Codex内置提示词曝光，用户抓包发现并翻译

背景

近日在 LINUX DO 社区中，一位用户分享了一项技术发现：通过抓包工具对 Agent CLI 进行网络流量捕获时，偶然获取了 Codex 内部使用的提示词（prompt）内容。由于原始提示词以英文呈现，该用户随后将其翻译为中文并截图存档。帖子中提及源文件为一个大小为 21.1 KB 的 pasted-text.txt 文本文件，但因附件上传限制（如 PDF 无法直接上传），截图替代了原文。这一发现为外界了解 Codex 模型的底层指令设计提供了直接线索。

核心内容

根据帖子表述，该用户利用抓包工具监控 Agent CLI 与服务器之间的通信，成功拦截到 Codex 内置的提示词。这些提示词是 Codex 模型在处理用户请求前被预先注入的指令，通常用于定义模型的行为边界、输出格式、安全约束以及任务角色等。用户将捕获的英文原文进行了人工翻译，并附上翻译后的截图作为证据。由于原文文本（pasted-text.txt）未被直接公开，当前可获取的信息仅限于用户对提示词内容的简要描述。从社区讨论看，该发现聚焦于 Codex 提示词的结构化设计，可能包含系统级引导（如“你是一个代码助手”）、上下文管理、代码补全偏好设定等典型元素。

关键要点

• 发现来源：通过抓包 Agent CLI 的网络流量获得，属于动态逆向分析手法。
• 目标对象：Codex 模型（OpenAI 的代码生成模型）在 agent 场景下被预先注入的提示词。
• 内容形态：原始为英文文本，用户已翻译为中文并以截图形式发布。
• 数据规模：源文件 pasted-text.txt 大小为 21.1 KB，表明提示词涉及较长的系统指令或包含多组模板。
• 发布形式：截图与简要描述，未直接粘贴原始文本（可能因社区格式限制）。
• 社区反应：共有 2 个参与者的讨论（包括发帖者本人），表明该发现属于初期分享阶段。

意义与影响

该发现为研究人员和开发者提供了罕见的“黑盒窥视”机会。通常，闭源模型如 Codex 的内置提示词属于商业机密，外界难以获知。通过抓包获取实际注入的指令，有助于理解：

• 模型行为可控性：揭示 OpenAI 如何通过预置提示词来约束 Codex 的输出安全性和任务聚焦度。
• 逆向工程参考：为社区构建类似 agent 框架（如本地代码助手）时，在 prompt 层面提供设计思路。
• 透明度讨论：引发关于 AI 服务内置 prompt 是否应公开的讨论，尤其涉及敏感指令（如拒绝生成恶意代码）的实际措辞。
• 安全审计：验证 agent 客户端与服务器间是否存在未加密的敏感 prompt 传输风险，以及抓包手段的可行性对商业产品的启示。

尽管具体词句尚未完全公开，但此次发现已证明通过技术手段获取闭源模型内部提示词是可能的，后续或可推动更多类似揭露，最终促进 AI 系统的可解释性与社区监督。