Claude Opus 5 系统提示词完整泄露：1511 行、约 3.4 万 token，满篇都是“禁止”
近日，一段据称是 **Claude Opus 5** 系统提示词的完整文档在技术社区中流传。文件显示，该提示词长达 **1511 行**，合计约 **3.4 万个 token**，其核心内容以大量“禁止”指令为主，几乎覆盖了模型可能触及的所有敏感边界。这一事件为外界窥探前沿大模型的安全对齐机制提供了罕见的窗口。
# 从“引导”到“闸门”：提示词设计范式的转变
传统系统提示词通常以“你是 Claude，由 Anthropic 训练……”等身份引导开场，辅以少量行为准则。而此次泄露的 Opus 5 提示词呈现出截然不同的结构：超过 **70% 的行文为否定性约束**，明确禁止生成涉及暴力、非法活动、医疗建议、金融投资、政治立场等数十类内容，且对绕过方式（如拼写变体、角色扮演、假设性提问）也进行了针对性封堵。这种设计表明，Anthropic 在 **Red Teaming（红队测试）** 和 **RBRM（基于规则的奖励模型）** 的基础上，将安全前置到了提示词层面，试图通过“穷举式禁令”来压缩模型可能的风险输出空间。
# 3.4 万 token 的代价：性能与安全的博弈
如此长度的提示词占据模型上下文窗口的近三分之一（以 100K token 上下文为例），直接导致用户实际可用 token 减少，并可能引入注意力机制的“首尾衰减”效应——模型在长序列中更容易忽略位于中间位置的用户指令。此外，每轮对话均需重复处理 3.4 万 token 的提示词，推理成本与延迟将显著上升。从技术角度看，这种做法更像是一种“硬编码”的应急方案，而非优雅的对齐策略。它反映了当前 AI 安全领域的一个核心矛盾：**越复杂的安全规则，越容易降低模型本身的能力天花板**。
# 泄露背后的行业震动
尽管 Anthropic 尚未官方确认，但若该提示词属实，则意味着 Claude Opus 5 在对齐强度上已达到行业前所未有的水平。然而，过于严苛的禁止清单也可能引发“过度拒绝”问题——模型可能因误判而拒绝回答真正的无害问题，如“如何安全地使用刀具”或“历史战争中的战术分析”。这对于追求通用智能的 AI 系统而言，是一种能力的隐性阉割。
此次泄露事件同时也凸显了提示词作为“商业秘密”的脆弱性：任何部署在服务器端、返回到用户前经过处理的提示词，理论上都存在被逆向还原的风险。对于依赖提示词工程实现安全控制的厂商，这是一个值得警惕的信号——**安全不应仅靠提示词来承载**，而是需要更底层的、可验证的模型行为约束。
