影片筆記：Claude Opus 5被扒光了！1511行提示词底牌全摊开，GitHub泄露完整 Opus5 系统提示词，读懂 AI 产品底层运行逻辑，三万 Token隐形宪法全梳理：隐私记忆、版权合规、商业导流

一句話總結

2026年7月24日 Anthropic 發布 Cloud Opus 5 後，GitHub 用戶公開了約 3 萬 Token 的系統提示詞，揭示該模型不僅具備強大能力，更透過嚴格的「邊界工程」，在隱私保護、版權合規、商業導流及工具調用上建立了複雜的產品層規則框架，標誌著 AI 競爭從單純能力提升轉向「知道何時停止」的邊界管理。

核心重點

1. 系統提示詞的本質轉變：系統提示詞已從簡單的角色設定演變為包含行為規則、工具調用、隱私保護、版權限制及商業導流的「產品層規則框架」，相當於中型技術手冊或產品配置文件。
2. 五大核心層面：

• 隱性操作系統：定義大量工具（命令行、搜索、繪圖等）的調用規則、參數填寫及失敗處理，將可能性轉化為秩序。
• 記憶與隱私：建立小型文件系統記錄用戶信息，但嚴格限制 AI 自行推導，設立隱私黑名單（健康、政治、經濟等），並強調防止「被凝視感」。
• 關係邊界：禁止 AI 頻繁強調「我記得你」，避免製造虛假親密感或情感債務，區分數據記錄與真實關係。
• 版權與合規：優先級為安全 > 合規 > 有用性 > 用戶請求。嚴格限制引用長度（單次不超過 15 英文詞）與方式，優先改寫而非直接引用。
• 商業入口：主動推薦自家產品（Cloud Code, Cowork 等），但對第三方服務保持謹慎，呈現選項由用戶決定，爭奪「人類意圖的入口」。

1. 能力與成本對比：Cloud Opus 5 定位接近 Fable 5，但價格為後者的一半。在部分評測環境中優於前代，但官方數據僅在特定環境下有效。
2. 競爭門檻轉向「邊界工程」：AI 競爭的關鍵不僅在於有能力完成更多事，更在於擁有能力後清楚知道哪些事不應去做，以及確保模型知道何時必須停止。

詳細大綱

一、 發布背景與文件概況

• 發布資訊：2026年7月24日，Anthropic 正式發布 Cloud Opus 5。
• 產品定位：能力接近更高階的 Fable 5，但價格為後者的一半。
• 文件來源：GitHub 用戶 Eversmile12 公開了一份來自 Cloud 網頁端與移動端的完整系統提示詞。
• 文件規模：1511 行，135,027 字符，19,370 英文單詞，約 3 萬 token。
• 文件性質：非簡單角色設定，而是一套包含行為規則、工具調用、隱私保護、版權限制及商業導流的「產品層規則框架」。
• 證據狀態：第三方公開，Anthropic 未逐行認證真實性，屬「高度疑似」文件。

二、 系統提示詞的五大核心層面

1. 第一層：隱性操作系統（工具與編排）

• 定義大量工具調用規則：命令行、網頁搜索、圖片檢索、天氣、體育、地圖、文件編輯、郵件、日曆、可視化組件。
• 詳細規定參數填寫、調用場景、失敗處理及結果呈現。
• 核心觀點：體驗取決於模型外部的不可見編排系統，提示詞將可能性轉化為秩序。

1. 第二層：記憶機制與隱私保護

• 記憶結構：包含 Profile（身份）、Aries（項目/進行中事物）、Topics（習慣/興趣）、People（人物關係）、Preferences（回答方式要求）。
• 寫入規則：必須附加標籤 Stated，僅記錄用戶親口表達的信息。
• 禁止推導：禁止記錄 AI 自身推導、網絡搜索、建議、潤色或擴展的內容。
• 隱私黑名單：健康診斷、政治立場、精確經濟狀況、家庭住址、證件信息、兒童及敏感身份信息。
• 倫理判斷：若未來設置頁面被同事看到會感到不適，則不保存。

1. 第三層：關係邊界與情感防範

• 禁止頻繁強調「我記得你」或「根據你的資料」。
• 區分數據記錄與真實關係：AI 不應利用連續性製造虛假親密感或情感債務。
• 目標：防止用戶誤解 AI 與自身的關係。

1. 第四層：版權與合規約束

• 優先級：安全 > 合規 > 有用性 > 用戶請求。
• 版權規則：
• 優先改寫而非直接引用。
• 單次引用不超過 15 個英文詞。
• 同一來源原則上僅可引用一次。
• 禁止拆散短引用、緊貼原文句式改寫、照搬小標題或重建敘事順序。
• 歌詞、詩歌及排劇無例外。
• 其他合規：兒童安全、危機干預、高風險代碼及不可密操作。

1. 第五層：商業入口與導流邏輯

• 推薦自家產品：當任務對應 Cloud Code, Cowork, Cloud Design, Excel, PowerPoint 時，主動推薦 1-3 個，不等用戶詢問。
• 第三方服務謹慎：如「我要打車」，不得擅自選擇平台，需呈現選項由用戶決定。
• 競爭本質：智能體時代爭奪的是「人類意圖的入口」。

三、 能力測試與數據評估

• 開發者演示：
• 出現 3D 射擊遊戲、物理模擬、賽車、草地風場、滑雪等演示。
• 開發者 Matt Schumer 發布據稱由 Opus 5 單次生成的 3D 射擊遊戲。
• Opus 5 自行編寫視覺處理流程，從像素提取幾何信息重建機械零件圖（官方稱其他模型嘗試五次未成功）。
• 質疑：是否使用預製資產或人工調整？需公開完整提示詞、原代碼及環境進行重複實驗。
• 官方評測數據：
• 在部分編碼、辦公自動化及計算機操作任務上優於 Opus 4.8。
• 在 CurtherBench 最高努力檔位，成績與 Faber 5 峰值相差不到 0.5%。
• 在 OS World 2.0 中，以略高於 Fable 5 1 3 的成本，超過 Fable 5 最佳成績。
• 價格對比：
• Opus 5：輸入 $5/百萬 token，輸出 $25/百萬 token。
• Fable 5：輸入 $10/百萬 token，輸出 $50/百萬 token。
• 結論：數據僅為廠商指定評測環境結果，非絕對排名。

四、 核心結論：邊界工程

• 系統提示詞已發展為產品說明書、工具路由器、隱私制度、版權政策、安全手冊與商業分發系統的混合體。
• 模型是發動機，系統提示詞是交通法規、方向盤、煞車與導航系統。
• 競爭門檻：不僅在於有能力完成更多事，更在於擁有能力後清楚知道哪些事不應去做。
• 關鍵問題：賦予 AI 多少權利？確保它知道何時必須停止？

工具 / 模型 / 名詞整理

• 模型/產品名稱：
• Cloud Opus 5（或稱 Opus 5、OPUS 5、Opas 5、Opus 4.8）
• Fable 5（或稱 Faber 5、Fable 5 1 3）
• Cloud（產品名稱）
• Cloud Code
• Cowork
• Cloud Design
• Excel
• PowerPoint
• 技術/評測名稱：
• Cloud Ops 5
• GitHub
• Token
• 分詞器
• 命令行
• 網頁搜索
• 圖片檢索
• 可視化組件
• Profile
• Aries
• Topics
• People
• Preferences
• Stated（標籤）
• 3D 射擊遊戲
• 物理模擬
• 賽車
• 草地風場
• 滑雪
• 交互式風洞
• 細胞模型
• CurtherBench
• OS World 2.0
• API
• 系統提示詞（System Prompt）
• 預製資產

操作流程整理

1. 獲取系統提示詞：

• 用戶或開發者從 Cloud 網頁端或移動端獲取系統提示詞。
• 確認提示詞規模（約 3 萬 token，1511 行）。

1. 解析提示詞結構：

• 識別五大層面：隱性操作系統、記憶與隱私、關係邊界、版權與合規、商業入口。

1. 執行工具調用：

• 根據提示詞定義，判斷任務類型（如搜索、繪圖、計算）。
• 填寫參數，調用對應工具（命令行、網頁搜索、圖片檢索等）。
• 處理工具失敗情況，並呈現結果。

1. 管理用戶記憶：

• 僅記錄用戶親口表達的信息，並附加 Stated 標籤。
• 檢查是否屬於隱私黑名單（健康、政治、經濟等）。
• 禁止記錄 AI 自身推導或擴展的內容。

1. 處理版權與合規：

• 判斷內容是否涉及版權，優先進行改寫。
• 確保單次引用不超過 15 個英文詞，且同一來源僅引用一次。
• 執行兒童安全、危機干預等高風險檢查。

1. 商業導流與推薦：

• 當任務匹配自家產品（Cloud Code, Cowork 等）時，主動推薦 1-3 個選項。
• 對於第三方服務（如打車），呈現選項由用戶決定，不擅自選擇。

1. 評估與反饋：

• 在特定評測環境（如 CurtherBench, OS World 2.0）中測試模型性能。
• 對比成本與性能，評估是否達到預期邊界控制效果。

值得注意的限制或風險

1. 隱私洩露風險：儘管有隱私黑名單，但系統仍記錄用戶的習慣、興趣和人際關係，若設置頁面被同事看到可能引發不適。
2. 虛假親密感：AI 利用連續性記錄用戶信息，可能製造虛假親密感或情感債務，導致用戶誤解 AI 與自身的關係。
3. 版權限制嚴格：單次引用限制在 15 個英文詞，且禁止拆散短引用或緊貼原文句式改寫，可能影響內容生成的靈活性。
4. 數據真實性存疑：系統提示詞由第三方公開，Anthropic 未逐行認證真實性，屬「高度疑似」文件，實際運行邏輯可能有所不同。
5. 評測環境局限性：官方數據僅在廠商指定評測環境中有效，非絕對排名，實際應用中可能表現不同。
6. 商業導流衝突：主動推薦自家產品可能與用戶需求不符，需在商業利益與用戶體驗之間取得平衡。

逐字稿辨識疑點

• Cloud Ops 5：逐字稿開頭提及，後文多為 Cloud Opus 5，疑為聽寫錯誤或筆誤。
• Fable 5 / Faber 5：逐字稿中交替出現 Fable 5 與 Faber 5，需查證正確模型名稱。
• Opas 5：文中出現一次「OPAS 5 的意義」，疑為 Opus 5 的錯字。
• Opus 4.8：文中提及優於 Opus 4.8，需確認 Anthropic 是否有此版本編號。
• CurtherBench：逐字稿拼寫，需查證是否為特定基準測試名稱（如可能為其他 Bench 名稱的聽誤）。
• OS World 2.0：需查證該評測環境的準確名稱。
• EnterPapic：文中出現「EnterPapic 在發布材料中表示」，疑為 Anthropic 的聽寫錯誤。
• Aries：記憶存儲部分提及「Aries」，需確認是否為產品內部的特定存儲名稱或聽誤。
• 不可密操作：文中多次出現「不可密操作」，疑為「不可逆操作」或特定術語的聽寫錯誤。
• Eversmile12：GitHub 用戶名，需查證是否為真實存在的倉庫所有者。
• Matt Schumer：開發者姓名，需查證是否為真實發布演示的開發者。
• Cloud Code Cowork：文中出現「Cloud Code Cowork」，疑為 Cloud Code 與 Cowork 兩個產品的連接詞誤或合併稱呼。

可延伸追問

1. 系統提示詞中的「隱私黑名單」具體包含哪些敏感信息類別？如何動態更新？
2. AI 在處理版權內容時，如何平衡「優先改寫」與「保留原意」之間的關係？
3. 商業導流機制是否會影響 AI 的客觀性？用戶是否有權關閉此功能？
4. 系統提示詞中的「關係邊界」規則如何具體實施？AI 如何判斷何時應停止強調記憶？
5. 第三方公開的系統提示詞與實際運行中的提示詞是否存在差異？Anthropic 是否會公開更多細節？
6. 在「邊界工程」框架下，AI 如何處理複雜的道德困境或法律灰色地帶？
7. 系統提示詞的規模（3 萬 token）對模型的推理速度和成本有何具體影響？
8. 如何驗證系統提示詞中的「隱性操作系統」規則在實際應用中的有效性？