您现在的位置是：网站首页>军事军事

电玩城手摇钓鱼机技巧

王听白 2025-05-14 【军事】 4917 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❸，结果被卡帕西大神当场抓虫⑪？⑤！

事情是这样的⑧。

一夜之间⑨，近1.7万字系统提示词——包含24000个token⑭，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⑧！

这事儿一出⑭，网友蜂拥而至速速围观⑫，甚至亲切地称呼这次意外泄漏事件是提示技术的金矿⑰。

就在此时❷，大神卡帕西发现了华点：LLM学习缺少主要范式⑨？

随即他提出系统提示学习新范式——模拟人类经验积累过程⑭，将系统提示嵌入权重❷。

简单总结一下⑯，就是模拟人类学习⑩，为LLM提供备忘录功能③，让LLM拥有自主反思用户问题的“记忆”功能⑭，记录通用的问题解决知识和策略⑲。

新范式一石激起千层浪⑱，有人表示赞同④，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⑮，认为允许模型自己编写提示会使模型更加混乱❸，也无法保证模型不会错误地理解提示④。

具体是怎么一回事呢⑦？别急⑲，接下来让我们一起来回顾整个事件④。

Claude系统提示词曝光

据揭露▓，完整的Claude系统提示词包含16739个字①，也就是110kb⑤。相比之下⑳，ChatGPT中的OpenAI的o4-mini的系统提示仅有2218个字⑨，约为Claude的13%⑨。

具体内容也相当有趣❷，不仅详细阐述了Claude基本的行为风格和偏好⑬，还包含了大量全局的问题解决策略⑮，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❶，类似于LLM的“设置”选项②，定义用哪种语气回应⑭，以及补充训练数据中所没有的上下文信息❸。

以下是Claude的提示组件构成：

其中最大的组件是工具定义❸，由MCP服务器进行信息填充▓。与标准的API不同⑬，MCP向LLM提供关于指令的详细说明教程⑱。

此外⑨，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④。

在提示词文档的最后还包含一些热修复⑯，指出了常见的LLM陷阱❶，例如关于川普的总统就职信息：

根据该提示⑧，Claude的可靠知识截止于2024年10月④，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①，Karpathy火速发表了一篇小作文——LLM学习缺乏主要范式⑮，并称之为系统提示学习③。

传统学习范式基于强化学习⑪、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▓，实际并不理解用户输入①。

新范式与强化学习类似④，但采用直接编辑提示而非梯度下降的学习算法⑭。

其强调构建系统提示符供自身使用⑧，让预处理获取知识⑥、微调塑造行为习惯⑦、系统提示学习制定策略⑭，使LLM可以根据实时反馈和情景需求调整和完善响应策略⑪。

举个栗子①，现在的LLM就像电影《记忆碎片》的主人公⑩，只有短期的碎片记忆⑳，无法形成新的长期记忆⑲。

而新范式仿照正常人类学习过程⑬，即当你遇到一些问题并尝试解决后❶，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②，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⑨。

通过经验-明确的策略-习惯性权重的流程②，LLM可以像人类一样记笔记⑫，将知识转化为直觉⑰，达成实践学习⑦、逻辑推理的范式转变⑩。

利用系统提示学习可以有效实现测试时间训练⑬，同时始终可以被人类审查⑦，并且保证更少的安全隐患⑨。

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③，将超越传统学习范式的边界⑤，为真正的自我迭代乃至于AGI提供了可能⑧。

当然⑤，Karpathy也明确指出新范式的实现还有更多有待解决的细节⑦，例如编辑系统的运行问题⑫、知识如何从显性系统文本转变为习惯性权重等⑦。

对此⑰，广大网友展开了激烈的讨论⑮。

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❷。

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

那么你的看法是什么呢①？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③！

随机图文