一份被公开在GitHub上的系统提示词，比任何技术论文都更赤裸地展示了Anthropic如何“驯服”自己的最强模型。开发者Eversmile1直接把Claude Opus 5的完整系统指令扔上了网——30个工具的JSON schema、单次引用不超过15个词的版权铁律、以及跨会话记忆机制，一夜之间全摊在台面上。这算不上一次安全事故，更像一场被迫的透明化展览。
值得盯着看的不是八卦。提示词里塞满了细碎得像法典的约束规则，比如拒绝生成特定人像、对代码引用严格字数限制、在回答中嵌入隐形水印式的一致性指令。Anthropic显然在设计一种“下限防御”——不是让模型更聪明，而是让它在千万次调用中绝不越过某条红线。这种设计的代价也暴露出来：工具定义多达30个，每一个都带着冗长的schema说明，推理消耗必然水涨船高。更有意思的是这场泄露激发的即时反馈：24小时内就有人用Opus 5生成了可运行的3D射击游戏和《火箭联盟》克隆Demo。规则的枷锁并没有压垮创造力，反倒像为高性能引擎加装了更精准的制动系统。
这整套提示词的本质，是把以往靠RLHF隐式训练的安全观念，硬编码成一层又一层显式文本约束。这种做法能复制吗？不好说。但至少它揭示了一个趋势：当模型强到一定程度，产品化拼的就不再是参数量，而是谁更敢在Prompt层锻造一副结实的笼子。笼子露出来了，跑起来的野兽也更清晰了。
