KeyFrame內部研究專用

Opus5 系统提示词都公开了!黑客版还值得看吗?

Why QQ11 min中文
觀看原始影片

三句話摘要

分析 Claude Opus 5 洩露提示詞的工程架構與開發者可直接複用的五大實踐。 提示詞是系統工程契約而非散文,其核心是用版本控制、雙層驗證、白名單約束等工程規範定義能力邊界,這套實踐可直接複用於 Agent 開發。 提示詞本質是工程契約。官方將能力邊界與工具規則篇幅配置為壓倒性優勢,而人設語氣反而很少;多數開發者的做法恰好相反,導致提示詞效果不穩定。

重點整理

  1. 提示詞本質是工程契約。官方將能力邊界與工具規則篇幅配置為壓倒性優勢,而人設語氣反而很少;多數開發者的做法恰好相反,導致提示詞效果不穩定。

  2. 記憶系統採用樂觀並發控制。每次寫入必帶版本號(類似 HTTP ETag),版本號不匹對直接拒絕;改寫前必須先讀,刪除檔案仅限用戶明確指令,確保多實例讀寫時的安全性。

  3. 安全架構實現了雙層防禦。觸發安全分類的請求由第一層級模型接管,生物類轉 Opus 5、網絡安全類由 Opus 4.8 接管,平均觸發率不足 5%,證明最敏感的能力控制在系統端直接掐斷而非純文本層約束。

  4. 提示詞債務已成學術問題。2000 行規則堆積後維護難度極高,同一邏輯出現多次(版權規則至少四次出現),顯示內部可能存在長期未重構的遺留代碼或刻意強化的設計。

實用技巧與重點

  • 結構配置
  • 記憶系統:800 行占 40%
  • 輸入自動化:占 23%
  • 工具定義數量:30 個,各帶完整 JSON Schema
  • 回複示範:19 個正確示範、15 個錯誤示範
  • 規則與機制
  • 版權規則:一次引用不超 15 詞;同源全文僅引一次;歌詞詩歌禁區;模仿段落結構也違規
  • 記憶工具:讀、寫、追加、替換、列表、刪除共 6 個
  • 版本號控制:每次寫入必帶,對不上直接拒絕
  • 安全觸發率:平均不足 5%
  • 工具與出口
  • 網頁抓取:白名單機制,仅可抓取用戶發送或搜索驗證的鏈接
  • 應用推薦:14 個入口(Cloud Code、Excel、Callwork 等)
  • End Conversation 工具:需二次確認,調用後返回確認碼
  • 性能指標
  • Pliny 版本:202,762 字節、201,987 字符、約 5 萬 token
  • 官方匹配率:38/52 段落逐字對應
  • 提示詞緩存:官方價格為重算價十分之一

結論

提示詞是系統工程契約而非散文,其核心是用版本控制、雙層驗證、白名單約束等工程規範定義能力邊界,這套實踐可直接複用於 Agent 開發。

完整解析

2026 年 7 月 24 日 Anthropic 發布 Opus 5 當日,社區開發者 Pliny 隨即提交了一份約 20 萬字節的提示詞快照。通過逐字對比,官方核心段落中的 38 個段落與 Pliny 版本逐字匹配,可信度甚高。這份快照比官方公開版本多出約 18 萬字符,完整揭露了工具定義、記憶系統、產品環境和交互規則——這正是最有工程價值的部分。

從篇幅配置看,這份文件最大的特點就是違反直覺的優先級安排。記憶系統獨占 800 行近 40% 的篇幅,這反映出狀態管理在工程上的關鍵地位。記憶工具配備了讀寫追加替換列表刪除六個操作,相當於一套完整的增刪改查體系。最硬核的設計是版本號機制——每次寫入必帶版本號,對不上直接拒絕,這是類似 HTTP ETag 的樂觀並發控制。考慮到多個實例可能同時讀寫同一記憶,這套機制優雅地解決了並發衝突問題。

版權紅線同樣嚴苛且工程化。一次引用不得超 15 詞,同一來源全文只准引一次,歌詞詩歌絕對禁區,甚至模仿原文段落結構都算違規。提示詞用 19 個正確示範和 15 個錯誤示範來強化這套規則,甚至有關鍵指令明確要求模型在心理試圖替用戶請求找補時,要把它往安全方向解釋——這個找補動作本身就是巨大信號。

安全架構實現了真正的雙層防禦。表面上是請求路由層掐斷,背後還有文本層的提示詞約束。觸發安全分類期的請求會被第一層級模型接管,生物類轉給 Opus 5,網絡安全類由 Opus 4.8 接管,平均觸發率不足 5%。這證明最敏感的能力控制被剝離出文本層,交由系統端直接處理——提示詞本身無法繞過的硬牆。

工具層面配備了 30 個工具,各自帶完整的 JSON Schema,遠超很多公司的內部 API 規範。其中 End Conversation 工具特別有意思——允許模型主動結束對話,但必須穩盡多次勸導和明確警告後才允許調用,調用後還返回二次確認碼,必須再調用一次才最終生效。網頁抓取工具採用白名單機制,模型只能抓取用戶發送過的或搜索結果中驗證過的鏈接,若自行拼凑相似網址直接拒絕——用簡單的工程手段遏制了 URL 幻覺。還有一個優雅的設計叫「禁止記憶短語」,要求模型在引用記憶時必須表現得像自然想起,徹底抹除基礎設施痕跡。

篇幅配置本身就是靈魂洞察。文件中能力邊界與工具規則占壓倒性優勢,人設和語氣僅占薄薄一層。反觀多數開發者的提示詞通篇都是人設塑造,工具說明只塞兩行,難怪效果不穩定。這份文件還清晰展現了產品層邏輯——寫代碼推 Cloud Code,做表格推 Excel,做研究推 Callwork,共 14 個應用入口,要求模型主動推薦且不能縮短當前任務,等同於把產品法務和分發手冊系統化。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。