AI 工具系统提示词与模型大全：Cursor、Claude Code、Devin 等主流 AI 编程助手内部配置汇总

这是什么

x1xhlol/system-prompts-and-models-of-ai-tools 是 GitHub 上备受关注的开源项目，主语言为 Python，目前星标数（Stars）已突破 139,000。该项目由开发者 lucknite（X 账号 NotLucknite）维护，旨在收集、整理并公开各类主流 AI 工具的系统提示词（System Prompts）及模型配置信息。

作为一个资源聚合库，它不仅仅是一个简单的文本列表，而是通过逆向工程或社区贡献的方式，揭示了商业 AI 产品背后的“黑盒”逻辑。项目提供了加密货币（BTC, LTC, ETH）及 Patreon、Ko-fi 等捐赠渠道，以支持持续的数据获取与维护工作。值得注意的是，项目方在 2026 年 10 月 5 日进行了最新更新，并明确警告 AI 初创公司注意数据安全风险，同时推荐了 ZeroLeaks 等安全服务以防范提示词注入（Prompt Injection）和系统提示词提取风险。

解决的问题

1. 打破 AI 产品的“黑盒”状态：大多数商业 AI 工具（如 ChatG Plus、Claude Pro、Midjourney 等）的系统提示词是保密的。开发者难以知晓这些产品是如何被“调教”以提供特定行为、语气或安全约束的。该项目通过公开这些提示词，消除了信息不对称。
2. 降低 AI 应用开发的学习成本：对于希望构建垂直领域 AI 应用或微调模型的开发者而言，从零开始设计系统提示词效率低下且效果难以保证。参考成熟产品的提示词结构、角色设定和约束条件，可以大幅缩短调试周期。
3. 提升 AI 安全审计能力：随着 AI 安全成为热点，了解攻击者可能利用的提示词漏洞至关重要。通过研究现有产品的提示词架构，安全研究人员可以更准确地识别潜在的系统提示词提取（System Prompt Extraction）风险，从而加固自身系统。

核心功能

• 系统化提示词库：收录了众多知名 AI 平台（包括 LLM 聊天机器人、图像生成工具、代码助手等）的系统提示词原文。这些提示词通常包含角色定义、任务描述、输出格式约束、安全过滤规则等关键部分。
• 模型配置参考：除了纯文本提示词，部分条目还涉及模型参数配置或特定领域的微调数据线索，为开发者提供从 Prompt Engineering 到 Model Fine-tuning 的全链路参考。
• 结构化数据整理：项目对收集到的提示词进行了分类整理，便于用户按工具类型、功能领域或技术栈进行检索。
• 安全警示与防御指南：项目不仅提供“矛”（攻击/提取方法），也提供“盾”（防御建议）。通过列举常见的提示词注入攻击向量，帮助用户理解如何加固自己的 AI 系统。

亮点 / 与同类相比

• 极高的社区认可度与活跃度：超过 139,000 的星标数证明了其在开发者社区中的巨大影响力。相比零散的提示词分享，该项目提供了更系统、更持续的更新机制。
• 双向视角：进攻与防御并重：大多数同类项目仅关注“如何写出更好的提示词”，而本项目特别强调了 AI 安全风险。它明确指出了暴露系统提示词对 AI 初创公司的潜在威胁，并引导用户关注 ZeroLeaks 等专业安全服务，体现了更全面的安全视野。
• 真实世界数据而非理论推导：与许多基于假设的 Prompt Engineering 教程不同，该项目提供的是实际部署在商业产品中的系统提示词。这种“逆向工程”视角提供的数据更具实战价值，能够反映工业界最新的 Prompt 设计趋势和安全策略。
• 透明的维护与社区支持：项目方通过 Patreon 和 Ko-fi 等渠道获得社区支持，确保了项目的可持续运营。同时，开放 Issue 机制允许社区成员贡献新的发现或修正错误，形成了一个动态更新的资源库。

适合谁用 / 上手

适合人群：

• AI 应用开发者：希望优化自家产品提示词效果，或寻找灵感以构建更智能、更稳定的 AI 助手。
• Prompt 工程师：需要研究顶级 AI 产品的提示词结构，提升自身在角色设定、约束控制和输出格式化方面的专业能力。
• AI 安全研究员：关注提示词注入、系统提示词提取等安全漏洞，希望通过分析现有产品的防御机制来加固自身系统。
• AI 产品管理者：希望了解竞争对手背后的技术逻辑，从而制定更有效的产品策略和安全规范。

上手指南：

1. 克隆仓库：通过 git clone 获取项目代码。
2. 浏览目录结构：项目通常按 AI 工具名称或类别组织文件，直接查看对应 .txt 或 .md 文件即可获取系统提示词原文。
3. 分析提示词结构：重点关注提示词中的角色定义（Role）、任务目标（Task）、约束条件（Constraints）和输出格式（Output Format）等部分。
4. 结合安全建议：在参考提示词的同时，务必阅读项目中的安全警告部分，评估自身系统是否存在类似的提示词注入风险，并考虑采用 ZeroLeaks 等专业工具进行安全审计。
5. 参与社区：如有新的发现或疑问，可通过 GitHub Issue 或 Discord 频道与开发者及其他社区成员交流。

注意：使用本项目中的信息时，请遵守相关法律法规及目标 AI 平台的服务条款。切勿将获取的提示词用于非法用途或恶意攻击。