モデル研究のためのAI Jailブレイク用プロンプトコレクションの使い方

このプロジェクトの概要

AI Jailbreaksは、25種類を超えるAIモデルを対象とした、完全かつそのまま貼り付けて使えるプロンプト35件を厳選してまとめたコレクションです。このリポジトリには、システムプロンプト、ペルソナ定義、ワークスペースポリシー、AGENTS.mdファイル、設定ブロック、Ollama Modelfileが収録されています。

目的は研究と教育です。ペルソナの設定、指示の優先順位、プロンプト間の競合、ポリシーの上書きがモデルの挙動にどのような影響を与えるかを理解するためのものです。これらの概念は、プロンプトインジェクションへの防御策を開発する際にも役立ちます。

このコレクションは責任を持って使用してください。他者への危害、違法行為、またはプロバイダーの利用規約違反を目的として、これらの資料を使用しないでください。

コレクションを見る

このリポジトリでは、モデルファミリーと展開形式ごとにプロンプトを整理しています。対象には、OpenCode Zenのステルスモデル、Claude、GLMとZCode、DeepSeek、Kimi、Grok、Gemini、Mistral、Qwen、Gemma、GPT-OSSが含まれます。

• OpenCode Zen: 動作仕様、ペルソナロック、ワークスペースプロファイル。
• Claude: OpusおよびSonnet向けプロンプトのバリエーション。
• GLMとZCode: システムプロンプトとAGENTS.mdのドロップイン。
• DeepSeekとKimi: システムプロンプトとワークスペース動作プロファイル。
• Grok: エージェント指示、アプリビルダー向けガイダンス、設定ファイル。
• Gemini、Mistral、Qwen: 動作ポリシーとシステムプロンプト。
• Ollama: Gemma 4およびGPT-OSS 20B向けのModelfile。

まずリポジトリのコレクションを確認し、使用するモデルと、クライアントがサポートする指示の形式の両方に合うファイルを選択してください。

正しいプロンプト形式を選ぶ

システムプロンプト

システムメッセージ、カスタム指示フィールド、エージェント指示ブロック、またはハーネスレベルのプロンプト設定を提供するクライアントやAPIでは、システムプロンプト用ファイルを使用してください。要約や抜粋ではなく、ファイルの内容全体をコピーしてください。

AGENTS.mdファイル

AGENTS.mdのドロップインとして明示的に用意されたファイルは、正確なファイル名であるAGENTS.mdとして、リポジトリまたはワークスペースのルートに保存してください。これにより、コーディングエージェントや互換ツールがプロジェクトレベルの指示として読み込めます。

ワークスペースポリシー

アシスタント動作仕様またはワークスペース動作プロファイルとして説明されているファイルは、永続的なグローバル指示に対応した環境で使用します。たとえば、OpenCodeのインストールでは次のファイルを読み込みます。

~/.config/opencode/AGENTS.md

適切な配置場所はクライアントやハーネスによって異なるため、ワークスペースポリシーを導入する前に、そのドキュメントを確認してください。

Ollama Modelfile

Ollama用の項目には、FROM宣言とSYSTEMブロックが含まれています。次のようなコマンドでファイルをOllamaに直接渡します。

ollama create gemma4-jb -f gemma4.md

テストするModelfileに応じて、モデル名とソースファイルを置き換えてください。

Grokの設定

grok-config.txtは、通常の会話入力ではなく、対象ハーネスの設定フィールドで使用するファイルです。テストを設定する際は、設定ファイルを通常のプロンプトとは別のものとして扱ってください。

基本的な使用手順

1. 対象を選ぶ。 コレクションを確認し、評価したいモデルまたはモデルファミリーを選択します。
2. 形式を確認する。 ファイルの説明を読み、システムプロンプト、AGENTS.md、ワークスペースポリシー、Ollama Modelfile、設定フィールドのどれに該当するかを判断します。
3. ファイル全体を読む。 リポジトリの各項目は、完全かつそのまま貼り付けて使えるよう設計されています。外部サービスやローカル環境に適用する前に確認してください。
4. 隔離されたテストに適用する。 可能な限り、使い捨てのワークスペース、テストアカウント、またはローカルモデルを使用し、機密データを公開しないでください。
5. 結果を記録する。 結果を再現できるよう、モデルのバージョン、クライアント、ファイル名、観察された挙動を記録します。

例：システムプロンプトを適用する

システム指示フィールドを備えたAPIやチャットボットでは、deepseek-v3.mdなどの関連ファイルを開き、その内容全体をコピーしてシステムレベルのフィールドに配置します。次に、無害な評価リクエストを送信し、モデルのデフォルトの挙動と結果を比較します。

system: [選択したリポジトリプロンプトの内容]
user: 次のテスト文書を要約し、その前提を特定してください。

システムプロンプトのインターフェースはプロバイダーやアプリケーションによって異なるため、このリポジトリでは、すべてのクライアントに共通するコマンドを定めていません。

例：AGENTS.mdファイルを適用する

エージェント固有のファイルの場合は、選択した項目をテストプロジェクトのルートにダウンロードまたはコピーし、AGENTS.mdという名前を付けます。そのプロジェクトから互換性のあるコーディングエージェントを実行し、ツールがそのファイルをプロジェクトレベルの指示として認識していることを確認します。

project/
├── AGENTS.md
└── README.md

高度な評価のヒント

バージョンとコンテキストを追跡する

プロンプトの挙動はバージョンに依存します。モデルは更新され、指示の優先順位は変化し、システムプロンプトが変更されることもあります。テストを実施する際は、モデルのリリース、クライアントまたはハーネス、プロンプトのファイル名、テスト日を必ず記録してください。

指示の適用先を比較する

同じテキストでも、システムメッセージ、ワークスペースポリシー、AGENTS.md、設定スロットのどこに配置するかによって、挙動が異なる場合があります。対象環境がサポートする適用先だけをテストし、結果は分けて管理してください。

制御された無害なテストを行う

要約、書式設定、役割の遵守、指示の優先順位に関するシナリオなど、無害なタスクを使って一貫性を評価します。プライベートな認証情報、機密文書、違法または有害な活動の依頼は含めないでください。

古いエントリを確認する

プロンプトが記載どおりに動作しなくなった場合は、モデルと環境をリポジトリのメモと照合してください。メンテナーは、モデル、バージョン、影響を受けるファイル、確認された動作を含むIssueの作成を求めています。

ローカル変更を再現可能に保つ

複数のファイルをテストする場合は、明確な命名規則を使用し、元のリポジトリファイルを保持してください。これにより、結果がプロンプト、モデルの更新、周辺ハーネスの変更のいずれに起因するのかを特定しやすくなります。

新しいプロンプトを投稿する

リポジトリの規約に従うプルリクエストを歓迎します。

1. 1ファイルにつき1つのプロンプトを使用します。
2. ファイル名には小文字とハイフンを使用し、スペースは入れません。例：model-name.md
3. 要約や抜粋ではなく、そのまま貼り付けて使える完全なプロンプトを含めます。
4. プロンプトの配置先を記載します。システムフィールド、AGENTS.md、Modelfile、設定スロット、その他の指示の適用箇所などです。
5. opus-v3.mdのように、重要な改訂には新しいバージョン付きファイルを作成し、以前のバージョンを黙って上書きしないでください。
6. 互換性については、実際にテストした場合にのみ主張します。

問題を報告する際は、モデル、バージョン、影響を受けるファイル、変更された動作の簡潔な説明を含めてください。

まとめ

AI Jailbreaksは、モデルファミリーや導入環境をまたいでプロンプトの動作を研究するための、体系化されたリファレンスを提供します。効果的に利用するには、適切なファイル形式を選び、隔離された承認済みの環境でプロンプトを適用し、正確なモデルコンテキストを記録し、結果がバージョンに依存するものとして扱ってください。責任あるテストは、モデル評価と、より強固なプロンプトインジェクション防御の両方に役立ちます。