Anthropic 的 Claude 新旗舰机型刚官宣上线，没多久就爆出 95 万字系统提示词被黑客完整扒取、公开上传到代码平台的消息，这份提示词不是简单的功能指令，是约束模型回答风格、安全红线、拒绝策略、输出规范、记忆机制、法务限制的全套底层规则，很多 AI 从业者看完之后发现，Claude 旗舰之所以回答风格稳定、拒绝逻辑统一，很大程度就是靠这份超长系统提示词来约束，而不是单纯依靠模型原生能力；这次泄露也直接引发行业讨论，一方面大家可以看懂它的安全护栏是怎么搭建的，另一方面也暴露了大模型存在提示词越狱、底层规则被提取的安全漏洞，Anthropic 后续紧急下架相关泄露仓库、调整模型安全策略，同时对外回应，提示词只是行为约束文档，不代表模型权重本身被泄露，权重依旧是保密的，这次事件也给所有大模型厂商敲响警钟，依靠超长系统提示词做安全防护，存在被逆向提取的风险。
一、本次泄露事件基础信息
- 事件节点：Claude 新旗舰刚正式发布，短时间内就出现提示词泄露
- 泄露内容：95 万字完整系统提示词文档，包含安全准则、输出格式、记忆规则、拒绝话术、产品介绍、合规条款
- 泄露渠道：黑客在 GitHub、社交平台发布完整文本
- 泄露主体：系统提示词（行为规则），模型权重没有外泄
- 发起者：知名越狱研究者，此前多次完成 Claude 系列模型越狱、提示词提取
二、这份超长提示词里面包含哪些板块
| 板块 | 内容说明 |
|---|---|
| 安全防护规则 | 高危内容识别、违禁问题拒绝标准、敏感话题处理逻辑、越狱对抗策略 |
| 回答行为规范 | 语气风格、思考方式、推理步骤写法、是否暴露内部规则、不能编造信息 |
| 用户记忆机制 | 哪些信息允许保存、哪些隐私信息禁止记录、记忆调用的限制条件 |
| 法务与合规条款 | 版权、诽谤、隐私、地域相关的输出红线，规避法律风险 |
| 产品业务指引 | 向用户介绍 Anthropic 旗下其他模型、API、付费功能的话术规范 |
| 错误处理细则 | 遇到不知道的问题、幻觉风险、提示注入攻击时的应对流程 |
三、事件带来的正反影响
✅ 行业研究价值
- 开发者可以直观学习头部大模型的安全护栏搭建思路
- 能看懂 Claude 为什么对同类问题拒绝口径高度一致
- 给提示词工程、Agent 开发提供参考范本
- 黑客可以反向研究规则漏洞，定制更精准的越狱提示词，绕过安全限制
- 竞争对手可以参考这套约束逻辑，复刻相似的应答策略
- 普通用户拿到提示词之后，更容易找到话术漏洞，诱导模型输出违规内容
⚠️ 风险与弊端
四、容易混淆的两个概念区分
- 系统提示词：给模型看的前置指令，用来规定怎么回答，属于 “说明书”，本次泄露的就是它
- 模型权重：神经网络参数，是模型真正的知识和能力载体，本次没有泄露
五、厂商后续应对动作
- 向平台提交申诉，要求下架 GitHub 上的泄露文档
- 快速迭代安全分类器，修补本次泄露提示词里面暴露的对抗弱点
- 调整部分安全规则、改写拒绝逻辑，降低被针对性越狱的概率
- 对外澄清：提示词泄露≠模型被攻破，权重没有外泄，模型基础能力不受影响
六、行业延伸思考
现在不少旗舰大模型都在用几万、几十万字的超长系统提示词做行为管控，这种方案落地简单，但缺点很明显：一旦提示词被提取，安全边界就会被摸清；后续行业会慢慢从 “靠长提示词兜底安全”，转向模型原生对齐、内置安全分类器、独立防护层的方案。
【相关 FAQ】
问题 1：Claude 新旗舰刚发 95 万字绝密提示词被扒光，泄露的内容是什么？
回答 1：Claude 新旗舰刚发 95 万字绝密提示词被扒光，泄露的是整套系统提示词，也就是用来约束模型回答风格、安全红线、记忆规则、拒绝策略的底层行为指令文档，并不是模型权重。
问题 2：Claude 新旗舰刚发 95 万字绝密提示词被扒光，模型权重是不是一起泄露了？
回答 2：不是，Claude 新旗舰刚发 95 万字绝密提示词被扒光，官方确认只是系统提示词文档外泄，承载模型能力的权重文件没有泄露，模型本体没有被完整破解。
问题 3：Claude 新旗舰刚发 95 万字绝密提示词被扒光，这份提示词有什么作用？
回答 3：Claude 新旗舰刚发 95 万字绝密提示词被扒光，这份提示词用来统一 Claude 旗舰的应答风格、划定安全拒绝边界、管控用户记忆、规避法律风险，是 Claude 安全护栏的重要组成部分。
问题 4：Claude 新旗舰刚发 95 万字绝密提示词被扒光，这次泄露会带来什么隐患？
回答 4：Claude 新旗舰刚发 95 万字绝密提示词被扒光，黑客可以研究规则漏洞，制作针对性越狱指令绕过安全限制，同时同行也可以参考这套约束逻辑，模仿 Claude 的应答策略。
【参考资料】
[2026-11-12]（Claude 新旗舰刚发，95 万字绝密提示词被扒光了！）新智元
[2026-11-11]（Claude 旗舰系统提示词泄露：超长安全文档暴露护栏逻辑）36 氪
[2026-11-11]（Anthropic 回应 Claude 提示词泄露：权重未泄露，正在升级安全策略）IT 之家
[2026-11-10]（大模型提示词越狱风险：超长前置提示词的短板分析）机器之心
【免责声明】
以上内容仅为网络公开科技资讯整理，Claude 提示词泄露相关细节、后续安全补丁效果存在不确定性，提示词泄露不代表模型可以随意破解，请勿利用泄露内容尝试越狱、诱导模型输出违规内容；相关技术细节、官方声明以 Anthropic 官方公告为准，本内容不构成任何技术开发、安全测试指导。