KeyFrame內部研究專用

Anthropic Claude Fable 12万字系统提示词被扒光,都写了啥?能抄吗?

老范讲故事·6月19日週五·73 min中文

三句話摘要

Anthropic 的 Claude Fable 5 遭破解,12 萬字系統提示詞揭示頂尖 AI 的真實運作邏輯——不是人設,而是產品事故修復手冊。 --- 頂尖系統提示詞不是人設宣言,而是產品事故堆積出的修復手冊;AI 的真實能力差距也不在模型權重,而在整套 Harness Agent 工作台的成熟度。 1. 系統提示詞是事故修復日誌,不是身份宣言

重點整理

重點
  • 1

    1. 系統提示詞是事故修復日誌,不是身份宣言

  • 2

    Anthropic 不在開頭寫「我是 Claude」,而是從最緊要的限制規則寫起。版權歌詞禁止原文輸出、NEDA 厭食症熱線禁止導向,每條規則背後都是一個已發生的產品事故——音樂出版商正是拿模型吐出的逐字歌詞作為呈堂證供提起訴訟的。

  • 3

    2. 枚舉+反例比抽象原則更能被模型執行

  • 4

    不寫「善待用戶」,而是具體列出「拒絕時不可用條列符號,須寫成段落,否則像宣讀處分決定」;搜索規則寫明只要出現「今天、最近、最新」等詞,必須將當前年份帶入查詢,優先官網與一手來源後再做交叉驗證。抽象的價值觀模型無法執行,只有具體反例才能真正約束行為。

  • 5

    3. 差距不在模型,在 Harness Agent 整套工作台

  • 6

    Elon Musk 承認中國模型跑分或許能追上,但實際解決問題的能力差距仍大。Fable 5 的系統提示詞顯示,computer use 模組已大量移至服務端,Claude Code 的客戶端功能正逐步被 Anthropic 內化進服務端——聊天視窗背後將默認是完整工作台。

  • 7

    4. Fable 5 停飛揭示 AI 基礎設施的地緣政治現實

  • 8

    美政府要求封禁外國公民訪問,但 Anthropic 無法實時識別數億用戶的國籍,只能全面清退。英國首相斯塔默在 G7 峰會當面向川普請求恢復英國用戶訪問,遭直接拒絕——盟友關係在 AI 基礎設施面前失效。

  • 9

    --

實用技巧與重點

乾貨
  • 具體數字:
  • 系統提示詞:1597 行、122,750 字符、約 75 個模組
  • 自我身份介紹位於第 1351 行(全文共 1585 行)
  • Fable 5:6 月 9 日發布,6 月 12 日 17:21 被美政府叫停
  • Anthropic 版權訴訟:圖書案 15 億美金和解框架;音樂出版商歌詞案仍在審理
  • SpaceX 上市募得 750 億美金後,隨即以 600 億美金全股票收購 Cursor,另借款 200 億美金
  • 工具/模型/平台:
  • Fable 5 / Mesos 5(Anthropic)
  • Claude Code / Codex(OpenAI)/ Minimax Code / Open Code(MIT License,開源)/ Z Code(智普,不開源)/ Memo Code(小米,基於 Open Code 分支)
  • Artifacts(Claude 右側作品窗口,可存取、讀寫、複用)
  • Cloudy(Artifacts 後端沙盒虛擬機,可調用模型與執行代碼)
  • Harness Agent(智能體驅動框架,Open Cloud / Open Code 為代表開源實現)
  • GLM 5.2(智普,約 6 月 13 日開源發布)
  • MCP(Anthropic 提出的工具調用協議)
  • 系統提示詞核心規則:
  • 拒絕用戶:禁用條列符號,須以段落回應
  • 搜索觸發:出現「今天/最近/最新」、價格、法律、政策、軟件版本、公司人事、模型發布等詞,必須搜索
  • 搜索寫法:加入當前年份,如「2026 年最新 iPhone」而非「最新 iPhone」
  • 版權紅線:歌詞、詩句禁止原文輸出,須改以自己語言轉述
  • 用戶健康:不得診斷心理狀態、不得強化負面體驗、不得提供自傷替代技巧、用戶要離開時不得挽留
  • 系統提示詞寫法原則(可直接學習):
  • 什麼時候搜、怎麼搜
  • 什麼時候拒絕、拒絕怎麼寫
  • 什麼時候引用來源
  • 什麼時候少解釋
  • 每條規則附正例與反例
  • 把事故寫成修復日誌直接嵌入提示詞
  • --

結論

結論

頂尖系統提示詞不是人設宣言,而是產品事故堆積出的修復手冊;AI 的真實能力差距也不在模型權重,而在整套 Harness Agent 工作台的成熟度。

完整解析

詳細

今年六月,Anthropic 發布旗下最新模型 Fable 5,兩天後便遭研究者破解,長達 12 萬字、1597 行的完整系統提示詞被上傳至 GitHub 公開倉庫。這份提示詞共 122,750 個字符,涵蓋約 75 個模組,從工具調用、MCP 協議、記憶管理到計費邏輯、安全分類一應俱全。講者指出,雖然這份提示詞正確性高、與 Anthropic 官方發布頁能相互對應,但並不完整——動態追加的分類器警告、倫理提醒、後端路由策略與人工審核流程均未包含在內,更像是「駕駛艙說明書」而非整部機器。

翻開內容,寫法卻完全出乎預期。第四行規則不是「我是 Claude」,而是「不要使用語音訊息」;自我介紹被放到第 1351 行——對 Anthropic 來說,模型認知自己是誰根本不重要,重要的是怎麼正確幹活。整份提示詞採枚舉方式書寫,大量附上正例與反例:拒絕用戶時不可用條列符號,因為逐條列出顯得冷酷如處分決定;版權歌詞絕對不得原文輸出,因為音樂出版商正是拿模型逐字吐出的歌詞作為呈堂證供提起訴訟的;NEDA 厭食症熱線點名禁止導向,因為該熱線已永久停用。每一條具體規則背後,幾乎都是一個已發生的產品事故補丁。搜索規則也寫得極為細緻:只要提示詞出現「今天、最近、最新」等詞,必須將當前年份帶入查詢字串,優先查官網與一手來源,交叉驗證後才給出結果。講者的結論是:抽象的價值觀模型無法執行,只有具體的反例才能真正約束行為——真正高級的系統提示詞,是傷疤長成的手冊。

這份提示詞同時揭示了 Anthropic 的產品戰略方向。右側「Artifacts 作品窗口」被完整納入系統提示詞,可存取、讀寫與複用用戶生成的文件、代碼、網頁與圖表;後端設有名為 Cloudy 的沙盒虛擬機,可在其中調用模型、執行代碼,讓單次聊天直接演變為應用生成。更關鍵的是,大量 computer use 模組已移至服務端運行——Claude Code 這類客戶端工具的功能正逐步被 Anthropic 吸收進服務端,未來打開聊天視窗,背後默認便是一個完整工作台,不再需要額外安裝客戶端。Elon Musk 在 X 上回應中美 AI 差距的討論時,承認中國模型或許能在明年 Q1 前追上跑分,但按實際解決問題的能力衡量差距仍大——因為真正要追的不是 Fable 的話術,而是 Anthropic 搭建整套 Harness Agent 工作台的方法論。各家廠商——包括 OpenAI、XAI 與中國的各大模型公司——都將參考這 12 萬字提示詞優化自身系統。Anthropic 一次次的代碼與提示詞洩露,無論有意或無意,客觀上拉著整個行業加速迭代。

---

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。