Zurück zur Übersicht
GitHub Repository system_prompts_leaks sammelt extrahierte System-Prompts führender KI-Modelle von OpenAI bis Google
Open SourceSystem-PromptsGitHubOpenAI

GitHub Repository system_prompts_leaks sammelt extrahierte System-Prompts führender KI-Modelle von OpenAI bis Google

Im auf GitHub Trending gelisteten Repository system_prompts_leaks stellt der Entwickler asgeirtj eine Sammlung extrahierter System-Prompts bereit. Die Dokumentation umfasst Instruktionen und System-Prompts diverser führender KI-Systeme und Hersteller. Zu den erfassten Plattformen zählen Modelle von Anthropic wie Claude Fable 5.1, Opus 5, Claude Design und Claude Code, Angebote von OpenAI wie ChatGPT GPT-6-Astra und Codex sowie Google-Systeme wie Gemini 3.8 Flash, 3.1 Pro und Antigravity. Ergänzt wird die Übersicht durch Implementierungen von xAI mit Grok und Grok Bot sowie Lösungen wie Cursor und Kimi. Laut den Angaben des Autors wird das GitHub-Projekt kontinuierlich gepflegt und regelmäßig mit neuen Daten aktualisiert.

GitHub Trending

Die wichtigsten Punkte

  • Umfassende Sammlung veröffentlicht: Das GitHub-Repository system_prompts_leaks von Autor asgeirtj führt extrahierte System-Prompts zahlreicher moderner KI-Modelle auf.
  • Breite Abdeckung von Anbietern: Enthalten sind Prompts von Anthropic, OpenAI, Google, xAI sowie Cursor und Kimi.
  • Konkrete Modellversionen dokumentiert: Die Sammlung listet unter anderem Claude Fable 5.1, Opus 5, ChatGPT GPT-6-Astra, Gemini 3.8 Flash und Antigravity auf.
  • Regelmäßige Pflege: Der Autor kennzeichnet das Repository als Projekt, das fortlaufend und regelmäßig aktualisiert wird.
  • Präsenz in den Entwickler-Trends: Die Veröffentlichung erreichte am 13. September 2026 eine Listung auf GitHub Trending.

Analyse

Dokumentierte Systeme und Modellreihen im Detail

Die vom Entwickler asgeirtj bereitgestellte Sammlung zeichnet sich durch eine detaillierte Zusammenstellung von System-Prompts aus, die aus unterschiedlichen KI-Werkzeugen und generativen Sprachmodellen extrahiert wurden. Innerhalb der Dokumentation werden prominente Branchenakteure und deren spezifische Produktlinien explizit erfasst.

Auf Seiten von Anthropic deckt die Sammlung mehrere Ausprägungen ab, darunter Claude Fable 5.1, Opus 5 sowie spezialisiertere Implementierungen wie Claude Design und Claude Code. Für den Entwickler OpenAI werden Prompts für ChatGPT GPT-6-Astra und das auf Programmierung ausgerichtete System Codex aufgeführt. Das Spektrum von Google umfasst gleich drei namentlich genannte Modellvarianten: Gemini 3.8 Flash, Gemini 3.1 Pro und das Projekt Antigravity. Darüber hinaus werden Systeme von xAI mit Grok und Grok Bot aufgeführt sowie Werkzeuge von Entwicklungsplattformen wie Cursor und dem Sprachmodell Kimi. Die Vielfalt der genannten Werkzeuge zeigt, dass sich die Dokumentation nicht auf einen einzelnen Anbieter beschränkt, sondern promptbezogene Vorgaben verschiedener KI-Architekturen erfasst.

Struktur, Herkunft und Aktualisierungszyklus der Datensammlung

Veröffentlicht unter der Webadresse https://github.com/asgeirtj/system_prompts_leaks und aufgeführt in den GitHub Trending Charts, positioniert sich das Repository als zentrale Ablage für extrahierte System-Prompts. Ein wesentliches Merkmal des Repositorys ist der explizit formulierte Hinweis auf eine kontinuierliche redaktionelle Weiterführung. Der Betreiber hält fest, dass der Datenbestand regelmäßig gepflegt und um weitere extrahierte System-Prompts ergänzt wird.

Die Dokumentation stützt sich nach Angaben des Erstellers auf Inhalte, die direkt aus den jeweiligen Diensten und Benutzerschnittstellen extrahiert wurden. Dadurch fungiert das Projekt als Nachschlagewerk für standardisierte Instruktionen, mit denen Sprachmodelle und Programmierassistenten vor Beginn der eigentlichen Nutzerinteraktion instruiert werden. Die Listung auf GitHub Trending unterstreicht dabei die unmittelbare Sichtbarkeit innerhalb der Entwicklergemeinschaft zum Erfassungszeitpunkt im September 2026.

Bedeutung für die KI-Branche

Die Verfügbarkeit und systematische Bündelung von System-Prompts in einem öffentlichen GitHub-Repository macht Entwicklungsansätze und Standardvorgaben verschiedener Anbieter direkt vergleichbar. Da System-Prompts das fundamentale Verhalten, Begrenzungen und Rollenanweisungen von KI-Modellen festlegen, bietet eine dokumentierte Übersicht Einblicke in die Konfigurationen führender Systeme von Anthropic, OpenAI, Google, xAI, Cursor und Kimi.

Die regelmäßige Aktualisierung und Gegenüberstellung dieser internen Instruktionen offenbart, wie unterschiedliche Plattformen ihre Modelle steuern und anleiten. Zugleich zeigt die Präsenz auf GitHub Trending, dass die Offenlegung und Analyse derartiger Leitlinien auf ein hohes Interesse in der Fachöffentlichkeit trifft, wenn es um das operative Verhalten moderner KI-Dienste geht.

Häufig gestellte Fragen

Welche KI-Modelle und Hersteller sind in dem Repository vertreten?

In der Sammlung sind Prompts von Anthropic (Claude Fable 5.1, Opus 5, Claude Design, Claude Code), OpenAI (ChatGPT GPT-6-Astra, Codex), Google (Gemini 3.8 Flash, 3.1 Pro, Antigravity), xAI (Grok, Grok Bot) sowie von Cursor und Kimi aufgeführt.

Wer ist für die Bereitstellung des Repositorys verantwortlich?

Das Repository system_prompts_leaks wurde von dem Entwickler asgeirtj auf GitHub erstellt und bereitgestellt.

Werden die Inhalte des Projekts weiter gepflegt?

Ja, der Autor gibt ausdrücklich an, dass die Sammlung extrahierter System-Prompts regelmäßig aktualisiert wird.

Ähnliche Nachrichten

OpenVINO: Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz auf GitHub
Open Source

OpenVINO: Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz auf GitHub

OpenVINO ist ein Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz. So beschreibt die Meldung von GitHub Trending das Projekt. Der Eintrag trägt den Titel „openvino“, nennt openvinotoolkit als Urheber und verweist auf das Projekt-Repository auf GitHub. Als Veröffentlichungsdatum der Meldung ist der 20. November 2026 angegeben. Inhaltlich beschränkt sich die Beschreibung auf den Open-Source-Charakter und die beiden genannten Aufgaben, Optimierung und Bereitstellung. Sie erläutert weder, wie das Toolkit diese Aufgaben umsetzt, noch nennt sie Leistungswerte oder konkrete Einsatzbeispiele. Die Meldung liefert damit eine kurze Einordnung des Projekts und einen direkten Verweis auf das Repository, aber keine Grundlage für eine technische Bewertung.

Univer Office SDK: Open-Source-Kern für KI-Office mit Bearbeitung, Berechnung und Zusammenarbeit im eigenen Produkt
Open Source

Univer Office SDK: Open-Source-Kern für KI-Office mit Bearbeitung, Berechnung und Zusammenarbeit im eigenen Produkt

Das Univer Office SDK soll es ermöglichen, ein eigenes KI-Office aufzubauen und Office-Funktionen direkt in ein Produkt zu integrieren. Die auf GitHub Trending veröffentlichte Kurzmeldung von dream-num nennt vier Bereiche: Bearbeitung, Berechnung, Zusammenarbeit und Dateiverarbeitung. Diese Funktionen sind sowohl für Menschen als auch für KI-Agenten gedacht. Als technische Grundlage nennt die Meldung einen erweiterbaren Open-Source-Kern. Im Mittelpunkt steht damit nicht die Vorstellung einer fertigen Office-Anwendung, sondern die Möglichkeit, mit dem SDK ein eigenes Angebot aufzubauen. Wie die einzelnen Funktionen umgesetzt sind, welche Dateiformate unterstützt werden und wie Menschen und KI-Agenten die Funktionen nutzen, geht aus der vorliegenden Kurzbeschreibung nicht hervor.

Univer Office SDK: Ein Open-Source-Kern für individuelle KI-Büroanwendungen und Produktintegrationen
Open Source

Univer Office SDK: Ein Open-Source-Kern für individuelle KI-Büroanwendungen und Produktintegrationen

Univer Office SDK ermöglicht die nahtlose Integration von Office-Funktionalitäten wie Bearbeitung, Berechnung, Kollaboration und Dateiverarbeitung in bestehende Softwareprodukte. Die Plattform richtet sich sowohl an menschliche Anwender als auch an KI-Agenten und zeichnet sich durch ihren erweiterbaren Open-Source-Kern aus. Entwickler erhalten damit die notwendige Flexibilität, um maßgeschneiderte, KI-gestützte Büroumgebungen effizient in ihre eigenen Applikationen einzubinden.