Hướng dẫn AI

Cách khám phá các prompt bẻ khóa AI để nghiên cứu và kiểm thử phòng thủ

Tìm hiểu cách sử dụng kho lưu trữ AI Jailbreaks như một tài nguyên nghiên cứu để изуч system prompt, cách định hình persona, hệ thống phân cấp chỉ dẫn, chính sách không gian làm việc và cấu hình mô hình trên các mô hình tiên phong và mô hình có trọng số mở.

19 tháng 10, 2026Thời gian đọc khoảng 19 phút

Cách khám phá prompt bẻ khóa AI để nghiên cứu và kiểm thử phòng thủ

AI Jailbreaks là bộ sưu tập được tuyển chọn gồm 35 tệp prompt hoàn chỉnh, có thể sao chép và dán, dành cho hơn 25 mô hình frontier, open-weight và stealth miễn phí. Kho lưu trữ bao gồm system prompt, khóa persona, chính sách workspace, các tệp AGENTS.md, khối cấu hình và Ollama Modelfile.

Bài hướng dẫn này giải thích cách duyệt bộ sưu tập, xác định định dạng chỉ dẫn phù hợp, áp dụng một mục trong môi trường tương thích và đánh giá hành vi một cách có trách nhiệm. Tài liệu nhằm phục vụ nghiên cứu prompt, giáo dục và kiểm thử phòng thủ, không nhằm gây hại cho người khác, vi phạm pháp luật hoặc vi phạm điều khoản của nhà cung cấp.

Dự án bao gồm những gì

Kho lưu trữ tập trung vào cách thứ bậc chỉ dẫn, cách định hình persona, xung đột prompt và việc ghi đè chính sách có thể ảnh hưởng đến hành vi của mô hình. Mỗi mục được thiết kế đầy đủ thay vì chỉ là bản tóm tắt hoặc trích đoạn, vì vậy chính tệp đó cho biết nội dung cần sao chép hoặc cài đặt.

System prompt: Các chỉ dẫn dành cho thông điệp system của API, trường chỉ dẫn tùy chỉnh của chatbot hoặc vị trí prompt tương đương.
Tệp AGENTS.md: Chỉ dẫn cấp dự án hoặc workspace dành cho coding agent và các công cụ tương thích.
Chính sách workspace: Đặc tả vận hành liên tục cho các môi trường như OpenCode.
Ollama Modelfile: Các tệp chứa nguồn mô hình và khối SYSTEM, có thể được sử dụng với Ollama.
Cấu hình harness: Các tệp như grok-config.txt, dành cho trường cấu hình harness mục tiêu thay vì cuộc trò chuyện thông thường.

Bộ sưu tập bao gồm các mô hình OpenCode Zen, Claude, GLM và ZCode, DeepSeek, Kimi, Grok, Gemini, Mistral, Qwen, Gemma, GPT-OSS và một số bổ sung mới hơn chưa được phân loại.

Chọn một mục và kiểm tra định dạng

Bắt đầu từ bộ sưu tập của kho lưu trữ và chọn mô hình hoặc định dạng phù hợp với mục tiêu nghiên cứu của bạn. Các bảng xác định mô hình, tệp nguồn và loại chỉ dẫn vận hành. Ví dụ, kho lưu trữ liệt kê các tệp system prompt cho DeepSeek và Kimi, đặc tả workspace hoặc agent cho một số mục OpenCode Zen và Modelfile cho Gemma 4 và GPT-OSS 20B.

Mở kho lưu trữ trên GitHub.
Duyệt bộ sưu tập theo nhà cung cấp hoặc dòng mô hình.
Đọc tệp trước khi áp dụng, bao gồm mọi ghi chú về phạm vi hoặc thời gian chạy.
Xác nhận tệp đó là system prompt, tệp thả vào AGENTS.md, chính sách workspace, khối cấu hình hay Ollama Modelfile.
Kiểm tra phiên bản mô hình và môi trường nơi tệp được thiết kế để chạy.

Không nên coi mọi tệp là có thể thay thế cho nhau. System prompt thuộc trường chỉ dẫn hệ thống, còn tệp AGENTS.md thuộc repository hoặc workspace. Tệp cấu hình dành riêng cho harness nên được đặt vào khu vực cấu hình mà dự án mô tả, không dán vào cuộc trò chuyện thông thường.

Áp dụng system prompt

Đối với mục được gắn nhãn System prompt, hãy sao chép toàn bộ nội dung của tệp vào trường system prompt hoặc chỉ dẫn tùy chỉnh do client hoặc API cung cấp. README xác định một số vị trí có thể sử dụng:

Thông điệp system của API.
Trường chỉ dẫn tùy chỉnh của chatbot.
Khối chỉ dẫn của agent.
Cấu hình prompt ở cấp harness.

Giữ nguyên prompt trong lần kiểm thử ban đầu. Vì kho lưu trữ nhấn mạnh các mục đầy đủ, sẵn sàng để dán, việc xóa các phần có thể làm thay đổi thứ bậc chỉ dẫn và khiến kết quả khó so sánh. Ghi lại tên mô hình, phiên bản, tệp prompt, ngày và cấu hình client để có thể tái hiện kiểm thử sau này.

Sử dụng tệp AGENTS.md trong workspace

Các mục được đánh dấu là tệp thả vào AGENTS.md được thiết kế để lưu với đúng tên tệp đó tại thư mục gốc của repository hoặc workspace. Coding agent và các công cụ tương thích có thể phát hiện tệp này như chỉ dẫn cấp dự án.

Tải xuống hoặc sao chép tệp đã chọn từ kho lưu trữ.
Lưu tệp với tên AGENTS.md tại thư mục gốc của repository hoặc workspace kiểm thử.
Mở workspace bằng coding agent tương thích.
Xác minh rằng agent báo cáo hoặc thể hiện việc đã tải chỉ dẫn dự án.
Chỉ chạy các kiểm thử an toàn, có kiểm soát trong một dự án dùng riêng.

Đối với chỉ dẫn toàn cục liên tục, README đưa OpenCode làm ví dụ. Tài liệu cho biết một bản cài đặt OpenCode đọc ~/.config/opencode/AGENTS.md, đồng thời cảnh báo rằng vị trí chính xác phụ thuộc vào client hoặc harness.

Cấu hình chính sách workspace

Các tệp được mô tả là đặc tả vận hành của trợ lý hoặc hồ sơ vận hành workspace thuộc về những môi trường hỗ trợ chỉ dẫn toàn cục liên tục. Trước khi cài đặt, hãy xác định thư mục cấu hình mà công cụ sử dụng và xem chính sách áp dụng trên toàn cục hay chỉ cho dự án hiện tại.

Một quy trình nghiên cứu hữu ích là kiểm thử từng chính sách một, so sánh với cấu hình cơ sở và ghi lại khu vực chỉ dẫn nào đang hoạt động. Cách này giúp phân biệt tác động của prompt với những khác biệt do client, bản phát hành mô hình hoặc ngữ cảnh workspace gây ra.

Xây dựng mô hình Ollama

Kho lưu trữ bao gồm Modelfile cho Gemma 4 và GPT-OSS 20B. Các tệp này sử dụng khai báo FROM và khối SYSTEM. Sau khi xem xét tệp và xác nhận mô hình nguồn có sẵn trong môi trường, hãy truyền tệp cho Ollama bằng lệnh được ghi trong tài liệu:

ollama create gemma4-jb -f gemma4.md

Thay tên mô hình và tệp nguồn khi cần cho mục mà bạn đang kiểm thử. Sau đó, mô hình cục bộ có thể được đánh giá trong các điều kiện được kiểm soát. Giữ lại Modelfile ban đầu và ghi chú phiên bản Ollama, mô hình cơ sở, môi trường phần cứng cùng các lời nhắc kiểm thử.

Xử lý đúng các tệp cấu hình Grok

grok-config.txt được mô tả là cấu hình cho harness mục tiêu. Tệp này không dành cho trường hội thoại thông thường. Chỉ đặt nội dung của tệp vào ô cấu hình được harness đó hỗ trợ và tham khảo tài liệu của harness nếu không rõ vị trí hoặc cú pháp.

Đánh giá hành vi một cách có trách nhiệm

Hành vi của lời nhắc phụ thuộc vào phiên bản. Mô hình được cập nhật, thứ bậc chỉ dẫn thay đổi và lời nhắc hệ thống có thể được luân phiên. Một tệp hoạt động theo cách này trên một bản phát hành có thể không hoạt động hoặc hoạt động khác trên bản phát hành khác.

Sử dụng các lời nhắc đánh giá vô hại, không chứa thông tin nhạy cảm.
Kiểm thử trong tài khoản, không gian làm việc hoặc môi trường cục bộ biệt lập nếu có thể.
Không để lộ dữ liệu riêng tư, thông tin xác thực, hệ thống production hoặc thông tin của bên thứ ba.
So sánh kết quả có và không có tệp chỉ dẫn đã chọn.
Ghi lại bản phát hành mô hình, ứng dụng khách, bề mặt cấu hình và đầu ra quan sát được.
Dừng kiểm thử nếu kết quả có thể tạo điều kiện cho hành vi gây hại, truy cập trái phép hoặc vi phạm chính sách.

Phân tích tương tự cũng có thể hỗ trợ kỹ thuật phòng thủ. Nghiên cứu cách việc định hình persona và các chỉ dẫn xung đột ảnh hưởng đến mô hình có thể giúp nhà phát triển nhận diện các mẫu tấn công chèn lời nhắc, đồng thời cải thiện ranh giới chỉ dẫn, việc xác thực và quyền sử dụng công cụ.

Mẹo nâng cao để nghiên cứu có thể tái lập

Tách ảnh hưởng của lời nhắc khỏi ảnh hưởng của môi trường

Chạy cùng một kiểm thử vô hại trong môi trường cơ sở, sau đó chạy lại với tệp đã chọn. Mỗi lần chỉ thay đổi một biến, chẳng hạn như lời nhắc hệ thống, chính sách không gian làm việc hoặc phiên bản mô hình. Cách này giúp dễ xác định liệu khác biệt có xuất phát từ cấu hình dự kiến hay không.

Sử dụng hướng dẫn lập phiên bản của kho lưu trữ

Dự án xác định các bản sửa đổi quan trọng bằng tên tệp mới, chẳng hạn như opus-v3.md, thay vì âm thầm ghi đè các phiên bản cũ. Khi so sánh các tệp, hãy giữ nguyên bản sửa đổi chính xác và ghi lại thời điểm tệp được kiểm thử.

Kiểm tra các tuyên bố về khả năng tương thích

Đừng mặc định rằng một mục hoạt động trên mọi nhà cung cấp hoặc ứng dụng khách. Các nhà duy trì yêu cầu cộng tác viên đưa ra tuyên bố về khả năng tương thích một cách trung thực. Hãy xem mỗi tệp là một thử nghiệm gắn với mô hình, harness và bề mặt chỉ dẫn được ghi chép tương ứng.

Báo cáo hành vi đã lỗi thời

Nếu một mục không còn hoạt động như tài liệu mô tả, hãy mở issue kèm theo mô hình, phiên bản, tệp bị ảnh hưởng, ứng dụng khách hoặc harness và mô tả ngắn gọn về kết quả. Thông tin này giúp các nhà duy trì cập nhật bộ sưu tập khi mô hình thay đổi.

Đóng góp mục mới

Hoan nghênh các pull request. Hãy tuân theo các nguyên tắc đóng góp của kho lưu trữ:

Sử dụng một lời nhắc cho mỗi tệp.
Đặt tên tệp bằng chữ thường và dấu gạch nối, không có khoảng trắng, chẳng hạn như model-name.md.
Đưa vào lời nhắc đầy đủ, có thể dán và sử dụng ngay, thay vì bản tóm tắt hoặc trích đoạn.
Giải thích vị trí đặt lời nhắc: trường system, AGENTS.md, Modelfile, ô cấu hình hoặc bề mặt chỉ dẫn khác.
Tạo tệp mới có phiên bản cho các bản sửa đổi quan trọng.
Chỉ ghi chép khả năng tương thích đã thực sự được kiểm thử.

Các thay đổi được theo dõi trong CHANGELOG.md của kho lưu trữ, còn hướng dẫn đầy đủ về đóng góp và bảo mật có tại kho lưu trữ của dự án.

Kết luận

AI Jailbreaks cung cấp một phương thức có cấu trúc để nghiên cứu các cấu hình lời nhắc hoàn chỉnh trên nhiều mô hình và môi trường tác nhân khác nhau. Bằng cách chọn đúng loại tệp, áp dụng tệp vào bề mặt chỉ dẫn phù hợp, kiểm thử trong môi trường biệt lập và ghi chép cẩn thận các phiên bản, bạn có thể sử dụng bộ sưu tập cho nghiên cứu lời nhắc và kiểm thử phòng thủ mà không nhầm lẫn hành vi của mô hình với việc triển khai không được hỗ trợ hoặc không an toàn.

Chỉ sử dụng cho mục đích nghiên cứu và giáo dục. Tuân thủ luật hiện hành, điều khoản của nhà cung cấp và các yêu cầu an toàn của hệ thống bạn sử dụng.