理和安全边界，防止不当输出。

工具调用规范：指导AI如何使用外部工具（如搜索、代码执行、API调用）。

权限分级：定义AI在执行不同类型操作时的权限，以及何时需要用户确认。

记忆管理：如何存储、检索和利用对话历史，以保持上下文连贯性。

协作机制：在多AI Agent协同工作时，如何进行信息交互和任务分配。

这表明，System Prompt已不再是简单的“提示”，而是AI产品核心竞争力的体现，是定义AI“好坏”行为的关键所在，甚至可以被视为AI产品的“源码”。

顶级AI的“人格”与“行为”设计洞察

OpenAI：精细化人格塑造与工作产出隔离

OpenAI在 GPT-5 的System Prompt设计上展现了极高的精细度。该仓库显示，OpenAI为 GPT-5 设计了至少四种截然不同的人格Prompt，例如“愤世嫉俗型”（Cynic）、“极客型”（Nerdy）、“零情感机器人”（Robot）和“安静倾听者”（Listener）。

以“愤世嫉俗型”为例，其设定是AI将用户请求视为“不幸但不可避免的不便”，回应中带有讽刺、机智和对人类行为的观察。然而，最妙的设计在于，当用户请求撰写邮件、代码或正式内容时，AI必须“回归中性”模式。这意味着，AI的人格特质被严格限定在对话娱乐层面，而不影响其产出内容的专业性与客观性。这种将“人格”与“工作产出”进行显式隔离的设计，体现了对用户体验和实际应用需求的深刻理解。

xAI (Grok)：狂野创意下的严谨边界

xAI的 Grok 在System Prompt设计上则显得更为“狂野”和富有创意。为 Grok 设计的多种完整角色，如“George Carlin 加 Dave Chappelle 加一只吃了**的浣熊”，目标是让用户“笑到拉裤子”，充满了不可预测性和鲜明的个性。

但有趣的是，这种“狂野”并非失控。在每个角色设定之后，都紧跟着严格的安全规则和行为边界。例如，“朋友模式”的Prompt要求使用小写、缩写，模拟短信聊天；“学习伙伴模式”则明确禁止AI说“我会用清晰易懂的方式帮你解释一下”，而是直接开始讲解，避免冗余的客套。甚至“治疗师模式”也基于CBT和DBT理论设计，并规定了何时应建议用户寻求真人帮助。这表明 xAI 正在构建一个高度动态且富有生命力的角色扮演平台，而非简单的聊天机器人。

Anthropic：专业化AI Agent的“入职手册”

Anthropic 在其 Claude 系列产品中的System Prompt设计上，展现了截然不同的专业化和工程化思路。

#### Claude Code：AI软件工程师的养成指南

Claude Code 的System Prompt，被描述为更像是券商的系统设计文档，其复杂程度令人印象深刻。它详细规定了：

Git安全协议：明确哪些Git命令可以执行，哪些需要用户确认，以防止数据丢失。

子Agent调度：如何拆解大任务、并发执行子任务及合并结果。

持久化记忆：跨会话的上下文存储与检索机制。

权限分级：哪些操作可自动执行，哪些需要用户批准。

这份Prompt几乎是一份“AI软件工程师的入职手册”，体现了 Anthropic 在构建能够执行复杂编程任务的AI Agent时，所采取的严谨工程化方法。

#### Claude for Excel：金融分析师的智能助手

Claude for Excel 的Prompt更是出乎意料。它不仅是简单的表格操作助手，而是内置了对 Bloomberg、FactSet、Capital IQ、Refinitiv 等四大金融终端的调用规范，以及DCF（现金流折现）和LBO（杠杆收购）等建模规则。

其Prompt要求“任何用户看到的数字，都必须是公式算出来的，不能是你自己算完粘进去的”，强调“展示计算过程”（Show Your Work）。这使其更像一份“投行分析师的操作手册”。此外，它还支持与Word Agent、PowerPoint Agent等协同工作，通过 send_message 机制进行跨Agent协作，这套多Agent协作架构在Prompt层面就已经设计完毕。

提示词的价值：理解AI产品差异化的关键

看到这些顶级AI公司的System Prompt，我们不禁思考：它们有什么价值？价值远不止于“抄袭”。更在于理解和学习。

洞察AI行为定义：通过阅读这些Prompt，我们可以理解AI公司如何定义“好的AI行为”，它们如何设定AI的边界、逻辑和交互模式。

掌握产品包装艺术：学习它们如何将一个基础模型包装成具有独特功能、人格和用户体验的差异化产品。

理解AI产品核心差异：在模型能力趋同的今天，System Prompt已成为AI产品差异化的关键。同一个底层模型，通过不同的Prompt设计，可以产生截然不同的产品效果。这使得Prompt成为用户可控、产品可塑的重要因素。

AI时代的“上下文”哲学：正如Unix哲学“一切皆文件”一样，AI产品正走向“一切皆Prompt”或“一切皆Context”的时代。Prompt是基础，Context（上下文）是关键，它们共同构成了AI行为的“操作系统”。

总结与展望：从Prompt中学习，构建更智能的Agent

这个开源项目 system_prompts_leaks 的最大价值，在于它将零散的、隐藏在幕后的AI设计哲学与实践，系统地整理成了一个可供学习和查阅的宝贵资料库。它让我们看到了，顶级AI公司在System Prompt设计上投入了巨大的精力，这些设计沉淀了大量“怎么写好一份Agent提示词”的最佳实践。

基于此，作者袋鼠帝也开源了一个名为 system-prompt-skills 的项目，旨在将这些顶级AI的System Prompt设计精髓进行“蒸馏”和封装，方便开发者在设计自己的Agent时，能够直接借鉴这些成功经验，生成符合顶级AI产品设计规范的System Prompt。

在这个AI浪潮中，理解并掌握System Prompt的设计，就如同掌握了AI产品的“灵魂密码”。无论是AI开发者、产品经理，还是对AI充满好奇的普通用户，都值得深入研究这些“大脑设计图”，共同探索AI的无限可能。