Leaked System Prompts: Einblick in die Architektur von ChatGPT 5.5 und Claude Fable 5

Zusammenfassung

Ein virales GitHub-Repository namens system_prompts_leaks hat weitreichende Aufmerksamkeit in der Entwickler-Community erlangt. Es enthält über 6.500 Zeilen extrahierter System-Prompts für hochentwickelte KI-Modelle wie OpenAI’s ChatGPT 5.5 (Thinking und Instant) sowie Anthropic’s Claude Fable 5, Claude Code und Claude Design. Diese Dokumente bieten einen seltenen technischen Einblick in die internen Anweisungen, Sicherheitsregeln und Tool-Integrationen führender kommerzieller KI-Systeme.

Was ist passiert?

Veröffentlichung auf GitHub: Ein Entwickler hat ein Repository namens system_prompts_leaks veröffentlicht, das detaillierte System-Prompts für zahlreiche führende KI-Modelle und Entwicklungsassistenten sammelt.
Umfang des Leaks: Der Leak umfasst über 6.500 Zeilen Code und Text, der die Verhaltensregeln und Systemgrenzen von Modellen wie ChatGPT 5.5 (Thinking/Instant) und Claude Fable 5 sowie Claude-spezifischen Tools (Claude Code, Claude Design) detailliert beschreibt.
Methodik: Es handelt sich nicht um einen klassischen Server-Hack, sondern größtenteils um Reverse-Prompt-Engineering und das Auslesen öffentlich zugänglicher Entwickler-Tools, Logs oder API-Payloads.

Warum es wichtig ist

System-Prompts definieren das Verhalten, den Tonfall, die Sicherheitsgrenzen und die Funktionsausführung moderner KI-Systeme. Der Leak legt offen, wie führende KI-Unternehmen ihre Modelle orchestrieren. Für Entwickler und Prompt-Engineers bietet dieses Repository eine wertvolle Vorlage für produktionsreife Prompt-Architekturen. Gleichzeitig verdeutlicht es, dass System-Prompts kein sicherer Ort für sensible Daten sind, da sie leicht umgangen oder ausgelesen werden können.

Beweise

GitHub Repository: Das GitHub-Repository asgeirtj/system_prompts_leaks dient als primäre Quelle für die gesammelten Prompts.
Tech-Medien und Foren: Artikel auf Plattformen wie dev.to und Dokumentationen auf DeepWiki beschreiben die Auswirkungen und die technische Relevanz für die AI-Engineering-Community.
SkillsLLM Dokumentation: Die Plattform SkillsLLM dokumentiert die frühe Verfolgung und Strukturierung dieser Prompts.

Analyse

Die analysierten Prompts zeigen eine bemerkenswerte Komplexität in der Strukturierung. Bei Modellen wie Claude Fable 5 und ChatGPT 5.5 Thinking werden detaillierte Verhaltensketten definiert, um Halluzinationen zu minimieren und logisches Denken in Schritten zu erzwingen. Die Prompts zeigen auch, wie engmaschig Sicherheitsfilter direkt in der Systeminstruktion verankert sind. Das zeigt, dass “System-Prompting” heute eher einer Software-Konfiguration gleicht als einfachen Instruktionen.

Praktische Erkenntnisse

Keine sensiblen Daten in Prompts: Verlassen Sie sich bei der Anwendungsentwicklung niemals darauf, dass System-Prompts geheim bleiben.
Architektur-Muster kopieren: Nutzen Sie die Strukturierungsmethoden von OpenAI und Anthropic (wie Rollendefinitionen, strikte Negativregeln und XML-Tags) für eigene System-Prompts.
Sicherheitsfilter entkoppeln: Sicherheitsrelevante Prüfungen sollten zusätzlich zur Promptebene in dedizierten Guardrails vor und nach der Modell-Interaktion implementiert werden.

Offene Fragen

Werden Anthropic und OpenAI rechtliche Schritte (wie DMCA-Takedowns) einleiten, um die Verbreitung der Prompts einzudämmen?
Wie werden sich die Prompt-Architekturen verändern, wenn Modelle in Zukunft noch stärker autonom agieren?