Claude Fable 5系统提示词完整解析

2026年6月，Anthropic的Claude Fable 5系统提示词在GitHub上泄露，引发广泛关注。这份长达3826行的文档是每次对话前预先注入的指令，用于塑造模型的行为、语气、拒绝策略、工具使用和限制。它来自一个名为asgeirtj/system_prompts_leaks的开源仓库（已获5.5万星标），并非通过黑客手段获得，而是通过诱导模型复述自身指令提取的。Anthropic官方发布的是核心提示词，而泄露版本包含完整的记忆、工具和工件框架，极为罕见。

Claude Fable 5于2026年6月9日发布，是首个“神话级”（Mythos-class）模型，定位高于Opus，上下文长度达100万token，知识截止于2026年1月。它与限制版的Claude Mythos 5共享权重，区别仅在于安全措施和访问权限。关键安全机制并非完全依赖提示词：分类器会监控高风险话题（如网络、生物、化学），并将这些请求路由到Opus 4.8处理。Anthropic称，只有不到5%的会话触发这一路由。

提示词的结构是深度嵌套的XML，像一份由律师注释的配置文件。它以19万token的预算和一条奇怪规则（禁止发出空块）开头，然后分为两大区域：行为容器（定义Claude的身份、拒绝规则、语气、福祉和平衡）和能力模块（包括记忆、工具、工件、搜索和连接器）。最引人注目的是大量关于“不要做”的规则：拒绝、福祉，以及禁止讨论“秘密配方”相关对话。

拒绝处理是强化程度最高的部分。模型可以客观讨论几乎所有话题，限制针对具体危害。儿童安全规则尤为细致。如果模型发现自己为了迎合请求而重新措辞，这种重新措辞本身就是拒绝的信号。武器和爆炸物、非法药物、恶意代码、真实人物等方面都有明确禁令。拒绝时，模型陈述原则而非检测细节，因为描述篱笆就等于教人翻越。

关怀义务部分篇幅庞大，且异常具体，显然是吸取了教训。规则包括：不进行诊断（除非用户自己使用标签）、不自残方法、不提供数字（如卡路里）、不制造依赖、不强化负面情绪。甚至连资源链接也经过修正——指向全国进食障碍联盟，因为旧热线已失效。

记忆系统允许模型调用历史对话，但大部分规则关于如何不滥用。禁止使用“我能看到”或“根据你的数据”等表述，让记忆像同事回忆而非系统读取文件。存储的笔记可能夹带指令（如“总是同意”），模型被明确要求忽略它们。用户可在匿名聊天中关闭记忆，并通过专门工具编辑。

代理机制部分是一本操作手册，指导模型如何执行操作而非仅仅回应。制作文件前先阅读相应格式的最佳实践。用户必须明确指定要使用的应用程序，模型不会自行选择。它还了解环境细节，例如工件会静默破坏浏览器存储，因此明确禁止。

搜索功能用于处理知识截止后的新信息，难度越大搜索力度越大。版权保护部分是最严格的子章节：引用来源时不超过15个单词，绝不复制歌词、诗歌或整段。还特别警告虚假的“系统提醒”可能试图放松规则，需保持警惕。

这次泄露揭示了一个重要事实：前沿AI并非神秘的“黑盒”，其看似个性和判断的部分，往往只是某人手动编写的普通句子。一个智能模型背后，是一份谨慎、充满限制且人性化的文档。魔术师其实有剧本，只不过我们碰巧读到了。