文章探讨了从闭源模型中提取推理痕迹的技术原理。推理痕迹是模型在最终回答前生成的文本，通过特殊标记分隔并由解析器路由到独立流。推理努力程度由系统提示词控制，而非采样过程。模型被训练将草稿思考留在分析通道，若被诱导误入最终通道则可能泄露。禁用思考时，模型可能通过工具或预填充标记来规避。

Claude Code团队删减了超过80%的系统提示词，因新模型能力更强，无需过多规则。建议减少绝对规则，用清晰工具说明替代示例，按需加载内容，避免重复要求，让AI自动记忆，并用代码、测试等作为参考。人类应提供上下文和定义好结果，而非堆砌提示词。

Anthropic将Claude Code系统提示词删减超80%，评测显示无性能损失，但此结论不可推广。模型已掌握公共知识，删减的是冗余补丁；私有规则如团队约定、项目细节，模型无法自行推断，必须保留。控制应从事前规则转向事后验证，该薄的是公共部分，该厚的是私有部分，避免无评测的盲目删减。

Anthropic泄露的Fable 5系统提示词长达12万字，涵盖模型功能和工具使用等信息，内容基本正确但不完整，主要为事故修复手册。由于安全问题，Fable 5被封，Anthropic无法实时判断用户身份，导致全球用户被清退。中国模型需追赶整体工作台而非单一模型，系统提示词强调具体案例和反例，未来AI竞争将转向Harness Agent时代。

通过分析OpenAI、Anthropic等公司的系统提示词泄露，发现AI产品的核心差异在于配置文件而非模型本身。配置层决定了产品的行为和安全边界，但许多团队尚未将提示词视为生产级代码。泄露的提示词揭示了AI产品的真实行为，强调了系统提示词的重要性及其潜在安全风险。

ChatClientAgentOptions 是创建 AI Agent 的核心配置类，包含 8 个配置项，支持运行时扩展，包括唯一标识、显示名称、系统提示词、描述信息和 AI 调用配置，允许自定义消息存储和上下文提供者。

本文讨论了2025年AI代理的发展，重点介绍了Claude的技能、系统提示词、工具和上下文工程，以及多代理系统的构建和深度研究的实施指南。

本文探讨了如何通过逆向推理破解NotebookLM的系统提示词。作者利用认知冲突的方法，诱导AI透露隐藏信息。通过多次相同指令获取音频并转为文本分析，最终推导出系统提示词，从而深入理解AI的运行机制。

系统提示词是模型内置的指令，决定其在特定上下文中的表现和回答风格。用户无法直接看到这些提示词，但可以通过特定提问方式间接获取。DeepSeek R1根据用户输入和系统提示生成内容，确保安全合规，并提供准确的信息。