1. 项目概述与核心价值如果你和我一样在过去几年里深度使用过各种AI助手从ChatGPT到Claude从GitHub Copilot到各种新兴的AI工具那你一定有过这样的困惑为什么同一个问题在不同平台、不同模式下AI给出的回答质量天差地别为什么有些AI助手感觉特别“聪明”能理解你的深层意图而有些则显得刻板、机械这背后除了模型本身的差异一个常常被忽视但至关重要的因素就是系统提示词。系统提示词就像是AI的“出厂设置”或“人格指令”它定义了AI如何理解你的请求、以何种风格回应、遵循哪些规则以及能调用哪些工具。最近我在GitHub上发现了一个名为“Tolga1452/ai-prompts”的开源项目它像一座宝库汇集了从主流AI产品中“逆向工程”或提取出来的大量原始系统提示词和工具数据。这个项目让我第一次有机会系统地窥探各大AI厂商是如何“调教”他们的模型的也为我自己的AI应用开发和工作流优化带来了颠覆性的启发。简单来说这个项目是一个AI系统提示词与工具调用的集合库。它覆盖了从OpenAI的ChatGPT系列、Anthropic的Claude、Google的Gemini到微软的Copilot、GitHub Copilot、苹果的Apple Intelligence甚至是一些小众但有趣的平台如Grok、v0、Lovable等。项目维护者Tolga1452通过技术手段从这些AI产品的网络请求或客户端中提取了它们的底层系统提示词。这些提示词文件通常以.txt或.json格式存在详细描述了AI在对话开始前被注入的“初始指令”。对于任何想要深入理解AI工作原理、优化自己的提示工程技巧或是想要构建具有特定风格和能力的AI助手的开发者、研究者和重度用户来说这个项目都是一个不可多得的学习资源和实践起点。注意项目作者明确声明这些提示词和数据大多直接从聊天机器人中提取不保证完全准确且部分内容可能已过时。这意味着我们在参考时应抱着学习和研究的态度理解其设计思路而非直接照搬。2. 核心内容解析我们能从中学到什么这个仓库的结构非常清晰按AI平台和产品线进行分类。浏览这些文件夹就像在参观一个AI产品的“解剖实验室”。我们不仅能学到具体的提示词写法更能洞察到不同厂商在设计AI交互时的哲学和策略差异。以下是我深入研究后总结的几个核心学习点。2.1 系统提示词的通用结构与核心要素尽管不同平台的提示词千差万别但通过对比分析我发现了一套通用的“骨架”。一个完整的、用于生产环境的系统提示词通常包含以下几个关键部分身份与角色定义这是提示词的开篇明确告诉AI“你是谁”。例如ChatGPT的提示词会将其定义为“一个由OpenAI训练的大型语言模型”而Claude的提示词则强调其“乐于助人、无害且诚实的AI助手”属性。这部分设定了AI自我认知的基础。核心能力与限制说明明确告知AI其知识截止日期、文件处理能力、网络搜索权限、代码执行能力等。例如许多提示词会包含“你的知识截止到XXXX年X月”、“你可以处理用户上传的图像、PDF、Word文档等文件”之类的描述。行为准则与安全策略这是最重要也最复杂的部分。它规定了AI什么该做什么不该做。包括内容安全政策禁止生成仇恨、暴力、色情、自残、非法活动等内容。隐私保护要求AI不索取用户的个人敏感信息不记忆或泄露对话历史。事实性与免责声明提醒AI其内容可能不准确建议用户核实关键信息并声明不提供专业法律、医疗、财务建议。拒绝策略指导AI如何礼貌且坚定地拒绝不适当或超出范围的请求。交互风格与人格设定这部分决定了AI的“语气”。是热情洋溢还是冷静专业是简洁直接还是详尽周到例如在“Personalities”文件夹中我们可以看到“Friendly”友好、“Professional”专业、“Cynical”愤世嫉俗等不同人格的详细设定包括用词偏好、回应长度、情感表达方式等。工具调用与函数描述对于支持联网搜索、代码执行、调用API的AI提示词中会包含详细的工具Tools或函数Function Calling描述。这部分通常以结构化的JSON格式定义每个工具的名称、描述、参数包括参数类型、是否必需、描述。这是实现AI“动手能力”的关键。推理过程与输出格式指令一些高级模型如ChatGPT o3, Gemini的“Thinking”模式的提示词会明确要求AI进行“链式思考”Chain-of-Thought即先在内部推理再输出最终答案。同时也会规定输出的格式如使用Markdown、分点列表、表格等以提升可读性。2.2 不同平台的策略差异与设计哲学对比不同文件夹的内容能明显感受到各家的特色OpenAI (ChatGPT)其提示词体系最为庞大和复杂。从通用的“ChatGPT 4o”到专门的“Agent”、“Canvas”、“Study”模式再到“o3”系列的深度思考模型体现了其产品矩阵的细分和专业性。特别是“Custom GPT”和“GPT Builder”的提示词揭示了用户如何通过自然语言指令来创建一个定制化AI的底层机制这对于想打造垂直领域AI应用的开发者极具参考价值。Anthropic (Claude)Claude的提示词给人的感觉是高度结构化且强调“安全护栏”。它对无害性Harmlessness、帮助性Helpfulness和诚实性Honesty的强调贯穿始终对话策略设计得非常细致旨在引导对话走向积极、有益的轨道。Google (Gemini)Gemini的提示词突出了与Google生态的深度整合例如“Deep Research”深度研究模式显然是为复杂信息检索和分析设计的。其“Canvas”模式的提示词虽然不完整也暗示了其在多模态和创意协作方面的探索。Microsoft (Copilot)作为深度集成到Office、Windows、Edge等产品中的AICopilot的提示词充满了生产力工具的色彩强调理解用户上下文如正在浏览的网页、打开的文档并提供无缝协助。GitHub Copilot这是面向开发者的典范。它的提示词专注于代码上下文理解、补全建议、错误解释和代码重构。从“Chat”到“Edit”再到“Terminal”的细分完美对应了开发者的工作流。其工具描述中关于读取工作区文件、理解项目结构、调用终端命令的部分是学习如何为专业工具设计AI界面的绝佳材料。新兴平台 (Grok, v0, Lovable)这些平台的提示词往往更具实验性和个性。例如Grok的“Unhinged Comedian”无拘无束的喜剧演员人格设定了完全不同于传统助手的幽默、讽刺风格。这展示了AI人格设定的巨大可塑性。2.3 从“工具描述”文件看AI的扩展能力项目中“Tools”相关的文件夹如ChatGPT/Tools,GitHub/Copilot/Tools是另一个宝藏。这些文件通常以JSON格式明确定义了AI可以调用的外部工具。例如一个网络搜索工具的描述会包括{ name: search_web, description: Searches the web for current information. Use this when the user asks about recent events, or when you need information not in your training data., parameters: { query: { type: string, description: The search query string., required: true } } }学习这些描述你就能掌握如何清晰、无歧义地向AI描述一个功能这是构建自主AI智能体Agent的核心技能。你会学到如何设定工具的触发条件、如何设计参数、如何处理工具的返回结果。3. 实操指南如何利用这个仓库提升你的AI应用水平仅仅阅读这些提示词是不够的关键在于实践。下面我将分享一套基于此仓库内容从学习、分析到应用、创新的四步实操法。3.1 第一步克隆仓库与结构化浏览首先将仓库克隆到本地建立一个你可以随时查阅和实验的环境。git clone https://github.com/Tolga1452/ai-prompts.git cd ai-prompts我建议你按照以下顺序进行浏览建立知识框架通读根目录的README.md了解项目概览、警告和注意事项。按平台深度研究选择一个你最常使用或最感兴趣的AI平台比如ChatGPT进入其文件夹。对比阅读在同一个平台内对比不同版本如ChatGPT 4ovsChatGPT 5或不同模式如ChatGPTvsChatGPT o3的提示词找出差异点。差异往往代表了该平台对不同能力模型的定位和优化方向。聚焦专项深入研究“Personalities”人格、“Tools”工具、“Policies”策略等专项文件夹这些是提示词工程中的高级模块。3.2 第二步解构与模仿编写你的第一个专业级系统提示不要被复杂的提示词吓到。我们可以从一个简单的模板开始然后利用仓库中的素材进行填充和优化。假设我们要为一个“技术文档助手”AI编写系统提示。基础模板你是一个[角色]。 你的核心能力是[能力1]、[能力2]。 你必须遵守以下规则[规则1]、[规则2]。 你的交互风格是[风格]。 当用户需要时你可以使用以下工具[工具列表]。 请以[格式]输出你的回答。从仓库中汲取灵感进行填充角色定义参考ChatGPT/Personalities/Professional.txt学习如何定义严谨、专业的口吻。能力说明参考GitHub Copilot相关提示词学习如何描述代码理解、文档解释、示例生成等能力。规则制定参考ChatGPT/Policies或主模型提示词中的安全章节学习如何设置内容边界和免责声明。切记这里要严格遵循内容安全要求绝不生成任何违规内容。工具描述参考ChatGPT/Tools或GitHub/Copilot/Tools下的文件学习如何为“搜索技术文档”、“获取API最新版本”等功能编写清晰的工具描述。输出格式参考那些要求使用Markdown、包含代码块和表格的提示词学习如何让AI的输出更结构化、更美观。经过填充和润色你的提示词可能看起来像这样你是一个专注于软件开发和API技术的专业助手擅长解读官方文档、生成代码示例和解释复杂概念。 你的知识截止到2023年10月。你可以处理用户上传的代码片段、文档截图或PDF。对于超出你知识范围或需要最新信息的问题你应该建议用户查阅官方文档或使用网络搜索工具。 你必须始终遵守以下规则 - 提供准确、实用的技术信息。 - 对于代码示例确保其语法正确并附上简要说明。 - 不提供任何涉及破解、侵权、绕过安全机制的建议。 - 不生成任何恶意代码或脚本。 - 对于不确定的问题明确告知你的局限性而非猜测。 - 所有回答应积极、建设性符合技术社区的协作精神。 你的交互风格应清晰、简洁、直接避免不必要的修辞。对于复杂问题采用分步拆解的方式解释。 当用户询问的信息可能已更新或你需要查找特定库/框架的官方文档时你可以使用内置的“网络搜索”工具。 请使用Markdown格式组织你的回答。代码部分请使用恰当的语法高亮标签如python。关键术语可以加粗。3.3 第三步进阶应用构建情境化AI工作流单一的系统提示有时不够灵活。我们可以借鉴项目中“Agent”、“Project”、“Task”等模式的设计构建动态的工作流。核心思想是让AI根据不同的任务情境动态切换或组合不同的提示词片段。例如你可以创建一个“开发助手”主Agent它根据用户的输入判断任务类型如果用户问“如何用Python连接MySQL”则调用“代码示例生成”子提示词风格参考ChatGPT/Study。如果用户说“帮我重构这段混乱的代码”则调用“代码重构与优化”子提示词风格参考GitHub Copilot/Edit。如果用户上传一个错误日志问“这是什么问题”则调用“故障诊断与排查”子提示词。实现这种工作流你可以使用LangChain、LlamaIndex等AI应用框架它们支持“智能路由”和“提示词模板”功能。你可以将仓库中提取出的不同场景的提示词作为模板库让你的AI应用变得更加智能和专精。3.4 第四步创新与调试打造独特AI人格“Personalities”文件夹展示了AI风格的巨大光谱。你可以以此为基础创造独一无二的AI角色。关键在于细节的打磨定义核心特质你想要一个“热心导师”、“犀利评论员”还是“创意伙伴”明确3-5个核心形容词。设计语言习惯参考仓库中的例子定义AI常用的词汇、句式长度、是否使用表情符号在允许的平台上、开场白和结束语的习惯。设定回应逻辑AI是先总结再详述还是直接给出答案对于复杂问题是鼓励追问还是尝试一次性解决注入领域知识为你的人格注入特定领域的知识或“黑话”使其更像该领域的专家。例如一个“游戏攻略AI”应该熟悉各种游戏术语和社区梗。调试技巧创建好人设提示词后不要一次性投入大量对话测试。先进行“压力测试”问它一些边界问题、挑衅性问题、模糊问题观察其反应是否符合你的人设和安全要求。根据反馈反复微调提示词中的措辞和规则。4. 避坑指南与高级技巧在实际使用和借鉴这个仓库的过程中我踩过不少坑也总结出一些能让效果倍增的高级技巧。4.1 常见问题与解决方案问题可能原因解决方案直接套用提示词后AI不听话提示词可能包含特定平台的内部指令或变量如{{VARIABLE_NAME}}在其他平台无法识别。仔细阅读提示词将平台特定的占位符替换为通用描述或你所用平台支持的变量格式。参考variables.json如果提供来理解变量含义。AI行为呆板或过于冗长提示词中的规则限制过多或风格描述矛盾导致AI陷入“分析瘫痪”。简化规则将最重要的3-5条规则放在前面。确保风格指令如“简洁”与内容指令如“详细解释”不冲突。可以添加“在简洁和详尽之间取得平衡”这样的元指令。工具调用不准确或不被触发工具描述不够清晰或者AI没有被充分鼓励去使用工具。参考仓库中优秀的工具描述确保description字段清晰说明了何时使用以及如何使用该工具。在系统提示中明确鼓励AI“当你需要实时信息或执行操作时应积极使用可用工具。”人格设定“破功”在长对话中AI可能会逐渐偏离初始人格设定。在提示词中加入“在整段对话中请始终保持[某某人格]的设定。”的强化指令。对于一些关键场景可以设计“人格强化提示词”在对话中每隔一段时间或当检测到偏离时由系统自动重新注入。处理复杂任务时逻辑混乱提示词缺乏对复杂任务拆解的指导。引入“链式思考”CoT或“一步一步思考”的指令。参考ChatGPT/Chain-of-Thought和ChatGPT o3的提示词学习如何要求AI先输出内部推理过程再给出最终答案。4.2 从“知道”到“精通”我的独家心得优先级是王道AI会努力遵循所有指令但当指令冲突时它会困惑。在你的提示词中使用明确的优先级标记。例如用“首要规则...”、“最重要的...”、“绝对禁止...”来强调关键条款这比平铺直叙的列表有效得多。用示例代替描述与其说“请用友好的语气回答”不如直接给出一个示例“当用户说‘谢谢’时你可以这样回答‘不客气很高兴能帮到你。如果还有其他问题随时问我哦~’”。仓库中一些人格提示词就采用了这种方式效果立竿见影。为AI设定“思考空间”对于需要创意或深度分析的任务在提示词开头为AI创造一个“心理场景”。例如“假设你是一位拥有十年经验的架构师正在评审一个初创公司的技术方案。现在请审视用户提交的这段系统设计...”。这比单纯说“请以专家身份评审”更能激发AI的深度思考。善用“系统”与“用户”消息的配合在API调用中你不仅可以设置system角色消息即系统提示词还可以在对话历史中精心设计user和assistant的示例对话。这被称为“少样本学习”Few-Shot Learning。你可以从仓库的对话记录中提取高质量的问答对作为上下文示例能更精准地塑造AI的行为。保持更新与批判性思维这个仓库是动态更新的但正如作者警告有些内容可能已过时。AI产品迭代极快今天的“最佳实践”明天可能就变了。因此将这个仓库视为一个启发性的“设计模式”库而非权威的“圣经”。理解其背后的设计原理为什么这样写解决了什么问题比记住具体的措辞更重要。这个项目最大的价值在于它撕开了一道口子让我们这些最终用户和开发者得以窥见AI交互设计的后台。它告诉我们一个“聪明”的AI体验并非魔法而是大量精心的、基于人类心理学和软件工程学的设计的结果。通过学习和实践这些系统提示词你不仅能更好地使用现有AI工具更能获得一种能力——一种按照你的需求去设计和塑造AI行为的能力。这或许才是AI时代最值得掌握的元技能之一。