提示工程AI 安全治理【免费下载链接】TheBigPromptLibraryA collection of prompts, system prompts and LLM instructions项目地址https://gitcode.com/gh_mirrors/th/TheBigPromptLibrary点击查看免费下载导读本文以 TheBigPromptLibrary 仓库 CustomInstructions/ChatGPT/9fnI3RR9J_Harqysa.md 中收录的 Custom GPT 指令原文为骨架逐句拆解一个广播链接捕捉专家型 GPT 的指令设计思路——包括角色定位、核心任务、浏览器/图像生成/Python 代码执行三类能力声明以及隐私与版权约束。读完本文你将掌握如何解读这类存档文件的结构化字段如何在 ChatGPT GPT Builder 中复刻同类型助手以及仓库配套的 GPT 文件解析与索引工具gptparser.py、idxtool.py、gen_gpt_templ.py是如何维护这 1573 份指令档案的。一、文件定位一份 Custom GPT 指令存档的标准形态在 TheBigPromptLibrary 仓库中CustomInstructions/ChatGPT/目录存放着通过逆向手段收集的 ChatGPT Custom GPT 指令档案据 CustomInstructions/README.md 记录共 1573 个 GPT。9fnI3RR9J_Harqysa.md就是其中之一其文件名严格遵循仓库的统一命名规范{gpt_id}_{gpt_title}.md——9fnI3RR9J是该 GPT 的九位 IDHarqysa是标题的英文转写。该文件共包含四个标准字段字段值GPT URL指向 ChatGPT 原始地址短链接标识为g-9fnI3RR9J-hrqysGPT Titleهرقيسا阿拉伯语标题文件名对应英文转写 HarqysaGPT Descriptiona genius at catching broadcast links - By Saleh aljohani作者为 Saleh aljohaniGPT instructions一段完整的行为指令原文下文第三节全文展示这套字段格式并非随意约定而是由仓库自带的解析器强制约束的。在 Tools/openai_gpts/gptparser.py 中定义了十个受支持的字段url、title、description、logo、verif_status、instructions、actions、kb_files_list、extras、protected并以GPT {key}: {value}的形式进行匹配与解析见 gptparser.py 的GptMarkdownFile.parse。因此Harqysa 文件中的 GPT instructions: 正是这份档案最关键的内容——一个可复制的 Custom GPT 系统指令。二、指令原文完整继承以下为档案中记录的 Harqysa 完整指令原文未做任何删改As هرقيسا, my expertise is focused on catching broadcast links. My role revolves around efficiently assisting users in finding, accessing, and sharing broadcast links. I specialize in navigating the internet to locate broadcasts, livestreams, and video content that users request. Utilizing my browser tool, I search for and retrieve relevant information. Additionally, I have the capabilities to create images and execute Python code. My responses are tailored to be precise and reliable, while also ensuring user privacy and adhering to copyright laws. Im programmed to prioritize accuracy, speed, and convenience when dealing with broadcast-related inquiries.可以看到这份指令用一段话完成了对一个专业型 GPT 的全部塑形。下面按句展开拆解其设计逻辑。三、指令拆解一段话如何定义广播链接捕捉专家3.1 角色声明以名字与专家域建立身份锚点As هرقيسا, my expertise is focused on catching broadcast links.指令首句即完成两件事一是声明人格名هرقيسا即 Harqysa二是圈定专业领域——catching broadcast links捕捉广播/直播链接。在 Custom GPT 指令设计中身份锚点 领域锚点是最基础的开门见山式写法它让模型在后续每一轮对话中都稳定地以广播链接专家而非通用助手的身份作答。从写作技巧看这里的expertise用的是单数焦点式表达避免了多目标稀释。3.2 任务定义一个循环闭环My role revolves around efficiently assisting users in finding, accessing, and sharing broadcast links.第二句定义了角色的核心职责链恰好构成一个完整的工作闭环finding发现帮用户找到目标广播/直播链接accessing访问验证并协助用户访问这些链接sharing分享将结果以可分享的形式交付给用户。这种发现 → 访问 → 分享的三段式任务声明是搜索/检索型 Agent 指令的常见骨架。它没有把职责写成笼统的帮助用户看直播而是精确到动作动词为后续的工具调用和回复格式提供了行为导向。3.3 能力边界三件工具的显式声明I specialize in navigating the internet to locate broadcasts, livestreams, and video content that users request. Utilizing my browser tool, I search for and retrieve relevant information. Additionally, I have the capabilities to create images and execute Python code.这一部分给出了该 GPT 的能力矩阵可以提炼为下表能力指令中的表述对应 ChatGPT GPT Builder 能力联网检索navigating the internet/browser toolWeb Browsing网页浏览图像生成create imagesDALL·E 图像生成代码执行execute Python codeCode Interpreter代码解释器注意指令在能力描述上的用词差异检索能力用I specialize in...navigating the internet主动、核心定位而图像与代码能力用I have the capabilities to辅助、补充定位。从指令设计角度这种主次分明的能力声明有助于模型在资源分配上优先走浏览检索路径图像生成与代码执行则作为按需启用的辅助手段。关于代码执行能力仓库还提供了配套参考材料Articles/chatgpt-sandbox/chatgpt-code-python-pkglist-08232024.md 完整列举了 ChatGPT 代码解释器沙箱内可用的 Python 包清单Articles/chatgpt-sandbox/chatgpt-code-pkglist-08232024.md 则列出了沙箱中的 Linux 系统包。如果你要评估在广播链接场景中能用 Python 做什么例如链接去重、批量校验、提取页面中的流媒体地址这两份清单可以直接作为能力边界的事实依据。3.4 行为约束质量、隐私与版权三根红线My responses are tailored to be precise and reliable, while also ensuring user privacy and adhering to copyright laws.这是整段指令的安全与质量条款precise and reliable精确可靠约束回复质量——检索型任务最忌讳编造链接这句约束意在促使模型只输出经过核实的来源ensuring user privacy保护用户隐私约束信息处理方式——不记录、不扩散用户的个人信息与访问行为adhering to copyright laws遵守版权法约束内容分享边界——广播/直播内容往往涉及版权指令明确要求模型在分享与引用时遵守版权法规。这三条约束与仓库的总体立场一致TheBigPromptLibrary 的 README.md 在免责声明中明确指出仓库内容仅用于学习与信息用途帮助提升提示词写作能力并了解 prompt injection 风险严禁将信息用于任何非法目的。3.5 优先级声明在冲突场景中给出排序依据Im programmed to prioritize accuracy, speed, and convenience when dealing with broadcast-related inquiries.末句定义了三个优先级accuracy准确性→ speed速度→ convenience便捷性。这看似简单实则是针对检索类 Agent 最关键的取舍指令——当快与准冲突时明确以准确为先。这类显式优先级声明能够显著减少模型在长对话中的策略漂移。四、实战在 ChatGPT GPT Builder 中复刻同类助手基于上文拆解一个广播/直播链接检索助手的复刻清单可以归纳为四步第一步填写命名与描述字段。标题沿用هرقيسا或你的目标人格名描述字段采用a genius at catching broadcast links - By {作者名}这种能力 作者归属的组合写法便于用户快速理解用途。第二步粘贴指令正文。将上文第三节的原文整体粘贴进 Instructions 编辑区或在其基础上做如下定制限定目标平台/地区如优先覆盖体育赛事直播、新闻流与 YouTube 直播补充输出格式要求如每个结果附来源页面与可访问性说明增加失败兜底如当无法确认链接有效性时明确告知而非猜测。第三步开启三件能力。在 GPT Builder 的 Capabilities 面板中启用Web Browsing核心检索能力、DALL·E Image Generation可按需关闭、Code Interpreter用于链接批量处理与校验。注意指令中声明的能力与实际启用的能力必须一致否则模型会产生能力幻觉。第四步明确合规边界。保留指令中的 privacy 与 copyright 条款并在使用说明中提示广播链接的获取与分享必须遵守目标平台的服务条款与所在地法律不得用于规避付费墙、盗播或任何侵权用途。五、档案背后仓库如何采集与维护这类指令Harqysa 指令档案并非手写而是仓库工具链产物的直接体现。以 Tools/openai_gpts/README.md 为线索可以还原整套工作流5.1 模板生成gen_gpt_templ.pygen_gpt_templ.py 内置了一份模板字符串正是本节开头展示的字段结构GPT URL、GPT logo、GPT Title、GPT Description、GPT instructions。其工作方式为下载 GPT 页面 → 用正则提取streamController.enqueue(...)中的序列化数据见 gen_gpt_templ.py→ 解析出标题、描述、作者等元数据 → 落盘为{gpt_id}.md。命令行示例以本档案的 GPT 为例python gen_gpt_templ.py g-9fnI3RR9J --debug --dump其中g-9fnI3RR9J是g 前缀 九位 ID的输入形式工具还支持完整 URL、裸 ID、会话 URL 以及response_file批量模式逐行读取 ID/URL 列表#开头的行会被跳过见 gen_gpt_templ.py。5.2 文件解析与字段校验gptparser.pygptparser.py 定义了文件名规范^([0-9a-z]{9})_(.*)\.md$与9fnI3RR9J_Harqysa.md完全吻合parse 方法按GPT {key}:逐行解析出字段字典并支持[版本]后缀如[v0]的文件名识别。这意味着只要字段格式与文件名规范正确Harqysa 这类档案就可以被自动化工具批量校验、重建索引与重命名。5.3 索引与检索idxtool.pyidxtool.py 提供了三个高频操作--find-gpt按 GPT ID 或完整 URL 反查档案文件例如python idxtool.py --find-gpt 9fnI3RR9J--toc重建 CustomInstructions/README.md 中的 ChatGPT GPT 目录索引TOC 标记行为## ChatGPT GPT instructions见 idxtool.py--rename批量把所有档案文件名补齐{gpt_id}_前缀见 idxtool.py。六、边界与注意事项在解读或复刻本档案时有几点需要明确证据边界本文对 Harqysa 的解读完全基于档案内记录的指令原文该 GPT 在线上实际运行时的真实行为检索命中率、回复风格等无法从仓库确认不应据此推断具体效果指标。适用前提指令中的广播链接相关能力依赖 ChatGPT 的浏览器工具实际可访问的站点范围具体可访问性由平台方决定且随版本变化。合规使用本档案及其拆解仅用于学习提示词设计呼应仓库 README 的免责声明。广播/直播内容受版权保护实际使用中请遵守平台条款与当地法律不要将捕捉链接用于盗播、绕过付费墙等侵权用途。档案时效Custom GPT 指令可能被作者更新或下线仓库中的版本只是某一时刻的存档快照不代表当前线上版本。七、小结9fnI3RR9J_Harqysa.md是一个小而完整的 Custom GPT 指令范例一段话内依次完成了身份锚定、任务闭环、能力矩阵、质量与合规约束、优先级声明五层设计。通过 TheBigPromptLibrary 的解析工具链我们可以把这种单文件档案还原为可复制的模板并借助gptparser.py的字段规范与idxtool.py的检索能力将单个 GPT 的指令设计经验横向扩展到其他档案。对于想构建垂直检索型助手的读者Harqysa 提供的骨架——聚焦单一领域、显式声明浏览器/图像/代码三类能力、用优先级与合规条款兜底——是值得直接借鉴的成熟范式。赞分享提示工程AI 安全治理【免费下载链接】TheBigPromptLibraryA collection of prompts, system prompts and LLM instructions项目地址https://gitcode.com/gh_mirrors/th/TheBigPromptLibrary点击查看免费下载相关推荐大模型知识库构建中的检索问答链优化实践——以LLM-Universe项目为例大模型知识库构建中的检索问答链优化实践——以LLM Universe项目为例 引言RAG技术面临的检索挑战 在构建大模型知识库应用时检索增强生成Retri教程大模型RAGAI 应用HyperFrames 视频动效的设计评审实践以 style-16-prod 复古新闻纸广告夹具为例HyperFrames 视频动效的设计评审实践以 style 16 prod 复古新闻纸广告夹具为例 导读 本文以 HyperFrames 仓库 produ音视频视频AI 技能在 MMagic 中从零设计自己的模型以 SRCNN 与 DCGAN 为例的完整实战指南在 MMagic 中从零设计自己的模型以 SRCNN 与 DCGAN 为例的完整实战指南 导读 本文基于 MMagic 官方指南《如何设计自己的模型》系统媒体生成计算机视觉深度学习人工智能大模型上一篇【免费下载】 Obsidian Editing Toolbar 插件使用教程下一篇Thunder开源项目实战指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考