AI编程助手系统提示词合集：Claude Code、Cursor等主流工具提示词开源收录

项目概述：一个收录主流AI编程助手系统提示词的开源仓库

在AI编程助手百花齐放的今天，一个名为 awesome-system-prompts 的开源项目悄然走红GitHub。该项目由开发者EliFuzz维护，系统性地收集了市面上主流AI编码代理的系统提示词（System Prompts）和工具定义（Tool Definitions），为开发者和研究者提供了一个难得的「透视镜」，让我们得以窥探这些AI助手背后的运作逻辑。

系统提示词是大语言模型（LLM）交互架构中的核心组件。在OpenAI率先定义的Chat Completions API中，消息被分为三种角色：system（系统）、user（用户）和assistant（助手）。系统提示词作为system角色的消息，在对话开始前注入，用于定义模型的身份、行为准则、输出格式和能力边界。它相当于给AI设定了一套「宪法」——模型在后续所有交互中都会遵循这些指令。生产级系统提示词通常包含角色定义、任务范围、输出约束、安全规则、工具调用协议等多个模块，长度可达数千甚至上万token。与普通的用户提示词不同，系统提示词经过精心设计和反复A/B测试，直接决定了AI产品的行为质量和用户体验。

收录了哪些AI编程助手的系统提示词？

该项目目前涵盖了以下主流AI编码工具的系统提示词：

头部AI编程工具

• Claude Code — Anthropic推出的命令行AI编程助手，其系统提示词展示了严谨的角色定义和工具调用规范。Claude Code采用终端交互模式，直接在命令行中运行，通过系统提示词获得文件读写、Shell命令执行、代码搜索等能力，特别适合全栈开发和复杂项目的自主操作。
• Cursor — 当前最火的AI代码编辑器，提示词设计体现了编辑器场景的深度优化。Cursor深度集成在代码编辑器中，利用编辑器的AST（抽象语法树）解析和LSP（语言服务器协议）等能力，在光标位置提供上下文感知的代码建议，其提示词需要处理大量编辑器状态信息，这使得它的系统提示词在结构上与命令行工具有着本质区别。
• Gemini — Google的AI编程能力，提示词风格与其他产品形成鲜明对比
• Codex — OpenAI的代码生成模型
• OpenAI — ChatGPT等产品的系统提示词

新兴AI编程力量

• Augment Code — 企业级AI编程助手
• Devin AI — 号称「首个AI软件工程师」，试图构建一个能自主完成完整软件开发任务的自主代理，涉及需求分析、规划、编码、调试的完整循环，其系统提示词的复杂度远超单一功能的编程助手
• Kiro — AWS推出的AI IDE
• Perplexity — AI搜索引擎的提示词设计
• VSCode Agent — 微软VS Code内置的AI代理
• Cluely — 新兴AI编程工具

这些产品在架构上存在显著差异——有的是命令行工具，有的是IDE插件，有的是独立的自主代理——这些架构差异直接反映在各自的系统提示词设计中，不同的产品形态需要截然不同的指令策略，这也是横向对比这些提示词时最有趣的观察维度之一。

为什么这个系统提示词项目值得关注？

学习提示词工程的最佳实战教材

系统提示词是AI产品的「灵魂」。通过研究这些经过大量迭代优化的生产级提示词，开发者可以学到：

• 如何精确定义AI的角色和行为边界
• 如何设计工具调用的格式和规范
• 如何处理边界情况和安全约束
• 顶级团队如何平衡AI能力与安全性

这些都是书本上学不到的实战经验，每一条提示词背后都凝结了产品团队数月甚至数年的打磨。

提示词工程（Prompt Engineering）已从早期的「技巧集合」演变为一门系统性的工程学科。它涵盖了多个核心技术方向：思维链（Chain-of-Thought）引导模型逐步推理；少样本学习（Few-shot Learning）通过示例教会模型特定任务格式；角色扮演（Role-playing）通过身份设定激活模型的特定知识域；以及结构化输出控制等。在生产环境中，提示词工程还需要考虑token成本优化、延迟控制、版本管理和回归测试。顶级AI公司通常设有专门的提示词工程团队，使用自动化评估框架（如OpenAI的Evals）对提示词进行量化评测，确保每次修改都能带来可衡量的质量提升。这个项目中收录的提示词，正是这些工程实践的最终产出。

理解AI编程产品差异化的关键

同样基于大语言模型，为什么不同AI编程助手的表现差异巨大？很大程度上取决于系统提示词的设计水平。通过横向对比这些提示词，我们可以理解：

• 各家产品的设计哲学有何不同
• 工具定义的粒度和抽象层次如何选择
• 不同编程场景下的提示词策略差异

其中，工具定义（Tool Definitions）是AI代理架构中的关键概念，它让大语言模型能够超越纯文本生成，与外部系统进行交互。在技术实现上，工具定义通常以JSON Schema的形式描述每个可调用函数的名称、参数类型、参数说明和返回值格式。当模型判断需要执行某个操作（如读取文件、执行命令、搜索代码库）时，它会生成一个结构化的函数调用请求，由宿主程序执行后将结果返回给模型。这种机制被称为Function Calling或Tool Use。工具定义的设计质量直接影响模型调用工具的准确率——定义过于模糊会导致误调用，过于复杂则会消耗大量上下文窗口。通过对比不同产品的工具定义，我们可以清晰地看到各家在这一关键设计决策上的不同取舍。

构建自定义AI代理的实用参考

对于正在开发AI应用的团队来说，这些提示词是极有价值的参考模板。与其从零开始摸索，不如站在巨人的肩膀上，借鉴Claude Code、Cursor等成熟产品的设计模式，快速搭建自己的AI代理。

理解AI安全与对齐的实践方式

AI对齐（AI Alignment）是指确保AI系统的行为与人类意图和价值观一致的技术挑战。在系统提示词层面，对齐问题主要体现为安全约束的设计：防止模型生成恶意代码、拒绝执行危险的系统命令、避免泄露敏感信息、限制对文件系统的访问范围等。这些约束需要在安全性和实用性之间取得微妙平衡——过于严格的限制会导致AI助手「畏手畏脚」，无法完成正常的编程任务；过于宽松则可能带来安全风险。此外，提示词注入攻击（Prompt Injection）是一个持续存在的威胁，攻击者可能通过精心构造的用户输入覆盖系统提示词的指令。因此，生产级系统提示词通常包含多层防御机制来抵御此类攻击。通过研究这个项目中各产品的安全约束设计，我们可以了解行业在实际部署中如何应对这些挑战。

项目技术细节与结构

该项目使用JavaScript编写，目前已获得 185个Star 和 33个Fork。虽然星标数量不算惊人，但考虑到其内容的专业性和实用性，这个数字正在快速增长中。

项目结构清晰，按照不同的AI工具分类组织，每个工具的目录下包含完整的系统提示词文本和相关的工具定义文件，方便开发者快速查阅和对比分析。

不同角色的使用建议

对于AI应用开发者

建议重点研究与自己产品形态相近的AI助手的提示词设计，关注其如何处理上下文管理、错误处理和用户意图理解。比如做IDE插件的团队可以重点参考Cursor和VSCode Agent的提示词，观察它们如何利用编辑器上下文（如当前打开的文件、光标位置、项目结构）来增强代码建议的准确性。做命令行工具的团队则应深入研究Claude Code的提示词，学习其如何设计安全的Shell命令执行策略和文件操作权限控制。

对于提示词工程师

这是一个绝佳的案例库。建议横向对比不同产品对同一类功能（如代码补全、错误修复、重构建议）的提示词实现方式，总结出可复用的最佳实践。特别值得关注的是各产品如何运用思维链引导、如何设计工具调用的错误恢复机制、以及如何在有限的上下文窗口中高效组织信息。

对于AI技术研究者

通过分析这些提示词的演变，可以追踪行业对AI安全、对齐和能力边界的最新思考，了解商业产品如何在实际部署中解决对齐问题。这些提示词也是研究LLM行为控制、指令遵循能力和工具使用能力的宝贵一手资料。

总结

在AI编程工具竞争白热化的当下，系统提示词已经成为产品核心竞争力的重要组成部分。awesome-system-prompts项目将Claude Code、Cursor、Gemini等产品通常隐藏在背后的「秘密武器」汇集一处，为整个开发者社区提供了宝贵的学习资源。

无论你是AI开发者、提示词工程师还是技术爱好者，这个项目都值得加入你的收藏夹，定期回来查看更新。

项目地址： github.com/EliFuzz/awesome-system-prompts