Gemini系统提示词泄露：揭秘AI对话背后的隐藏规则

系统提示词为何值得关注

近日，一个名为 system_prompts_leaks 的 GitHub 仓库在 Reddit 等社区引发热议。该仓库由开发者 asgeirtj 维护，专门收集各大主流 AI 产品的系统提示词（System Prompt），其中就包括 Google Gemini 系列模型的相关内容。这类信息之所以引发广泛关注，是因为系统提示词往往是 AI 厂商最不愿公开的"幕后剧本"。

所谓系统提示词，是指开发者在用户对话之前预先注入给大语言模型的一段隐藏指令。它定义了模型的身份、行为边界、语气风格、安全约束以及输出格式等核心规则。换句话说，当你与 Gemini、ChatGPT 或 Claude 对话时，模型的每一次回应都受到这段"看不见的指令"的深刻影响。

泄露内容揭示了什么

从公开的仓库结构来看，asgeirtj 将不同厂商的提示词按目录分类整理，Google 目录下收录了 Gemini 相关模型的提示词文本。虽然文件名中标注的版本号（如 "gemini-3.7-flash"）真实性有待厂商确认，但其内容形式与业界已知的系统提示词高度一致。

身份与能力声明

这类提示词通常会在开头明确告知模型"你是谁"。例如声明自己是由 Google 训练的大型语言模型，说明知识截止日期，以及可调用的工具能力（如联网搜索、代码执行、图像理解等）。这部分内容直接决定了模型如何自我定位，也解释了为何不同 AI 产品在面对"你是谁"这类问题时会给出各具特色的标准答案。

行为约束与安全边界

系统提示词的大量篇幅通常用于设定安全护栏（guardrails）。这包括拒绝生成有害内容、避免提供危险操作指南、保护用户隐私、防止越狱（jailbreak）攻击等。厂商通过精心措辞的指令，试图在"有用"和"安全"之间取得平衡。这也是为什么当用户提出敏感问题时，模型会以近乎模板化的方式婉拒。

厂商为何如此重视系统提示词保密

系统提示词本质上是 AI 产品的核心竞争力之一。它凝结了厂商在无数次内部测试中总结出的最佳实践，是产品"人格"和"专业度"的重要来源。一旦泄露，会带来几个层面的影响。

首先是竞争层面。竞争对手可以直接借鉴优秀的提示词工程技巧，缩短产品打磨周期。其次是安全层面。攻击者了解了模型的约束规则后，更容易设计针对性的越狱提示，绕过安全机制。最后是信任层面。用户得以窥见 AI "人设"背后的运作逻辑，可能对产品的"客观中立"产生新的认知。

有意思的是，系统提示词并非绝对机密。近年来，通过精心构造的诱导提示，研究者和爱好者已多次成功"套出"主流模型的部分或完整系统提示词。这类仓库的出现，正是社区对 AI 透明度持续探索的产物。

提示词工程的启示

对于开发者和 AI 从业者而言，这些泄露的提示词具有相当高的学习价值。它们展示了顶尖厂商如何用自然语言精确控制模型行为，是提示词工程（Prompt Engineering）的"教科书级"样本。

结构化表达的力量

从公开样本中可以观察到，优秀的系统提示词往往采用清晰的分段和分点结构，用明确的指令而非模糊的描述来约束模型。例如"当遇到 X 情况时，执行 Y 操作"这样的条件式表达，比笼统的"请保持友好"要有效得多。

平衡的艺术

提示词设计的难点在于平衡。约束太松，模型容易失控；约束太严，又会导致模型过度拒绝、显得死板。厂商需要通过大量迭代，找到既能保证安全、又不损害实用性的黄金分割点。这种平衡能力，正是区分成熟 AI 产品与实验性玩具的关键。

理性看待泄露信息

需要提醒的是，对于此类第三方仓库中的"泄露"内容，我们应保持审慎态度。一方面，文件版本号、内容真实性缺乏官方背书，可能存在拼凑、编造或过时的情况；另一方面，模型的实际行为由训练权重、系统提示、以及运行时上下文共同决定，单看提示词并不能完全还原产品全貌。

从更宏观的视角看，系统提示词泄露事件反映了 AI 领域一个持续的张力：厂商追求商业机密保护，而社区呼吁更高的透明度。随着 AI 深度融入日常生活，公众对"AI 究竟被如何设定"的知情诉求只会越来越强。或许，未来主动公开系统提示词，反而会成为增强用户信任的一种竞争策略。

结语

Gemini 系统提示词的泄露，为我们提供了一个难得的窗口，得以一窥大厂 AI 产品的设计哲学。无论其真实性如何，这类内容都在提醒我们：每一次流畅自然的 AI 对话背后，都有一套精密而复杂的规则在默默运作。理解这些规则，不仅有助于我们更好地使用 AI 工具，也能让我们对这项技术的能力边界与局限有更清醒的认识。