您现在的位置是：网站首页>军事军事

电玩城破解器

李雁玉 2025-05-13 【 军事】 4287 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❷，结果被卡帕西大神当场抓虫⑪？⑰！

事情是这样的⑥。

一夜之间⑬，近1.7万字系统提示词——包含24000个token⑧，详细定义了模型行为④、工具使用和引用格式…..全部细节直接在GitHub上被泄露了⑧！

这事儿一出⑥，网友蜂拥而至速速围观⑧，甚至亲切地称呼这次意外泄漏事件是提示技术的金矿⑯。

就在此时①，大神卡帕西发现了华点：LLM学习缺少主要范式⑥？

随即他提出系统提示学习新范式——模拟人类经验积累过程❸，将系统提示嵌入权重⑩。

简单总结一下⑭，就是模拟人类学习❷，为LLM提供备忘录功能⑫，让LLM拥有自主反思用户问题的“记忆”功能⑥，记录通用的问题解决知识和策略②。

新范式一石激起千层浪⑰，有人表示赞同▓，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❸，认为允许模型自己编写提示会使模型更加混乱⑰，也无法保证模型不会错误地理解提示❶。

具体是怎么一回事呢▓？别急⑤，接下来让我们一起来回顾整个事件⑪。

Claude系统提示词曝光

据揭露⑦，完整的Claude系统提示词包含16739个字⑥，也就是110kb❶。相比之下③，ChatGPT中的OpenAI的o4-mini的系统提示仅有2218个字▓，约为Claude的13%⑭。

具体内容也相当有趣▓，不仅详细阐述了Claude基本的行为风格和偏好❷，还包含了大量全局的问题解决策略❷，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▓，类似于LLM的“设置”选项③，定义用哪种语气回应⑤，以及补充训练数据中所没有的上下文信息⑪。

以下是Claude的提示组件构成：

其中最大的组件是工具定义⑨，由MCP服务器进行信息填充②。与标准的API不同⑨，MCP向LLM提供关于指令的详细说明教程❷。

此外❸，其余提示近80%的内容都与工具有关⑧，都详细说明了在与用户的交互场景中Claude是如何作用的⑲。

在提示词文档的最后还包含一些热修复⑮，指出了常见的LLM陷阱②，例如关于川普的总统就职信息：

根据该提示⑦，Claude的可靠知识截止于2024年10月⑮，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⑱。

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④，Karpathy火速发表了一篇小作文——LLM学习缺乏主要范式❸，并称之为系统提示学习⑦。

传统学习范式基于强化学习④、监督学习等预设框架被动优化❶，问题的解决只依赖于强化学习嵌入权重⑰，实际并不理解用户输入⑩。

新范式与强化学习类似❷，但采用直接编辑提示而非梯度下降的学习算法⑤。

其强调构建系统提示符供自身使用❸，让预处理获取知识⑳、微调塑造行为习惯⑮、系统提示学习制定策略❸，使LLM可以根据实时反馈和情景需求调整和完善响应策略❸。

举个栗子⑧，现在的LLM就像电影《记忆碎片》的主人公⑯，只有短期的碎片记忆⑪，无法形成新的长期记忆❸。

而新范式仿照正常人类学习过程⑦，即当你遇到一些问题并尝试解决后⑧，你也许会用专属于你的“系统提示”记住解决策略⑧，在下一次遇到同类问题时①，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❷。

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⑥，将知识转化为直觉⑦，达成实践学习⑱、逻辑推理的范式转变⑫。

利用系统提示学习可以有效实现测试时间训练⑦，同时始终可以被人类审查⑳，并且保证更少的安全隐患⑬。

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❷，为真正的自我迭代乃至于AGI提供了可能❶。

当然⑭，Karpathy也明确指出新范式的实现还有更多有待解决的细节❸，例如编辑系统的运行问题④、知识如何从显性系统文本转变为习惯性权重等❸。

对此⑰，广大网友展开了激烈的讨论⑦。

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❶。

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⑥，让它无法从自身思维中学习⑫，系统提示学习并不能从根本上解决⑰，还需要寻找更为有效的思维模式⑰。

那么你的看法是什么呢⑱？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⑧！

随机图文