您现在的位置是：网站首页>篮球篮球

电玩城模拟器内置菜单破解版

李访蕊 2025-05-14 【篮球】 9342 人已围观

鹭羽 发自 凹非寺量子位 | 公众号 QbitAI

全网刷屏的Claude系统提示词⑬，结果被卡帕西大神当场抓虫⑪？⑥！

事情是这样的④。

一夜之间❶，近1.7万字系统提示词——包含24000个token①，详细定义了模型行为▓、工具使用和引用格式…..全部细节直接在GitHub上被泄露了⑯！

这事儿一出⑤，网友蜂拥而至速速围观⑩，甚至亲切地称呼这次意外泄漏事件是提示技术的金矿④。

就在此时②，大神卡帕西发现了华点：LLM学习缺少主要范式⑩？

随即他提出系统提示学习新范式——模拟人类经验积累过程③，将系统提示嵌入权重⑱。

简单总结一下⑤，就是模拟人类学习⑳，为LLM提供备忘录功能②，让LLM拥有自主反思用户问题的“记忆”功能⑰，记录通用的问题解决知识和策略⑮。

新范式一石激起千层浪⑮，有人表示赞同❷，也有人开始着手分析新范式帮助LLM畅玩Minecraft的可行性：

当然也有人持反对意见❶，认为允许模型自己编写提示会使模型更加混乱⑦，也无法保证模型不会错误地理解提示⑱。

具体是怎么一回事呢⑮？别急❶，接下来让我们一起来回顾整个事件⑰。

Claude系统提示词曝光

据揭露⑪，完整的Claude系统提示词包含16739个字❷，也就是110kb▓。相比之下⑪，ChatGPT中的OpenAI的o4-mini的系统提示仅有2218个字⑩，约为Claude的13%⑬。

具体内容也相当有趣①，不仅详细阐述了Claude基本的行为风格和偏好⑦，还包含了大量全局的问题解决策略❸，例如下面这个解决经典LLM问题“草莓单词里有几个‘r’字母”：

系统提示告诉LLM如何回复用户提示⑬，类似于LLM的“设置”选项⑧，定义用哪种语气回应⑱，以及补充训练数据中所没有的上下文信息▓。

以下是Claude的提示组件构成：

其中最大的组件是工具定义⑩，由MCP服务器进行信息填充▓。与标准的API不同⑳，MCP向LLM提供关于指令的详细说明教程⑥。

此外⑦，其余提示近80%的内容都与工具有关⑬，都详细说明了在与用户的交互场景中Claude是如何作用的⑧。

在提示词文档的最后还包含一些热修复①，指出了常见的LLM陷阱⑥，例如关于川普的总统就职信息：

根据该提示⑬，Claude的可靠知识截止于2024年10月❶，此后发生的事件或新闻都以人为热修复或使用网络搜索工具来补充⑩。

利用系统提示学习构建新范式

在读完Claude系统提示词文档后❶，Karpathy火速发表了一篇小作文——LLM学习缺乏主要范式⑲，并称之为系统提示学习⑱。

传统学习范式基于强化学习⑱、监督学习等预设框架被动优化⑰，问题的解决只依赖于强化学习嵌入权重❷，实际并不理解用户输入⑨。

新范式与强化学习类似⑰，但采用直接编辑提示而非梯度下降的学习算法⑰。

其强调构建系统提示符供自身使用❶，让预处理获取知识⑥、微调塑造行为习惯⑮、系统提示学习制定策略⑧，使LLM可以根据实时反馈和情景需求调整和完善响应策略❷。

举个栗子⑰，现在的LLM就像电影《记忆碎片》的主人公⑧，只有短期的碎片记忆②，无法形成新的长期记忆②。

而新范式仿照正常人类学习过程⑰，即当你遇到一些问题并尝试解决后⑲，你也许会用专属于你的“系统提示”记住解决策略⑤，在下一次遇到同类问题时⑰，你就会自然而然想到：也许你可以泛化使用上次那种解决方案⑫。

通过经验-明确的策略-习惯性权重的流程④，LLM可以像人类一样记笔记③，将知识转化为直觉⑭，达成实践学习⑩、逻辑推理的范式转变⑧。

利用系统提示学习可以有效实现测试时间训练⑭，同时始终可以被人类审查⑥，并且保证更少的安全隐患⑱。

系统提示学习在未来还标志着自主AI系统正在发展自身的计算意识⑫，将超越传统学习范式的边界⑳，为真正的自我迭代乃至于AGI提供了可能❸。

当然⑱，Karpathy也明确指出新范式的实现还有更多有待解决的细节⑤，例如编辑系统的运行问题❶、知识如何从显性系统文本转变为习惯性权重等⑭。

对此⑫，广大网友展开了激烈的讨论⑥。

例如有网友提出可以补充一个记忆层以实现系统提示学习⑫。

也有网友直接抛出了自己在记忆文档方面的研究结果：

也有人质疑LLM缺乏持续学习的本质⑧，让它无法从自身思维中学习⑩，系统提示学习并不能从根本上解决❸，还需要寻找更为有效的思维模式⑦。

那么你的看法是什么呢⑰？欢迎在评论区留言讨论～

系统提示词链接：https://raw.githubusercontent.com/asgeirtj/system_prompts_leaks/refs/heads/main/claude.txt

参考链接：

很赞哦⑳！

随机图文