AI 系统提示词开源资料库完整介绍

一、项目基本介绍

System Prompts and Models of AI Tools 是 GitHub 上一个专门收集人工智能产品系统提示词、内部工具配置以及模型相关资料的开源项目。

项目地址：https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools

如果你平时使用 ChatGPT、Claude、Cursor、Windsurf、Perplexity、Devin、Replit 等 AI 产品，可能会产生这样一些疑问：

为什么不同的 AI 助手回答问题时，表现和风格会有明显区别？
为什么有些 AI 能够直接操作代码、修改文件，甚至完成整个开发任务？
AI 编程工具究竟是如何理解项目结构、读取文件和执行命令的？
AI 产品背后有没有一套特殊的指令，用来规定它应该怎样工作？
Cursor、Claude Code、Windsurf 等工具的工作机制有什么不同？
如果想开发一个属于自己的 AI 助手，能不能参考成熟 AI 产品的设计思路？

这个项目正是围绕这些问题展开的。

它将不同 AI 产品中能够收集到的系统提示词（System Prompt）、工具定义、模型相关配置及其他技术资料集中整理到一个 GitHub 仓库中，让开发者、AI 爱好者和研究人员能够通过阅读这些资料，进一步了解 AI 产品背后的工作方式。

与普通的 AI 聊天网站不同，这个项目本身并不是一个可以直接对话的人工智能工具，也不是一个提供模型 API 的平台。它更像是一座 AI 产品技术资料库，主要价值在于帮助人们观察、研究和理解不同 AI 应用的设计思路。

截至本次查看，项目已经收录了大量知名 AI 产品的相关资料，在 GitHub 上获得了超过 14 万颗 Star，拥有较高的社区关注度。仓库还在持续维护，收录范围会随着项目更新而变化。

二、System Prompt 到底是什么？为什么值得研究？

对于刚接触人工智能的用户来说，System Prompt（系统提示词）可能是一个比较陌生的概念。

我们平时使用 ChatGPT 时，通常只需要在输入框里写下自己的问题，例如：

帮我写一篇关于人工智能的科普文章。

AI 就会根据我们的要求生成内容。

但实际上，AI 并不只是简单地接收用户输入，然后直接生成答案。在很多 AI 应用中，模型还会接收一组预先设置好的指令，用来规定它的身份、职责、行为方式、回答要求以及工作边界。

这组指令通常就被称为 System Prompt。

1. 系统提示词可以理解为 AI 的工作说明书

我们可以把 AI 想象成一名刚入职的员工。

如果公司只告诉员工一句话：

你现在开始工作。

员工可能并不知道自己的岗位职责、工作流程、服务对象以及需要遵守的规章制度。

但如果公司提前提供一份详细的工作说明书，明确告诉员工：

你负责什么工作；
遇到问题应该如何处理；
哪些事情可以做；
哪些事情不能做；
应该按照什么流程完成任务；
最终需要提交什么结果。

那么员工就能够按照这些要求开展工作。

System Prompt 对 AI 来说，就有些类似这样的工作说明书。

它能够为模型提供相对稳定的行为指导，让 AI 不只是回答用户的问题，还能按照开发者预先设计的规则完成特定任务。

2. System Prompt 通常包含哪些内容？

不同 AI 产品的系统提示词差异很大，但通常可以从以下几个方面理解。

第一，身份设定。

告诉 AI 自己是什么角色。

例如：

你是一名专业的软件开发助手。
你是一名擅长分析资料的研究助手。
你是一名专业的编程教师。
你是一名帮助用户处理办公任务的智能助手。

身份设定能够帮助模型明确自己的主要工作方向。

第二，任务目标。

规定 AI 主要负责完成什么工作。

例如，某个 AI 编程助手可能需要负责：

理解用户提出的开发需求；
分析现有代码；
查找项目中的相关文件；
编写或修改程序；
检查代码是否存在问题；
向用户解释修改结果。

这让 AI 不再局限于生成一段文字，而是能够围绕一个完整目标开展工作。

第三，行为规范。

规定 AI 应该如何回答和执行任务。

例如：

回答问题时尽量准确、清晰；
不确定的信息不能随意编造；
修改代码前先了解现有项目结构；
尽可能保持原有代码风格；
完成操作后说明修改了哪些内容。

第四，工具使用规则。

这是很多 AI Agent 和编程助手中比较重要的一部分。

部分 AI 产品不仅能够生成文本，还可以调用外部工具，例如：

读取文件；
搜索网页；
执行终端命令；
修改代码；
调用接口；
查询数据库；
运行测试程序。

系统提示词可能会对这些工具的使用方式进行说明，让模型知道什么时候可以调用工具、调用时需要提供什么参数，以及如何处理工具返回的结果。

第五，安全限制。

开发者还可以通过系统指令规定 AI 的操作边界。

例如，不允许随意泄露用户数据，不允许未经授权执行危险操作，或者要求在执行某些敏感操作前征求用户同意。

需要注意的是，系统提示词并不是绝对可靠的安全防线。真正的安全机制还需要结合程序权限、访问控制、工具校验等措施。

3. 为什么不同 AI 产品需要不同的 System Prompt？

同样使用大型语言模型，不同产品的实际表现也可能差异很大。

原因之一就是它们面向的用户和任务不同。

例如：

ChatGPT 更偏向通用对话、知识问答、内容创作和多种任务协助。
Cursor 更关注代码编辑、项目理解和软件开发。
Claude Code 更关注通过终端和工具完成编程任务。
Perplexity 更强调搜索信息、整理资料和提供来源。
Replit 更关注在线开发环境和应用构建。
Devin 更侧重自主执行软件工程任务。

这些产品可能使用不同的模型，也可能采用不同的系统提示词、工具接口、上下文管理方式和任务执行流程。

因此，研究它们的系统提示词，可以帮助我们理解不同 AI 产品是如何围绕特定场景进行设计的。

不过需要强调：System Prompt 只是影响 AI 行为的因素之一，并不能单独决定一个 AI 产品的全部能力。模型本身、工具系统、上下文窗口、程序逻辑和运行环境同样重要。

三、这个 GitHub 项目具体收录了什么？

这个仓库最值得关注的地方，就是它并不局限于某一家 AI 公司，而是尝试整理多个不同厂商、不同用途的 AI 产品资料。

从仓库当前的目录结构来看，主要可以看到以下几个类别。

1. AI 编程助手相关资料

这是整个项目中比较重要的内容之一。

随着 AI 编程技术的发展，越来越多的软件开发工具开始集成大语言模型，让 AI 帮助开发者理解代码、修改文件、编写程序和完成开发任务。

仓库中收录了多个知名 AI 编程产品的资料，例如：

产品名称	主要用途
Cursor	AI 辅助代码编辑与软件开发
Windsurf	AI 驱动的集成开发环境
Claude Code	通过终端和工具辅助完成编程任务
Devin AI	自主执行软件开发任务的 AI Agent
Replit	在线编程、应用开发与部署
Trae	AI 辅助软件开发工具
Augment Code	面向大型代码库的 AI 编程辅助
CodeBuddy	AI 编程与开发辅助工具
Kiro	AI 驱动的规范化软件开发环境
Junie	AI 编程代理与开发辅助工具
Qoder	AI 编程与代码理解工具
Warp	集成 AI 能力的终端工具

这些工具虽然都与 AI 编程有关，但产品定位并不完全相同。

例如，Cursor 更像是把 AI 深度集成到代码编辑器中；Claude Code 则更强调通过终端、文件和工具完成开发任务；Replit 则把在线开发环境、AI 辅助编程和应用运行结合起来。

通过查看它们在仓库中收录的相关提示词和配置，开发者可以观察不同产品如何定义 AI 的角色、任务流程以及工具调用方式。

2. AI 搜索与信息处理工具

除了编程助手，仓库还包含一些面向信息搜索、资料整理和日常工作的 AI 产品。

例如：

产品名称	主要用途
Perplexity	AI 搜索与资料研究
Notion AI	笔记、文档和知识管理辅助
Manus	AI Agent 与多步骤任务执行
Comet	AI 浏览器与信息交互
Dia	AI 浏览器相关产品
Poke	AI 助手与任务交互

这些产品与传统聊天机器人有一定区别。

传统聊天机器人通常需要用户主动输入问题，再由模型生成回答。

而 AI 搜索和智能体类产品，往往还会结合网页搜索、信息提取、浏览器操作、外部服务等能力，让 AI 能够围绕一个目标完成更多步骤。

例如，用户希望研究某个行业，AI 可能需要先搜索资料，再阅读网页、提取关键信息，最后整理成一份研究报告。

这类产品的系统提示词通常不仅涉及回答方式，还会涉及任务拆解、信息获取、工具调用以及结果整理等内容。

3. 其他 AI 产品与开源提示词

除了上述分类，仓库还设置了专门的开放提示词目录，以及其他产品相关目录。

例如：

Open Source prompts：开放的提示词及相关资料。
Anthropic：与 Anthropic 相关的 AI 产品资料。
Google：与 Google 相关的 AI 产品资料。
v0：AI 驱动的网页和界面生成工具。
Lovable：通过自然语言构建应用的 AI 工具。
Emergent：AI 应用开发相关工具。

这些资料可以帮助研究者从不同产品和技术方向了解 AI 应用的设计方式。

需要说明的是，仓库目录名称代表项目整理的资料类别，并不意味着目录中的每份内容都由对应 AI 厂商官方发布或授权。

4. 内部工具和模型相关资料

项目名称中除了 System Prompts，还包含 Models 和 Internal Tools。

这意味着它的整理范围并不只是提示词文本。

在不同目录中，还可能出现与 AI 产品工具定义、模型信息、功能配置和工作流程相关的资料。

这里需要先理解三个概念：

System Prompt：系统提示词。

主要负责向 AI 说明身份、任务、规则和行为要求。

Internal Tools：内部工具定义。

可以理解为 AI 应用为模型提供的功能接口，例如文件读取、网页搜索、终端执行、代码编辑等。

这些工具通常由产品开发者实现，模型需要按照规定的格式请求调用，真正的操作由外围程序执行。

Models：模型相关信息。

主要涉及 AI 产品所使用或关联的模型信息，以及能够从资料中观察到的模型配置等内容。

这三个部分结合起来，就能够帮助我们从不同角度理解一款 AI 产品的运行方式。

四、System Prompt、Prompt 和 AI Agent 有什么区别？

如果你是刚接触 AI 的新手，很容易把这几个概念混在一起。

它们之间存在联系，但并不是同一个东西。

1. Prompt：用户给 AI 的提示词

Prompt 是一个比较宽泛的概念，通常指用户提供给 AI 的输入内容或任务要求。

例如：

帮我写一份产品介绍，要求语言通俗，适合普通用户阅读。

这就是一个 Prompt。

它可以很简单，也可以非常复杂。

2. System Prompt：系统级指令

System Prompt 是 AI 应用在系统层面提供的指导信息。

例如，一个 AI 写作工具可能会在系统层面要求模型：

以专业编辑的身份工作；
使用清晰易懂的语言；
优先保证信息准确；
不随意编造数据；
按照指定格式输出文章。

用户不一定能够看到这些指令，但它们可能会影响模型的回答方式。

3. Developer Prompt：开发者指令

Developer Prompt 通常是由应用开发者设置的指令，用来规定 AI 在具体产品或任务中的行为。

例如：

某个客服机器人需要遵守公司的业务规则，不能随意承诺退款，也不能提供未经确认的产品信息。

开发者可以通过指令向模型说明这些要求。

不同模型和 API 对消息角色及指令优先级的实现有所不同，不能简单认为所有产品都采用完全一致的结构。

4. AI Agent：能够围绕目标执行任务的智能体

AI Agent 通常被翻译为人工智能智能体或 AI 代理。

它与普通聊天机器人最大的区别，在于它不只是生成答案，还可能根据目标规划步骤、调用工具、获取结果，并根据执行情况继续调整行动。

例如，用户提出：

帮我创建一个简单的个人网站。

普通聊天模式可能会直接生成 HTML 和 CSS 代码。

而具备 Agent 能力的开发工具可能会：

分析用户的网站需求。
制定页面结构。
查看当前项目文件。
创建网页文件。
编写 HTML、CSS 和 JavaScript。
运行项目。
检查页面是否存在错误。
根据反馈继续修改。
最后向用户说明完成情况。

在这个过程中，System Prompt 可以负责指导 Agent 的行为，工具接口负责提供实际操作能力，模型负责理解需求、推理和生成调用请求。

可以简单理解为：

Prompt：告诉 AI 这一次要做什么。
System Prompt：告诉 AI 平时应该按照什么规则工作。
Developer Prompt：告诉 AI 在当前应用中必须遵守哪些开发者要求。
AI Agent：让 AI 能够围绕目标规划并执行多个步骤。

五、为什么 AI 编程工具需要这么多系统提示词？

很多新手可能会认为，AI 编程工具不就是在聊天窗口里增加一个代码生成功能吗？

实际上，成熟的 AI 编程工具通常比普通聊天机器人复杂得多。

因为真正的软件开发不只是写代码，还涉及理解项目、分析依赖、读取文件、修改代码、执行命令和测试结果。

1. AI 必须先理解当前项目

假设你正在开发一个网站，项目中包含：

首页文件；
用户登录模块；
数据库配置；
后台管理页面；
CSS 样式文件；
JavaScript 代码；
第三方依赖库。

当你要求 AI 修改登录页面时，它不能只生成一段孤立的 HTML。

它需要先了解当前项目使用什么框架、登录逻辑在哪里、页面样式如何组织，以及修改是否会影响其他功能。

因此，AI 编程工具需要具备读取文件、搜索代码和分析项目结构的能力。

系统提示词可能会指导模型在修改代码之前先了解相关文件，而不是盲目地直接写入内容。

2. AI 必须知道如何使用工具

假设你要求 AI：

帮我检查项目中有没有未使用的代码。

AI 可能需要执行以下操作：

搜索项目文件；
读取源代码；
分析函数和变量的引用关系；
检查依赖；
汇总可能没有使用的代码。

这些步骤通常需要工具配合。

例如，AI 可能会请求调用文件搜索工具，再读取工具返回的内容，然后根据结果决定下一步操作。

因此，AI 编程产品需要为模型定义可用工具，以及这些工具的参数和使用规则。

3. AI 必须处理执行失败的情况

程序开发过程中经常会遇到错误。

例如：

代码语法错误；
依赖安装失败；
文件路径不存在；
运行环境配置不正确；
接口返回异常；
测试未通过。

优秀的 AI 编程助手不能只在生成代码后就结束工作。

它还需要根据运行结果分析问题，决定是否需要继续修改。

这也是为什么很多 AI 编程工具会包含错误处理、任务检查和执行反馈方面的设计。

4. AI 必须知道什么时候应该停止

AI Agent 如果拥有较高的工具权限，就需要明确的操作边界。

例如，删除文件、修改数据库、执行系统命令等操作，都可能造成实际影响。

因此，产品通常需要通过提示词和程序层面的权限控制，限制模型能够执行的操作。

这不仅关系到使用体验，也关系到数据安全和系统稳定性。

通过研究这个项目中的相关资料，开发者可以更直观地认识到：一个成熟的 AI 编程工具，背后往往需要大量规则、工具接口和任务流程配合，而不只是一个简单的聊天框。

六、普通用户如何使用这个项目？

虽然项目主要面向 AI 技术研究者和开发者，但没有编程基础的普通用户同样可以浏览其中的内容。

最重要的是，不要一开始就试图看懂所有文件。

建议按照下面的方法逐步了解。

第一步：打开 GitHub 项目主页

首先访问项目地址：

https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools

进入页面后，可以看到项目简介、Star 数量、Fork 数量以及仓库文件列表。

如果你没有 GitHub 账号，也可以直接浏览公开仓库中的文件，通常不需要登录。

第二步：了解仓库目录结构

进入项目主页后，向下找到文件列表。

这里会按照不同 AI 产品或技术类别划分文件夹。

例如：

Cursor Prompts
Claude Code 相关目录
Devin AI
Perplexity
Replit
Windsurf
Open Source prompts
Google
Anthropic

不同文件夹对应不同产品或资料类别。

如果你平时使用某个 AI 工具，可以优先进入对应的目录，不必从头到尾浏览整个项目。

第三步：选择感兴趣的 AI 产品

对于初学者，建议从自己熟悉的产品开始。

例如：

如果你平时使用 Cursor，可以先研究 Cursor 相关资料。

如果你经常使用 Claude，可以查看 Anthropic 或 Claude Code 相关目录。

如果你对 AI 搜索比较感兴趣，可以先浏览 Perplexity 相关内容。

这样能够把资料和自己的实际使用体验联系起来，更容易理解。

第四步：打开文件查看提示词

进入对应目录后，可以看到项目收录的文件。

点击其中一个文件，GitHub 通常会直接显示文本内容。

如果文件是 Markdown 格式，页面会按照标题、段落、列表和代码块等形式展示。

如果是 JSON 或其他配置格式，则可能需要具备一定的技术知识才能完整理解。

刚开始阅读时，建议重点关注以下内容：

AI 被赋予了什么角色？
它主要负责完成哪些任务？
它需要遵守什么规则？
它能够使用哪些工具？
它如何处理用户提出的复杂需求？
它有哪些限制和安全要求？

不需要一开始就理解每一行内容。

先弄清楚整体结构，再逐步研究细节，会容易很多。

第五步：利用浏览器翻译功能阅读

部分系统提示词可能使用英文编写。

如果你不熟悉英语，可以使用浏览器自带的网页翻译功能。

以 Chrome 浏览器为例：

打开 GitHub 文件页面。
在网页空白处点击鼠标右键。
选择翻译为中文。
阅读翻译后的内容。

需要注意，浏览器翻译对于普通文本比较方便，但对代码、JSON 配置、工具参数和特殊技术术语的翻译可能不够准确。

建议保留英文原文，遇到关键技术字段时结合原文理解，不要直接把翻译后的配置内容当成可以运行的代码。

第六步：使用 AI 帮助解释复杂内容

如果你完全没有编程基础，也可以把公开文件中的部分文本复制到 ChatGPT 或其他 AI 助手中，让 AI 帮助解释。

例如，可以使用下面的提问方式：

我是一个没有编程基础的 AI 初学者，下面是一段来自 Cursor 的系统提示词。请你按照新手能够理解的方式解释它，重点说明每一部分的作用、涉及的技术概念，以及它对 AI 编程助手行为有什么影响。遇到专业术语时，请使用生活中的例子进行说明。

也可以进一步询问：

请帮我分析这段提示词中定义了哪些工具，每个工具有什么用途，AI 在什么情况下可能调用它们？

或者：

请对比这份提示词和另一款 AI 编程工具的提示词，分析它们在任务规划、工具调用和代码修改方面有什么区别。

通过这种方式，即使没有开发经验，也能逐步理解 AI 产品背后的设计思路。

第七步：下载项目到本地（可选）

如果你希望系统地研究整个项目，也可以将仓库下载到自己的电脑。

GitHub 提供了比较简单的下载方式：

打开项目主页。
找到页面中的绿色 Code 按钮。
点击 Download ZIP。
等待压缩包下载完成。
解压到电脑中的文件夹。
使用 VS Code、Cursor 或其他文本编辑器打开。

如果你已经安装 Git，也可以通过命令行克隆仓库：

git clone https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools.git

克隆完成后，进入项目目录，就可以查看其中的文件。

对于普通用户来说，在线浏览已经足够；只有需要批量检索、分析大量文件或参与项目研究时，才有必要下载到本地。

七、如何通过这个项目学习 AI 技术？

这个项目真正有价值的地方，不只是让你看到某个 AI 产品的提示词，而是让你有机会通过不同产品的资料，理解 AI 应用是如何构建的。

如果你想借助它学习 AI，建议从以下几个方向入手。

1. 学习提示词工程（Prompt Engineering）

提示词工程是通过设计和优化输入指令，让 AI 更好地理解任务并输出符合预期结果的方法。

例如，普通用户可能只会输入：

帮我写一个网站。

但经过优化后，可以写成：

请使用 HTML、CSS 和 JavaScript 创建一个响应式个人主页。页面包含个人介绍、技能展示、项目经历和联系方式。要求代码结构清晰，适配桌面端和手机端，并对关键代码添加注释。

两者相比，后者给出了更加明确的任务目标、技术要求和输出标准。

研究不同 AI 产品的系统提示词，可以帮助你学习：

如何定义 AI 的角色；
如何拆分复杂任务；
如何规定输出格式；
如何设计行为规则；
如何减少模糊指令；
如何让 AI 按照指定流程完成工作。

这些技巧不仅适用于开发者，对日常使用 ChatGPT、Claude 等工具的普通用户也有帮助。

2. 学习 AI Agent 的工作机制

如果你希望进一步了解 AI Agent，可以重点观察那些具有工具调用能力的产品。

例如 Claude Code、Devin 和 Manus。

阅读相关资料时，可以关注：

AI 如何理解用户目标；
如何将复杂任务拆分为多个步骤；
如何决定调用哪种工具；
如何获取工具执行结果；
如何根据反馈调整下一步行动；
如何判断任务是否完成。

通过这些内容，可以逐步建立对 AI Agent 的整体认识。

需要注意，阅读提示词只能帮助你了解部分设计逻辑，并不能完整还原产品的实际运行机制。很多关键能力还依赖模型、程序代码和外部运行环境。

3. 学习 AI 编程工具的产品设计

如果你打算开发一款 AI 编程助手，或者只是希望了解 Cursor、Windsurf 等产品为什么能够帮助用户修改代码，那么这个仓库也具有参考价值。

可以尝试对比几款工具：

它们如何定义 AI 的角色？
它们如何描述项目上下文？
它们提供了哪些工具？
它们如何处理文件修改？
它们如何反馈执行结果？
它们如何限制危险操作？

对比之后，你会发现，AI 编程工具之间的差异不只是使用了不同的大模型，还涉及产品架构、交互设计、工具系统和任务执行策略。

4. 学习如何开发自己的 AI 助手

如果你已经具备一定的编程基础，可以进一步尝试开发自己的 AI 应用。

例如，你可以构建一个简单的 AI 文档助手。

它需要具备以下能力：

接收用户输入的问题。
读取指定文档。
根据文档内容回答问题。
对回答进行格式整理。
在必要时说明信息来源。

在设计这个应用时，你就需要考虑如何编写系统提示词、如何向模型提供上下文、如何定义工具，以及如何处理模型输出。

如果继续扩展，还可以加入网页搜索、文件管理和数据库查询等功能。

这个项目能够为你提供一些成熟 AI 产品的设计参考，但不能直接代替完整的开发教程。

八、这个项目适合哪些人使用？

虽然项目中的部分资料具有较强的技术属性，但它的适用人群并不局限于专业程序员。

1. AI 工具爱好者

如果你平时喜欢尝试各种 AI 产品，那么这个仓库可以帮助你进一步了解这些产品背后的设计思路。

你不仅可以体验 AI 工具，还可以研究它们是如何被设计出来的。

2. AI 编程初学者

如果你正在学习 Cursor、Claude Code、Windsurf 或其他 AI 编程工具，可以通过阅读相关资料了解 AI 编程助手的工作方式。

不过，如果你完全没有编程基础，建议先学习基本的代码概念，再逐步阅读复杂的提示词和工具定义。

3. 提示词工程师

对于经常设计 Prompt、优化 AI 工作流程的人来说，这个仓库提供了大量值得观察的案例。

你可以对比不同产品的角色定义、任务约束、输出规范和工具调用要求，从中总结适合自己业务场景的设计思路。

4. AI 应用开发者

如果你正在开发聊天机器人、AI Agent、AI 编程助手或其他智能应用，可以将这个项目作为技术研究资料。

通过参考不同产品的系统提示词和工具设计，你可以了解成熟 AI 应用在实际开发中可能涉及的功能模块。

5. 对 AI 技术感兴趣的普通用户

如果你只是想弄明白 AI 为什么能够完成复杂任务，也可以浏览这个项目。

虽然部分内容比较专业，但只要选择自己熟悉的 AI 产品，再结合 AI 助手解释，就能够逐步了解相关概念。

九、这个项目有什么优点？

1. 收录的 AI 产品比较丰富

项目并没有只关注某一家 AI 公司，而是涵盖了多个知名 AI 产品。

对于希望横向比较不同产品的用户来说，这种集中整理的方式比较方便。

2. 可以直接查看公开资料

仓库托管在 GitHub 上，用户通常可以直接通过浏览器访问文件。

不需要购买会员，也不需要注册专门的服务账号才能阅读公开内容。

3. 适合技术研究与学习

与一般的 AI 使用教程相比，系统提示词和工具定义能够提供更接近产品内部设计的观察材料。

对于想要了解 AI 应用开发原理的人来说，具有一定的学习价值。

4. 具有社区参与和更新机制

作为 GitHub 上的公开项目，用户可以通过 Star、Fork、Issue 和 Pull Request 等方式参与社区活动。

如果发现资料缺失、内容错误或者有新的研究成果，也可以按照项目规则反馈或提交贡献。

5. 能够帮助开发者拓宽思路

通过观察不同 AI 产品的实现思路，开发者可以发现同一种任务可能存在不同的设计方案。

例如，完成代码修改任务，可以采用不同的上下文组织方式、工具调用策略和结果验证流程。

这些对比有助于拓宽 AI 应用开发的思路。

十、使用这个项目时需要注意什么？

这个项目虽然具有较高的研究价值，但也有一些容易被忽略的问题。

1. 收录的提示词不一定是官方公开版本

这是最重要的一点。

项目名称中包含 System Prompts，容易让人误以为仓库中的所有内容都是 AI 厂商主动公开的官方系统提示词。

实际上，公开收集的提示词可能来自公开资料、产品运行过程中的观察、研究人员整理或其他渠道。

因此，不应该把仓库中的每一份文件都视为经过官方确认的完整原始版本。

2. 提示词可能已经过时

AI 产品更新非常频繁。

同一款产品可能在不同版本中更换模型、调整工具、修改系统提示词，甚至彻底改变原有的工作机制。

因此，即使某份资料曾经准确，也不意味着它能够代表产品当前的真实状态。

如果你需要研究某个产品的最新功能，建议同时查看对应产品的官方文档和更新说明。

3. 阅读提示词不等于掌握完整技术

很多人看到一份复杂的系统提示词，就认为自己已经掌握了某个 AI 产品的内部实现方式。

实际上，这种理解并不准确。

系统提示词只是整个 AI 应用中的一个组成部分。

真正运行一个 AI 产品，还需要模型、程序代码、工具接口、运行环境、数据管理以及权限控制等多个部分配合。

因此，不能单纯依靠复制一份提示词，就认为能够完整复刻 Cursor、Claude Code 或 Devin。

4. 不要随意复制到商业项目中

如果你计划将仓库中的内容用于自己的商业项目，需要先了解项目的许可证，以及具体文件是否存在额外的版权、授权或使用限制。

该仓库标注了 GPL-3.0 许可证，但这不代表其中所有第三方材料都可以不受限制地复制、重新发布或用于商业用途。

尤其是涉及第三方产品资料、商标和可能存在权利争议的内容时，应当进一步核实来源和授权情况。

5. 不要盲目执行仓库中的代码

如果你下载了项目，发现其中存在脚本、配置文件或其他可执行内容，不要因为它来自一个热门 GitHub 仓库就直接运行。

建议先检查文件内容，确认用途和来源，再决定是否执行。

如果只是为了研究提示词，通常直接阅读文本文件就足够了，没有必要执行不熟悉的程序。

6. 不要将系统提示词当成安全漏洞利用教程

系统提示词研究本身具有正当的技术学习价值，但它也涉及 AI 系统的安全问题。

例如，提示词泄露、Prompt Injection（提示词注入）和工具权限滥用等，都可能带来安全风险。

研究这些内容时，应以理解技术原理、提高系统安全性和改善 AI 应用设计为目的，不要利用相关资料尝试窃取他人数据或绕过未经授权的访问控制。

十一、GitHub 上的 Star、Fork、Issue 都是什么意思？

如果你是第一次使用 GitHub，可能还不太理解项目主页上的各种按钮。

这里简单介绍几个常见概念。

Star：收藏项目

Star 可以理解为给项目点一个赞，同时也方便以后在自己的 GitHub 账号中找到它。

如果你觉得这个 AI 提示词资料库有研究价值，可以点击项目主页右上角的 Star。

Fork：复制项目

Fork 是将别人的公开仓库复制到自己的 GitHub 账号下。

例如，你想在原项目基础上整理一份中文版本，或者增加自己收集的资料，就可以先 Fork，然后在自己的仓库中进行修改。

Fork 不会直接修改原作者的仓库。

Issue：提交问题或建议

Issue 是 GitHub 提供的问题反馈和讨论功能。

如果你发现某份资料存在问题，或者希望项目增加某个 AI 产品，可以通过 Issue 提交反馈。

Pull Request：提交代码或资料修改

如果你 Fork 了项目，并且在自己的仓库中进行了修改，就可以通过 Pull Request 向原作者提交合并请求。

原作者可以检查你的修改，并决定是否接受。

README：项目说明文件

README 通常是一个 GitHub 仓库的介绍页面。

它一般包含项目简介、安装方式、使用方法、注意事项和相关链接。

不过，这个仓库的 README 内容相对简洁，具体的资料主要分布在各个文件夹中。

对于初学者来说，真正值得花时间浏览的是项目目录和其中的具体文件。

十二、如何进一步了解 AI 系统提示词？

如果你通过这个项目对 System Prompt 产生了兴趣，可以按照以下学习路线继续深入。

第一阶段：先学会使用 AI。

建议先熟悉 ChatGPT、Claude 等通用 AI 助手，了解如何提出问题、提供上下文和优化提示词。

第二阶段：学习提示词工程。

掌握角色设定、任务拆解、输出格式、约束条件和示例引导等基础方法。

第三阶段：了解大语言模型的工作方式。

学习 Token、上下文窗口、模型推理、API 和消息角色等基本概念。

第四阶段：了解工具调用。

学习 AI 如何调用网页搜索、文件读取、数据库查询和其他外部工具。

第五阶段：学习 AI Agent。

进一步了解任务规划、执行循环、工具反馈、上下文管理和结果验证。

第六阶段：尝试开发自己的 AI 应用。

可以从简单的 AI 聊天机器人开始，再逐步加入文件读取、知识库、网页搜索和自动化任务等功能。

通过这样的学习过程，你就能从普通 AI 使用者逐步转变为能够理解 AI 应用设计和开发原理的人。

十三、常见问题解答（FAQ）

Q1：System Prompts and Models of AI Tools 是什么网站？

它不是传统意义上的网站服务，而是托管在 GitHub 上的开源资料收集项目。

主要整理不同 AI 产品的系统提示词、内部工具和模型相关资料，供开发者和 AI 爱好者研究学习。

Q2：这个项目可以免费使用吗？

仓库是公开的，普通用户通常可以免费浏览和下载公开文件。

但具体资料的复制、修改、再分发和商业使用，需要遵守适用的许可证及相关权利要求。

Q3：没有编程基础可以使用吗？

可以。

如果只是浏览项目、查看提示词和了解 AI 产品的设计思路，并不需要编程基础。

不过，部分文件包含 JSON、工具参数和技术配置，想要深入理解这些内容，还是需要学习一些基础知识。

Q4：这个项目可以直接生成 AI 吗？

不可以。

它不是 AI 模型，也不是聊天机器人，更不是可以直接部署使用的完整 AI 应用。

它主要提供技术研究资料。

如果想要真正使用 AI，需要访问对应 AI 产品，或者使用模型 API 和相关开发框架。

Q5：可以直接复制里面的提示词到 ChatGPT 使用吗？

可以将公开的提示词作为学习和实验材料，但不一定能够获得与原产品相同的效果。

原因在于，不同 AI 产品可能使用不同模型、工具接口和运行环境。

某些提示词还可能依赖特定工具或内部程序，单纯复制文本无法实现对应功能。

Q6：为什么 Cursor 和 Claude Code 的提示词不一样？

因为它们的产品定位、开发环境、工具能力和任务执行方式存在差异。

即使使用相似的大语言模型，也可能采用不同的系统指令和工具设计。

因此，系统提示词需要根据具体产品的功能进行调整。

Q7：项目中的提示词一定是真实的吗？

不能一概而论。

不同资料的来源和可靠性可能不同，有些内容可能来自公开信息或研究人员整理，也可能只是某个版本的观察结果。

建议将其视为技术研究参考，而不是厂商官方确认的完整内部文件。

Q8：如何找到自己想要的 AI 产品资料？

进入 GitHub 仓库后，可以直接查看目录，也可以使用 GitHub 页面上的文件搜索功能。

如果知道产品名称，可以使用浏览器搜索：

Cursor site:github.com/x1xhlol/system-prompts-and-models-of-ai-tools

将 Cursor 替换成自己感兴趣的 AI 产品名称即可。

Q9：可以将这个项目用于学习 Prompt Engineering 吗？

可以，而且比较适合用来观察不同产品的提示词设计方式。

建议不要只复制提示词，而是尝试分析每一段指令的目的，理解它为什么这样设置，以及它可能对模型行为产生什么影响。

Q10：项目是否会持续更新？

仓库具有持续提交和社区贡献机制，维护者也会根据项目进展更新内容。

不过，具体更新频率和未来收录范围无法保证，建议通过 GitHub 仓库的 Commits、Issues 和 Releases（如果有）关注后续变化。

十四、总结：为什么值得收藏这个 AI 资料库？

System Prompts and Models of AI Tools 是一个比较有研究价值的 AI 开源资料项目。

它将不同 AI 产品的系统提示词、工具定义和模型相关资料集中整理，让开发者和普通 AI 爱好者能够从更深入的角度认识人工智能产品。

如果你平时只是使用 ChatGPT、Cursor、Claude、Windsurf 等工具，可能只会关注它们能帮你完成什么任务。

而通过这个项目，你可以进一步了解这些工具为什么能够完成这些任务，以及开发者可能通过哪些系统指令和工具机制实现相关功能。

对于普通用户，它是一个了解 AI 技术的资料入口；对于提示词爱好者，它提供了大量可供研究的案例；对于 AI 应用开发者，它则可以作为研究系统提示词、工具调用和 Agent 设计的参考资料。

当然，需要明确的是，阅读系统提示词并不能直接还原一个完整的 AI 产品。它更大的价值在于帮助我们理解 AI 应用的设计理念，并为自己的学习和开发提供参考。

如果你对 AI 技术、Prompt Engineering、AI Agent 或 AI 编程工具感兴趣，这个项目值得收藏。

项目名称： System Prompts and Models of AI Tools

项目类型： GitHub 开源 AI 技术资料库

主要内容： AI 系统提示词、内部工具、模型相关资料

适合人群： AI 爱好者、提示词学习者、程序员、AI 应用开发者

项目地址： https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools

建议将它作为一个长期学习和研究资料库使用，遇到感兴趣的 AI 产品时，可以随时进入对应目录查看相关内容。

文章资讯 # Ai提示词

文章版权归作者所有，未经允许请勿转载。

暂无评论

暂无评论...