Model tadqiqotlari uchun AI Jailbreaks promptlar to‘plamidan qanday foydalanish

Bu loyiha nima qiladi

AI Jailbreaks — 25 dan ortiq AI modellariga mo‘ljallangan, to‘liq va nusxalab qo‘yishga tayyor 35 ta promptdan iborat saralangan to‘plam. Repozitoriyda tizim promptlari, persona ta’riflari, ish maydoni siyosatlari, AGENTS.md fayllari, konfiguratsiya bloklari va Ollama Modelfile fayllari hujjatlashtirilgan.

Uning maqsadi tadqiqot va ta’limdir: persona shakllantirish, ko‘rsatmalar iyerarxiyasi, promptlar o‘rtasidagi ziddiyatlar va siyosatlarni chetlab o‘tish model xatti-harakatiga qanday ta’sir qilishi mumkinligini tushunish. Bu tushunchalar prompt injection hujumlaridan himoya vositalarini ishlab chiqishda ham foydalidir.

To‘plamdan mas’uliyat bilan foydalaning. Ushbu materiallardan boshqalarga zarar yetkazish, qonunni buzish yoki provayderning xizmat ko‘rsatish shartlarini buzish uchun foydalanmang.

To‘plamni o‘rganing

Repozitoriy promptlarni model oilasi va joylashtirish formatiga ko‘ra tartiblaydi. Mavjud maqsadlar qatoriga OpenCode Zen yashirin modellari, Claude, GLM va ZCode, DeepSeek, Kimi, Grok, Gemini, Mistral, Qwen, Gemma va GPT-OSS kiradi.

• OpenCode Zen: ishlash spetsifikatsiyalari, persona blokirovkalari va ish maydoni profillari.
• Claude: Opus va Sonnet prompt variantlari.
• GLM va ZCode: tizim promptlari va AGENTS.md fayllari.
• DeepSeek va Kimi: tizim promptlari va ish maydoni ishlash profillari.
• Grok: agent ko‘rsatmalari, ilova yaratish bo‘yicha yo‘riqnoma va konfiguratsiya fayli.
• Gemini, Mistral va Qwen: ishlash siyosatlari va tizim promptlari.
• Ollama: Gemma 4 va GPT-OSS 20B uchun Modelfile fayllari.

Repozitoriyning to‘plam qismidan boshlang, so‘ng modelingizga hamda mijozingiz qo‘llab-quvvatlaydigan ko‘rsatmalar interfeysiga mos faylni tanlang.

To‘g‘ri prompt formatini tanlang

Tizim promptlari

Tizim xabari, maxsus ko‘rsatmalar maydoni, agent ko‘rsatmalari bloki yoki harness darajasidagi prompt konfiguratsiyasini taqdim etadigan mijoz yoki API’da tizim prompti fayllaridan foydalaning. Qisqartma yoki parchadan foydalanish o‘rniga faylning to‘liq mazmunini nusxalang.

AGENTS.md fayllari

AGENTS.md fayli sifatida foydalanish uchun mo‘ljallangan fayllarni aynan shu nom bilan repozitoriy yoki ish maydonining ildiziga saqlang. Shundan so‘ng kodlash agentlari va mos vositalar uni loyiha darajasidagi ko‘rsatmalar sifatida yuklashi mumkin.

Ish maydoni siyosatlari

Assistant ishlash spetsifikatsiyalari yoki ish maydoni ishlash profillari sifatida ta’riflangan fayllar doimiy global ko‘rsatmalarni qo‘llab-quvvatlaydigan muhitlarga tegishli. Masalan, OpenCode o‘rnatmasi quyidagi faylni o‘qiydi:

~/.config/opencode/AGENTS.md

To‘g‘ri joylashuv mijoz yoki harnessga bog‘liq, shuning uchun ish maydoni siyosatini joriy etishdan oldin uning hujjatlarini tekshiring.

Ollama Modelfile fayllari

Ollama yozuvlarida FROM deklaratsiyasi va SYSTEM bloki mavjud. Faylni quyidagiga o‘xshash buyruq yordamida to‘g‘ridan-to‘g‘ri Ollama’ga uzating:

ollama create gemma4-jb -f gemma4.md

Sinayotgan Modelfile uchun model nomi va manba faylini zaruratga ko‘ra almashtiring.

Grok konfiguratsiyasi

grok-config.txt oddiy suhbat kiritmasi uchun emas, balki maqsadli harnessning konfiguratsiya maydoni uchun mo‘ljallangan. Testni sozlashda konfiguratsiya fayllariga oddiy promptlardan boshqacha munosabatda bo‘ling.

Asosiy foydalanish jarayoni

1. Maqsadni tanlang. To‘plamni ko‘zdan kechiring va baholamoqchi bo‘lgan model yoki model oilasini tanlang.
2. Formatni aniqlang. Fayl ta’rifini o‘qing va u tizim prompti, AGENTS.md, ish maydoni siyosati, Ollama Modelfile fayli yoki konfiguratsiya maydonida ishlatilishini aniqlang.
3. To‘liq faylni o‘qing. Repozitoriyning har bir yozuvi to‘liq va nusxalab qo‘yishga tayyor qilib tuzilgan. Uni tashqi xizmat yoki mahalliy muhitga qo‘llashdan oldin ko‘rib chiqing.
4. Izolyatsiya qilingan testda qo‘llang. Imkon qadar bir martalik ish maydoni, test hisobi yoki mahalliy modeldan foydalaning va maxfiy ma’lumotlarni oshkor qilishdan saqlaning.
5. Natijani qayd eting. Natijalarni qayta tiklash mumkin bo‘lishi uchun model versiyasi, mijoz, fayl nomi va kuzatilgan xatti-harakatni yozib oling.

Misol: tizim promptini qo‘llash

Tizim ko‘rsatmalari maydoniga ega API yoki chatbot uchun deepseek-v3.md kabi tegishli faylni oching, uning to‘liq mazmunini nusxalang va tizim darajasidagi maydonga joylashtiring. So‘ng zararsiz baholash so‘rovini yuboring va natijani modelning standart xatti-harakati bilan taqqoslang.

system: [tanlangan repozitoriy promptining mazmuni]
user: Quyidagi test hujjatini qisqacha bayon qiling va undagi taxminlarni aniqlang.

Repozitoriy universal mijoz buyrug‘ini belgilamaydi, chunki tizim prompti interfeyslari provayderlar va ilovalar o‘rtasida farq qiladi.

Misol: AGENTS.md faylini qo‘llash

Agentga xos fayl uchun tanlangan yozuvni test loyihasining ildiziga yuklab oling yoki nusxalang va unga AGENTS.md deb nom bering. Mos kodlash agentini shu loyihadan ishga tushiring, so‘ng vosita faylni loyiha darajasidagi ko‘rsatma sifatida taniganini tekshiring.

project/
├── AGENTS.md
└── README.md

Kengaytirilgan baholash bo‘yicha maslahatlar

Versiyalar va kontekstni kuzating

Prompt xatti-harakati versiyaga bog‘liq. Modellar yangilanadi, ko‘rsatmalar iyerarxiyasi o‘zgaradi va tizim promptlari almashtirilishi mumkin. Har doim model relizi, mijoz yoki harness, prompt fayli nomi va test sanasini qayd eting.

Ko‘rsatmalar sathlarini taqqoslang

Bir xil matn tizim xabarida, ish maydoni siyosatida, AGENTS.md faylida yoki konfiguratsiya slotida joylashtirilganda turlicha ishlashi mumkin. Faqat maqsadli muhit qo‘llab-quvvatlaydigan sathlarni sinang va natijalarni alohida saqlang.

Nazorat qilinadigan, zararsiz testlardan foydalaning

Xulosa chiqarish, formatlash, rolga rioya qilish yoki ko‘rsatmalar ustuvorligi bilan bog‘liq holatlar kabi zararsiz vazifalar yordamida izchillikni baholang. Maxfiy hisob ma’lumotlari, maxfiy hujjatlar yoki noqonuniy yoxud zararli faoliyatga oid so‘rovlarni kiritmang.

Eskirgan yozuvlarni tekshiring

Agar prompt endi hujjatlarda ko‘rsatilganidek ishlamasa, model va muhitni repozitoriy qaydlari bilan taqqoslang. Ta’minotchilar model, versiya, ta’sirlangan fayl va kuzatilgan xatti-harakat ko‘rsatilgan muammoni yuborishni so‘raydi.

Mahalliy o‘zgarishlarni takrorlanadigan qiling

Bir nechta faylni sinovdan o‘tkazayotganda, aniq nomlash sxemasidan foydalaning va repozitoriyning asl faylini saqlab qoling. Bu natija prompt, model yangilanishi yoki atrofdagi harnessdagi o‘zgarish sabab yuzaga kelganini aniqlashni osonlashtiradi.

Yangi prompt qo‘shish

Repozitoriy konvensiyalariga rioya qiladigan pull requestlar mamnuniyat bilan qabul qilinadi:

1. Har bir faylga bittadan prompt joylashtiring.
2. Fayllarni bo‘sh joylarsiz, kichik harflar va defislar yordamida nomlang, masalan, model-name.md.
3. Qisqartma yoki parchani emas, to‘liq, nusxalab qo‘yishga tayyor promptni kiriting.
4. Prompt qayerga joylashtirilishini hujjatlashtiring: tizim maydoni, AGENTS.md, Modelfile, konfiguratsiya sloti yoki boshqa ko‘rsatmalar yuzasi.
5. Muhim tahrirlar uchun avvalgi versiyani jimgina almashtirish o‘rniga, opus-v3.md kabi yangi versiyalangan fayl yarating.
6. Moslik haqidagi da’volarni faqat ularni sinovdan o‘tkazgan bo‘lsangiz bildiring.

Muammo haqida xabar berayotganda, model, versiya, ta’sirlangan fayl va o‘zgargan xatti-harakatning qisqa tavsifini kiriting.

Xulosa

AI Jailbreaks turli model oilalari va joriy etish muhitlarida prompt xatti-harakatini o‘rganish uchun tizimli ma’lumotnoma taqdim etadi. Undan samarali foydalanish uchun to‘g‘ri fayl formatini tanlang, promptlarni izolyatsiyalangan va ruxsat berilgan muhitda qo‘llang, model kontekstini aniq qayd eting va natijalar versiyaga bog‘liq ekanini hisobga oling. Mas’uliyatli sinovlar modelni baholash hamda prompt inʼeksiyalaridan kuchliroq himoyani ta’minlashga yordam beradi.