如何探索 AI 越狱提示词，用于研究和防御性测试

AI Jailbreaks 是一个精选合集，包含 35 个完整、可直接复制粘贴的提示词文件，适用于 25 多种前沿、开放权重和免费隐蔽模型。该仓库包含系统提示词、角色设定锁定指令、工作区策略、AGENTS.md 文件、配置块以及 Ollama Modelfile。

本教程介绍如何浏览该合集、识别正确的指令格式、在兼容环境中应用条目，并负责任地评估模型行为。这些材料用于提示词研究、教育和防御性测试，不得用于伤害他人、违法或违反服务提供商条款。

项目包含的内容

该仓库重点关注指令层级、角色设定、提示词冲突和策略覆盖如何影响模型行为。每个条目都力求完整，而不是摘要或节选，因此文件本身会说明应粘贴或安装的内容。

• 系统提示词：用于 API 的 system 消息、聊天机器人的自定义指令字段或等效提示词槽位的指令。
• AGENTS.md 文件：供编码代理和兼容工具使用的项目或工作区指令。
• 工作区策略：适用于 OpenCode 等环境的持久化操作规范。
• Ollama Modelfile：包含模型来源和 SYSTEM 块、可与 Ollama 配合使用的文件。
• 运行框架配置：例如 grok-config.txt，用于目标运行框架的配置字段，而不是普通对话。

该合集涵盖 OpenCode Zen 模型、Claude、GLM 和 ZCode、DeepSeek、Kimi、Grok、Gemini、Mistral、Qwen、Gemma、GPT-OSS，以及一些较新的未归档条目。

选择条目并检查其格式

从仓库的合集开始，根据研究目标选择匹配的模型或格式。表格会列出模型、源文件和操作指令类型。例如，仓库列出了 DeepSeek 和 Kimi 的系统提示词文件、多个 OpenCode Zen 条目的工作区或代理规范，以及 Gemma 4 和 GPT-OSS 20B 的 Modelfile。

1. 在 GitHub 上打开仓库。
2. 按提供商或模型系列浏览合集。
3. 应用文件前先阅读，包括其中的作用范围或运行时说明。
4. 确认文件属于系统提示词、AGENTS.md 投放文件、工作区策略、配置块还是 Ollama Modelfile。
5. 检查模型版本以及文件预期运行的环境。

不要将所有文件视为可互换。系统提示词应放入系统指令字段，而 AGENTS.md 文件应放在仓库或工作区中。特定运行框架的配置文件应放置在项目所说明的配置位置，而不是粘贴到普通聊天中。

应用系统提示词

对于标记为系统提示词的条目，请将文件的完整内容复制到客户端或 API 提供的系统提示词或自定义指令字段中。README 列出了几种可能的位置：

• API 的 system 消息。
• 聊天机器人的自定义指令字段。
• 代理指令块。
• 运行框架级提示词配置。

初次测试时请保持提示词完整。由于该仓库强调完整且可直接粘贴的条目，删除部分内容可能会改变指令层级，使结果难以比较。记录模型名称、版本、提示词文件、日期和客户端配置，以便日后复现测试。

在工作区中使用 AGENTS.md 文件

标记为 AGENTS.md 投放文件的条目应以该确切文件名保存在仓库或工作区的根目录中。编码代理和兼容工具可能会将其识别为项目级指令。

1. 从仓库下载或复制所选文件。
2. 将其以 AGENTS.md 为文件名保存到测试仓库或工作区的根目录。
3. 使用兼容的编码代理打开工作区。
4. 确认代理报告或展示其已加载项目指令。
5. 仅在一次性项目中运行安全且受控的测试。

对于持久化全局指令，README 以 OpenCode 为例。README 指出，OpenCode 安装会读取 ~/.config/opencode/AGENTS.md，同时提醒具体位置取决于客户端或运行框架。

配置工作区策略

被描述为助手操作规范或工作区操作配置的文件，应放入支持持久化全局指令的环境中。安装前，请确定工具使用的配置目录，并判断该文件是全局生效还是仅适用于当前项目。

一种有效的研究流程是一次只测试一个策略，将其与基准配置进行比较，并记录启用的指令界面。这样有助于区分提示词本身的影响，以及客户端、模型版本或工作区上下文差异造成的影响。

构建 Ollama 模型

该仓库包含 Gemma 4 和 GPT-OSS 20B 的 Modelfile。这些文件使用 FROM 声明和 SYSTEM 块。阅读文件并确认源模型已在环境中可用后，使用文档中的命令将其传递给 Ollama：

ollama create gemma4-jb -f gemma4.md

根据你正在测试的条目，按需替换模型名称和源文件。随后即可在受控条件下评估生成的本地模型。保留原始 Modelfile，并记录 Ollama 版本、基础模型、硬件环境和测试提示词。

正确处理 Grok 配置文件

grok-config.txt 被描述为目标测试工具的配置文件。它并非用于常规对话输入框。只能将其内容放入该测试工具支持的配置位置；如果不确定位置或语法，请查阅测试工具文档。

负责任地评估行为

提示词行为取决于版本。模型会更新，指令层级会变化，系统提示词也可能轮换。同一个文件在某个版本上的表现，可能在另一个版本上失效或产生不同结果。

• 使用非敏感且无害的评估提示词。
• 尽可能在隔离的账号、工作区或本地环境中测试。
• 不要暴露私人数据、凭据、生产系统或第三方信息。
• 比较使用和不使用所选指令文件时的结果。
• 记录模型版本、客户端、配置界面和观察到的输出。
• 如果结果可能助长伤害、未经授权的访问或违反政策，请停止测试。

同样的分析也可支持防御性工程。研究角色设定和冲突指令如何影响模型，有助于开发者识别提示词注入模式，并改进指令边界、验证机制和工具权限。

可复现研究的进阶技巧

区分提示词影响与环境影响

先在基线环境中运行相同的无害测试，再使用所选文件运行测试。一次只改变一个变量，例如系统提示词、工作区策略或模型版本。这样更容易将差异归因于预期配置。

遵循仓库的版本管理指南

项目通过新文件名标记重要修订，例如 opus-v3.md，而不是静默覆盖旧版本。比较文件时，保留确切的修订版本，并记录测试时间。

检查兼容性声明

不要假设某个条目可跨提供商或客户端使用。维护者明确要求贡献者如实描述兼容性。将每个文件视为与其文档所述模型、测试工具和指令界面绑定的实验。

报告过时行为

如果某个条目的行为不再符合文档说明，请提交问题，并注明模型、版本、受影响的文件、客户端或测试工具，以及对结果的简要描述。这些信息有助于维护者随着模型变化及时更新集合。

贡献新条目

欢迎提交拉取请求。请遵循仓库的贡献原则：

1. 每个文件使用一个提示词。
2. 文件名使用小写字母和连字符，不含空格，例如 model-name.md。
3. 包含完整、可直接粘贴的提示词，而不是摘要或节选。
4. 说明提示词应放置的位置：系统字段、AGENTS.md、Modelfile、配置位置或其他指令界面。
5. 重要修订应创建新的版本化文件。
6. 只记录实际测试过的兼容性。

变更会记录在仓库的 CHANGELOG.md 中；完整的贡献和安全指南可通过项目仓库查看。

结论

AI Jailbreaks 提供了一种结构化方式，用于研究不同模型和代理环境中的完整提示词配置。通过选择正确的文件类型，将其应用于适当的指令界面，在隔离环境中测试，并仔细记录版本，你可以将该集合用于提示词研究和防御性测试，同时避免将模型行为与不受支持或不安全的部署混为一谈。

仅限研究和教育用途。请遵守适用法律、提供商条款以及所用系统的安全要求。