3.4万字Prompt被泄露！看了Claude的底层底牌，我才知道自己以前用得有多烂。。。

3.4万字底牌被泄露！小机看Claude底层Prompt封面

经常使用claude的不知道会不会有这种感觉：

每次用 Claude，感觉跟它聊得还行。

但又隐隐觉得，自己好像只用到了它的三四成。

那种感觉就像——

你拿到了一台顶级跑车，但只会开去菜市场买菜。

上周，一个叫 Eversmile1 的开发者，把这辆车的原厂调校手册给挖出来了。

然后全网炸了。

事情是这样的

IT之家：Claude Opus 5 系统提示词被完整泄露报道截图

有人把 Claude Opus 5 的完整 System Prompt（系统提示词）丢到了 GitHub 上。

不是几百字，不是几千字。

是整整 135,027 个字符，约 3.4 万 token。

里面有什么？

• 30 个内置工具的完整 JSON 调用规范
• 严格的版权合规边界（单次引用不超过 15 个词）
• 跨会话记忆系统的完整设定
• 一套超级严密的自查与边界防护机制

然后好玩的事情来了。

GitHub上Claude Opus 5 System Prompt相关仓库截图

这份底牌被放出去之后的 24 小时内：

有开发者拿着这套提示词架构，直接生成出了3D 射击游戏的完整 Demo。

还有人搓出了《火箭联盟》的克隆版。

为什么他们能这么快？

因为他们终于知道顶级 AI 的大脑是怎么被设定的了。

而大多数人，还在用"你是一个专业助手，请帮我……"这种小学水平的开场白在跟 Claude 说话。

我看完这份底牌，坐在椅子上发呆了一会儿。

然后我意识到，我以前也是那个开着跑车去买菜的人。

三个我从 3.4 万字里挖出来的、今天就能用的顶级技巧

不废话，直接上干货。

第一招：把你的"需求描述"改成"结构化任务规范"

原理

Claude 官方给内置工具写的调用说明，全是严密的 JSON Schema 格式：

{   "name": "web_search",   "description": "搜索互联网获取实时信息",   "input_schema": {     "query": { "type": "string", "description": "搜索关键词" },     "max_results": { "type": "integer", "default": 5 }   } }

字段是什么、类型是什么、边界是什么、失败了怎么办，全部写死。

没有一句"你可以帮我搜一下"。

实操

以后给 Claude 发任务，别写长段落小作文，改成 Markdown 清单：

## 任务 帮我写一个用户注册接口  

## 输入 - 框架：FastAPI - 字段：email、password、username - 约束：email 唯一性校验、password 最少8位  

## 输出格式 - 完整的 Python 代码，含注释 - 附：对应的单元测试代码 

## 完成标准 运行 pytest，无 FAIL

结构清晰，边界明确，AI 才能"对表交付"，而不是"凭感觉发挥"。

第二招：给你的 Claude 建一套"全局记忆规则"

原理

底牌里有一个非常关键的模块：跨会话记忆系统。

Anthropic 专门设计了一套机制，让 Claude 在不同对话之间能保持稳定的"人格"和"行为规范"，而不是每次对话都从零开始。

用人话说：

Claude 的"身份"，是被它自己的 System Prompt 给撑起来的。

没有这个撑，它就会随着上下文漂移，你越问越歪。

实操

在用 Cursor / Claude Code 的时候，一定要建一个项目级的规则文件：

Cursor 用户：在项目根目录建 .cursorrules 文件，写上：

# 项目全局规则  你是一个 Full Stack 开发专家，熟悉 Next.js + Supabase + TypeScript 技术栈。  

## 代码风格 - 变量命名用 camelCase - 组件命名用 PascalCase - 注释用中文，代码用英文  

## 完成标准 每次修改代码后，自动检查是否破坏了已有测试，如有报错立即修复。  

## 禁止行为 - 不要在未经说明时安装新的 npm 包 - 不要删除已有功能代码

Claude.ai 用户：在设置里找到"Custom Instructions"，把你对 Claude 的稳定要求写进去。

这样 Claude 每次对话都会携带这套"全局人格"，而不是每次都要从头训练它。

真正的高手做法

不是"每次都写超长 Prompt"，而是"一次配置全局规则，每次只说增量变化"。就像你入职一家公司，不用每天早上把工作手册背一遍，因为规则已经在那里了。

第三招：在你的提示词里加一行"自查断言"

原理

底牌里最让我震惊的一个细节：

Claude 的 System Prompt 里有大量的自我验证逻辑。

比如：

在引用任何第三方内容前，Claude 必须先确认引用长度不超过 15 个词，且具有明确的来源标注，否则拒绝输出。

它不是在等用户说"你写错了"，它会在输出前先自我扫描一遍。

这就是为什么 Claude 比普通 GPT 更少幻觉的原因之一。

实操

在你的 Prompt 结尾，加上这一段：

在给我最终答案之前，请先完成以下自查： 

1. 你的回答是否直接对应了我的需求？（是/否） 

2. 是否存在我没有要求但你自己"发挥"的内容？（是/否） 

3. 如果答案涉及代码，是否可以直接运行？（是/否）  如果任意一项存在问题，请先修正，再输出最终答案。

把这个模板存在你的剪贴板里，需要时一粘贴。

我用了这个加法之后，Claude 给我返回的结果质量，明显提升了一个台阶。

没有任何夸张。

说几句实在话

我用 AI 这么久，有一件事越来越确信：

AI 的上限不在 AI，而在你。

顶级的提示词工程，说穿了就是：

把模糊的需求，翻译成 AI 能严格执行的结构化指令。

Anthropic 用 3.4 万个 token 给 Claude 搭了一套执行框架。

我们不可能每次都写 3.4 万字，但我们可以把三个最核心的设计思路抄回家用：

1. 结构化任务规范，而不是散文需求
2. 全局规则文件，而不是每次从头配置
3. 自查断言，而不是等 AI 出错再纠

这三条，今晚就能用上。

成本是零，收益是你每天跟 AI 打交道的效率提升 50%。