拆解30+AI产品的底层指令：system-prompts-and-models-of-ai-tools仓库探秘
你有没有好奇过，Cursor、Claude、Copilot 这些 AI 工具，背后到底给模型塞了什么指令？它们为什么有时候拒绝你，有时候又特别听话？答案就藏在 system prompt 里。
GitHub 上有个仓库，干了一件事：把市面上几乎所有主流 AI 工具的系统提示词、内部工具定义、使用的模型信息，全部收集整理了出来。12.3 万 Star，3.1 万 Fork。
仓库名就叫 system-prompts-and-models-of-ai-tools。
收录了哪些
覆盖面很广。Cursor、Windsurf、Copilot（VSCode Agent）、Kiro、Augment Code、Trae、Replit、Lovable、v0、Devin AI、Manus、Perplexity、Claude（Anthropic）、Gemini（Google）、Notion AI……总共 30 多个 AI 产品。
不只是聊天机器人，编程助手、搜索引擎、代码生成器、Agent 平台，全都有。内容量超过 3 万行。
能看到什么
每个产品的文件夹里，一般会有这些东西：
- 完整的 system prompt（系统提示词原文）
- 内部工具定义（比如 Cursor 能调用哪些工具、参数是什么）
- 使用的模型信息（用的哪个模型、什么版本）
拿 Cursor 举例，你能看到它是怎么定义代码编辑规则的，怎么处理文件读写的，甚至它内部的 tool calling schema 长什么样。
再比如 Manus，你能看到它的 Agent 工具链是怎么编排的，浏览器操作、文件管理、Shell 执行，每一步的 prompt 都写得清清楚楚。
有什么用
这个仓库的价值不在于「泄露」，而在于学习。
- 你想写一个好的 system prompt？去看看 Anthropic 自己是怎么写的。
- 你想给自己的 Agent 加工具调用？去看看 Cursor 和 Windsurf 的 tool 定义。
- 你想理解为什么某些 AI 产品体验好？prompt engineering 的差距，看完就懂了。
对于做 AI 产品的团队来说，这就是一本活的参考手册。当然，也有安全层面的意义——如果你是 AI 创业公司，看看自己的 prompt 有没有被收录进去，也是一种安全自查。
一些观察
翻了几个产品的 prompt 之后，有几个感受：
- 头部产品的 system prompt 都很长，动辄几千行，细节拉满。
- 好的 prompt 都在做「约束」，而不是「放开」。
- 工具定义的规范程度，直接决定了 Agent 的可靠性。
- 各家对安全边界的处理方式差异很大。
这些东西，光靠自己摸索，可能要踩很多坑。
这个仓库没有代码，没有可运行的程序，它就是一个文档集合，但信息密度很高。对于 AI 开发者、prompt 工程师、或者单纯对 AI 产品好奇的人来说，值得花时间翻一翻。GPL-3.0 协议，完全开源。
GitHub 项目地址：https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools