Tadqiqot va himoyaviy sinovlar uchun AI jailbreak promptlarini qanday o‘rganish mumkin

AI Jailbreaks — 25 dan ortiq ilg‘or, ochiq og‘irlikli va bepul yashirin modellarga mo‘ljallangan, to‘liq nusxalab joylashtirish mumkin bo‘lgan 35 ta prompt faylidan iborat saralangan to‘plam. Repozitoriy tizim promptlari, persona bloklari, ish maydoni siyosatlari, AGENTS.md fayllari, konfiguratsiya bloklari va Ollama Modelfile fayllarini o‘z ichiga oladi.

Ushbu qo‘llanmada to‘plamni ko‘rib chiqish, to‘g‘ri ko‘rsatma formatini aniqlash, mos muhitda yozuvdan foydalanish va xatti-harakatlarni mas’uliyat bilan baholash tushuntiriladi. Material prompt tadqiqotlari, ta’lim va himoyaviy sinovlar uchun mo‘ljallangan — boshqalarga zarar yetkazish, qonunni buzish yoki provayder shartlarini buzish uchun emas.

Loyiha nimalarni o‘z ichiga oladi

Repozitoriy ko‘rsatmalar iyerarxiyasi, persona shakllantirish, promptlar ziddiyati va siyosatlarni chetlab o‘tish model xatti-harakatiga qanday ta’sir qilishi mumkinligiga e’tibor qaratadi. Har bir yozuv xulosa yoki parchadan ko‘ra to‘liq bo‘lishi uchun tuzilgan, shuning uchun faylning o‘zi nimani nusxalash yoki o‘rnatish kerakligini ko‘rsatadi.

• Tizim promptlari: API system xabari, chatbotning maxsus ko‘rsatmalar maydoni yoki unga teng prompt joyiga mo‘ljallangan ko‘rsatmalar.
• AGENTS.md fayllari: Kodlash agentlari va mos vositalar uchun loyiha yoki ish maydoni ko‘rsatmalari.
• Ish maydoni siyosatlari: OpenCode kabi muhitlar uchun doimiy ishlash spetsifikatsiyalari.
• Ollama Modelfile fayllari: Ollama bilan ishlatish mumkin bo‘lgan model manbasi va SYSTEM blokini o‘z ichiga olgan fayllar.
• Harness konfiguratsiyasi: Oddiy suhbat uchun emas, balki maqsadli harness konfiguratsiya maydoniga mo‘ljallangan grok-config.txt kabi fayllar.

To‘plam OpenCode Zen modellari, Claude, GLM va ZCode, DeepSeek, Kimi, Grok, Gemini, Mistral, Qwen, Gemma, GPT-OSS hamda faylga joylanmagan bir nechta yangi qo‘shimchalarni qamrab oladi.

Yozuvni tanlang va uning formatini tekshiring

Repozitoriyning to‘plam bo‘limidan boshlang va tadqiqot maqsadingizga mos model yoki formatni tanlang. Jadvallarda model, manba fayli va ishlash ko‘rsatmalari turi ko‘rsatilgan. Masalan, repozitoriyda DeepSeek va Kimi uchun tizim prompt fayllari, bir nechta OpenCode Zen yozuvlari uchun ish maydoni yoki agent spetsifikatsiyalari hamda Gemma 4 va GPT-OSS 20B uchun Modelfile fayllari keltirilgan.

1. Repozitoriyni GitHub’da oching.
2. To‘plamni provayder yoki model oilasi bo‘yicha ko‘rib chiqing.
3. Qo‘llashdan oldin faylni, jumladan qamrov yoki ishga tushirish haqidagi qaydlarni o‘qing.
4. Fayl tizim promptimi, AGENTS.md qo‘shimcha faylimi, ish maydoni siyosatimi, konfiguratsiya blokimi yoki Ollama Modelfile faylimi ekanini tasdiqlang.
5. Model versiyasi va fayl qaysi muhitda ishlashi mo‘ljallanganini tekshiring.

Har bir faylni o‘zaro almashtirish mumkin deb hisoblamang. Tizim prompti tizim ko‘rsatmalari maydoniga tegishli, AGENTS.md fayli esa repozitoriy yoki ish maydoniga joylanadi. Harnessga xos konfiguratsiya fayli oddiy chatga joylanmasdan, loyiha ko‘rsatgan konfiguratsiya qismiga qo‘yilishi kerak.

Tizim promptlarini qo‘llash

System prompt deb belgilangan yozuv uchun faylning to‘liq mazmunini mijozingiz yoki API taqdim etgan tizim prompti yoki maxsus ko‘rsatmalar maydoniga nusxalang. README’da bir nechta mumkin bo‘lgan joylar ko‘rsatilgan:

• API system xabari.
• Chatbotning maxsus ko‘rsatmalar maydoni.
• Agent ko‘rsatmalari bloki.
• Harness darajasidagi prompt konfiguratsiyasi.

Dastlabki sinov davomida promptni o‘zgartirmang. Repozitoriy to‘liq va joylashga tayyor yozuvlarga urg‘u bergani sababli, bo‘limlarni olib tashlash ko‘rsatmalar iyerarxiyasini o‘zgartirishi va natijalarni taqqoslashni qiyinlashtirishi mumkin. Keyinchalik sinovni takrorlay olish uchun model nomi, versiyasi, prompt fayli, sana va mijoz konfiguratsiyasini qayd eting.

Ish maydonida AGENTS.md fayllaridan foydalanish

AGENTS.md qo‘shimcha fayllari sifatida belgilangan yozuvlar aynan shu nomdagi fayl sifatida repozitoriy yoki ish maydoni ildiziga saqlanishi uchun mo‘ljallangan. Kodlash agentlari va mos vositalar faylni loyiha darajasidagi ko‘rsatmalar sifatida topishi mumkin.

1. Tanlangan faylni repozitoriydan yuklab oling yoki nusxalang.
2. Uni sinov repozitoriysi yoki ish maydoni ildizida AGENTS.md nomi bilan saqlang.
3. Ish maydonini mos kodlash agenti bilan oching.
4. Agent loyiha ko‘rsatmalari yuklanganini bildirayotganini yoki buni amalda ko‘rsatayotganini tekshiring.
5. Faqat yo‘q qilinishi mumkin bo‘lgan loyihada xavfsiz va nazorat qilinadigan sinovlarni bajaring.

Doimiy global ko‘rsatmalar uchun README misol sifatida OpenCode’ni keltiradi. Unda OpenCode o‘rnatmasi ~/.config/opencode/AGENTS.md faylini o‘qishi qayd etilgan, biroq aniq joylashuv mijoz yoki harnessga bog‘liqligi ham ogohlantirilgan.

Ish maydoni siyosatlarini sozlash

Assistant operating specification yoki workspace operating profile sifatida tavsiflangan fayllar doimiy global ko‘rsatmalarni qo‘llab-quvvatlaydigan muhitlarga tegishli. Uni o‘rnatishdan oldin vositangiz foydalanadigan konfiguratsiya katalogini aniqlang va u global miqyosda yoki faqat joriy loyihaga tatbiq etilishini belgilang.

Foydali tadqiqot jarayoni — bir vaqtning o‘zida bitta siyosatni sinash, uni asosiy konfiguratsiya bilan taqqoslash va qaysi ko‘rsatma qismi faol bo‘lganini hujjatlashtirishdir. Bu prompt ta’sirini mijoz, model relizi yoki ish maydoni konteksti sababli yuzaga kelgan farqlardan ajratishga yordam beradi.

Ollama modelini yaratish

Repozitoriy Gemma 4 va GPT-OSS 20B uchun Modelfile fayllarini o‘z ichiga oladi. Bu fayllarda FROM deklaratsiyasi va SYSTEM bloki ishlatiladi. Faylni ko‘rib chiqqaningizdan va manba modeli muhitda mavjudligini tasdiqlaganingizdan so‘ng, hujjatlashtirilgan buyruq orqali uni Ollama’ga uzating:

ollama create gemma4-jb -f gemma4.md

Sinayotgan yozuvingiz uchun model nomi va manba faylini kerak bo‘lganda almashtiring. Shundan so‘ng mahalliy modelni nazorat qilinadigan sharoitlarda baholash mumkin. Asl Modelfile faylini saqlang va Ollama versiyasi, bazaviy model, apparat muhiti hamda sinov promptlarini qayd eting.

Grok konfiguratsiya fayllarini to‘g‘ri boshqaring

grok-config.txt maqsadli harness uchun konfiguratsiya sifatida ta’riflangan. U odatiy suhbat maydoni uchun mo‘ljallanmagan. Uning tarkibini faqat shu harness qo‘llab-quvvatlaydigan konfiguratsiya joyiga joylashtiring; joylashuv yoki sintaksis noaniq bo‘lsa, harness hujjatlariga murojaat qiling.

Xatti-harakatni mas’uliyat bilan baholang

Prompt xatti-harakati versiyaga bog‘liq. Modellar yangilanadi, ko‘rsatmalar iyerarxiyasi o‘zgaradi va tizim promptlari almashishi mumkin. Bir relizda muayyan tarzda ishlaydigan fayl boshqa relizda ishlamasligi yoki boshqacha ishlashi mumkin.

• Maxfiy bo‘lmagan, zararsiz baholash promptlaridan foydalaning.
• Iloji bo‘lsa, sinovni izolyatsiya qilingan hisob, ish maydoni yoki mahalliy muhitda o‘tkazing.
• Maxfiy ma’lumotlar, hisob ma’lumotlari, ishlab chiqarish tizimlari yoki uchinchi tomon ma’lumotlarini oshkor qilmang.
• Natijalarni tanlangan ko‘rsatmalar faylisiz va u bilan solishtiring.
• Model relizi, mijoz, konfiguratsiya interfeysi va kuzatilgan natijani qayd eting.
• Agar natija zarar yetkazish, ruxsatsiz kirish yoki siyosat buzilishiga yordam berishi mumkin bo‘lsa, sinovni to‘xtating.

Xuddi shu tahlil himoyaviy muhandislikni ham qo‘llab-quvvatlashi mumkin. Persona talqini va qarama-qarshi ko‘rsatmalar modelga qanday ta’sir qilishini o‘rganish dasturchilarga prompt inyeksiyasi namunalarini aniqlash hamda ko‘rsatmalar chegaralari, tekshiruvlar va vosita ruxsatlarini yaxshilashga yordam beradi.

Takrorlanadigan tadqiqotlar uchun ilg‘or maslahatlar

Prompt ta’sirini muhit ta’siridan ajrating

Bir xil zararsiz sinovni avval bazaviy muhitda, so‘ng tanlangan fayl bilan ishga tushiring. Bir vaqtning o‘zida faqat bitta o‘zgaruvchini, masalan, tizim prompti, ish maydoni siyosati yoki model versiyasini o‘zgartiring. Bu farqlarni mo‘ljallangan konfiguratsiyaga bog‘lashni osonlashtiradi.

Repository versiyalash bo‘yicha ko‘rsatmalaridan foydalaning

Loyiha muhim o‘zgarishlarni eski versiyalar ustidan jimgina yozib yuborish o‘rniga, opus-v3.md kabi yangi fayl nomlari bilan belgilaydi. Fayllarni solishtirganda aniq reviziyani saqlang va u qachon sinovdan o‘tkazilganini qayd eting.

Moslik haqidagi da’volarni tekshiring

Yozuv bir nechta provayder yoki mijozda ishlaydi, deb taxmin qilmang. Xizmat ko‘rsatuvchilar moslik haqidagi da’volarni asosli saqlashni alohida so‘raydi. Har bir faylni hujjatlashtirilgan model, harness va ko‘rsatmalar interfeysiga bog‘langan tajriba sifatida ko‘ring.

Eskirgan xatti-harakat haqida xabar bering

Agar yozuv hujjatlashtirilganidek ishlamasa, model, versiya, ta’sirlangan fayl, mijoz yoki harness va natijaning qisqa tavsifi bilan issue oching. Bu ma’lumot modellardagi o‘zgarishlar davomida to‘plamni dolzarb saqlashga yordam beradi.

Yangi yozuv qo‘shing

Pull requestlar mamnuniyat bilan qabul qilinadi. Repositoryning hissa qo‘shish tamoyillariga amal qiling:

1. Har bir fayl uchun bitta promptdan foydalaning.
2. Fayllarga bo‘sh joysiz, kichik harflar va tirelardan foydalanib nom bering, masalan, model-name.md.
3. Qisqa mazmun yoki parchani emas, to‘liq, nusxalab qo‘yishga tayyor promptni kiriting.
4. Prompt qayerga joylashtirilishini tushuntiring: tizim maydoni, AGENTS.md, Modelfile, konfiguratsiya joyi yoki boshqa ko‘rsatmalar interfeysi.
5. Muhim reviziyalar uchun yangi versiyalangan fayl yarating.
6. Faqat amalda sinovdan o‘tkazilgan moslikni hujjatlashtiring.

O‘zgarishlar repositorydagi CHANGELOG.md faylida qayd etiladi, to‘liq hissa qo‘shish va xavfsizlik bo‘yicha ko‘rsatmalar esa loyiha repositorysi orqali mavjud.

Xulosa

AI Jailbreaks turli modellar va agent muhitlarida to‘liq prompt konfiguratsiyalarini o‘rganishning tizimli usulini taqdim etadi. To‘g‘ri fayl turini tanlab, uni mos ko‘rsatmalar interfeysiga qo‘llab, izolyatsiyada sinovdan o‘tkazib va versiyalarni ehtiyotkorlik bilan qayd etib, model xatti-harakatini qo‘llab-quvvatlanmaydigan yoki xavfli joylashtirish bilan adashtirmasdan to‘plamdan prompt tadqiqotlari va himoyaviy sinovlar uchun foydalanishingiz mumkin.

Faqat tadqiqot va ta’lim maqsadlarida foydalaning. Amaldagi qonunlar, provayder shartlari va foydalanayotgan tizimlaringizning xavfsizlik talablariga rioya qiling.