发现一个很有研究价值的 GitHub 仓库：system_prompts_leaks。 它整理了大量 AI 产品的 System Prompt，也就是模型在回答用户之前，系统层面预先写好的“行为规则”。 里面覆盖的产品非常多： Claude ChatGPT / Codex Gemini Grok Cursor GitHub Copilot VS Code Copilot Perplexity Notion AI Qwen Mistral Meta AI Docker Gordon Warp Agent Zed AI 这些内容最值得看的地方，不是“抄提示词”，而是反推大模型产品是怎么被设计出来的。 比如： 为什么有些 AI 会主动提醒安全边界？ 为什么有些 AI 回答时更像程序员助手？ 为什么 Claude Code、Codex、Cursor 这类编程 Agent 会强调文件读取、命令执行、任务规划？ 为什么不同模型在“人格、工具调用、权限控制、引用规范、拒答策略”上差异这么大？ 看完你会发现，真正成熟的 AI 产品，不是单纯靠一个大模型撑起来的。 它背后通常有一整套系统设计： 角色设定 工具权限 任务边界 安全规则 回复风格 上下文管理 用户意图判断 多步骤任务执行逻辑 会写 Prompt，只是第一层。 会设计 System Prompt，才开始接近 Agent 产品的底层逻辑。 项目名：system_prompts_leaks #AI工具 #PromptEngineering #大模型 #AIAgent #ChatGPT #Claude #Gemini #Cursor #GitHub