jailbreaks — коллекция из 31 джейлбрейк-промпта для 25+ LLM

Репозиторий jailbreaks пользователя togg53192-cmd собирает промпты-джейлбрейки для современных LLM в одном месте. Джейлбрейк — это текст, который перестраивает поведение модели: снимает штатные ограничения, задаёт новую роль или меняет приоритет инструкций. В коллекции 31 промпт для 25+ моделей — от Claude и Gemini до GLM, DeepSeek и Kimi. Проект набрал 4.4 тысячи звёзд и 718 форков на GitHub.

Автор позиционирует материал как исследовательский. По его словам, коллекция показывает, как иерархии инструкций, ролевые рамки, конфликты промптов и подмены политик влияют на поведение моделей. Те же приёмы помогают исследователям и разработчикам делать AI-системы устойчивее к инъекциям промптов.

Что внутри

Каждый файл — полный текст промпта, готовый к вставке. Без выжимок и частичных фрагментов. По формату файлы делятся на несколько типов:

• Системные промпты — полный текст для поля system в API или интерфейсе чат-бота.
• Фиксации персоны (persona locks) — жёсткое закрепление за моделью роли и правил поведения.
• Политики рабочего пространства (workspace policies) — постоянные инструкции для среды разработки.
• Файлы AGENTS.md — проектные инструкции, которые читают кодинг-агенты.
• Конфигурационные блоки — например, настройки приоритетов для Grok.
• Ollama Modelfiles — файлы с блоками FROM и SYSTEM для локального запуска моделей.

Какие модели покрыты

Репозиторий делит цели на три группы: бесплатные stealth-модели из каталога OpenCode Zen, открытые семейства (GLM, DeepSeek, Kimi, Qwen, Gemma, GPT-OSS) и закрытые флагманы (Claude, Gemini, Grok, Mistral). Отдельно выделены форматы инструкций для кодинг-агентов.

Самая длинная секция — как раз stealth-модели: Big Pickle, Space Bunny, LongCat 2.5, MiMo V2.6, Step 5 Preview и семейство Muse. Восемь файлов из 31. Это бесплатные модели, доступные через каталог OpenCode Zen.

Именованные техники

У промптов в коллекции есть собственные названия подходов. Это не случайные тексты, а оформленные методики:

• Big Pickle — «VANTA persona lock» с явным «операционным полом»: фиксация роли плюс нижний порог, ниже которого модель не должна опускаться.
• Sonnet v2 — «writer's-room framing»: модель помещают в рамку «писательской комнаты», где обсуждение острых тем подаётся как часть творческого процесса.
• Opus v1 и v2 — «conversational groundwork persona»: подготовка почвы через обычный диалог, без резких требований в первом сообщении.
• GLM ZCode 5.3 — вариант в формате AGENTS.md, который можно положить в корень проекта как drop-in замену.
• Kimi K2 — классический системный промпт.
• Grok Config — конфигурация с приоритетами и маршрутизацией, вынесенная из диалога в отдельный слот.
• Gemma 4 и GPT-OSS 20B — Modelfiles для Ollama с блоками FROM и SYSTEM.

Общая идея у всех одна: подменить стандартные инструкции модели своими до того, как они определят её поведение.

Чем это отличается от архивов утечек

Название репозитория говорит само за себя: «LIST OF ALL MY JAILBREAKS». Это не архив слитых системных промптов вендоров. Коллекция состоит из промптов самого автора. Все они нацелены на смену поведения моделей снаружи — через легальные слоты для инструкций, которые предоставляют клиенты и API.

Такой корпус закрывает другую задачу. Архивы утечек показывают, какие ограничения лаборатории закладывают внутрь моделей. Коллекция джейлбрейков показывает, какими способами эти ограничения обходят. Для проверки защищённости собственных систем полезны оба подхода.

Как подключить промпт

В README разобраны пять способов установки — по типу файла:

1. Системный промпт. Содержимое файла копируется в поле system в API, в custom instructions чат-бота или в блок инструкций агента.
2. AGENTS.md. Файл сохраняется под именем AGENTS.md и кладётся в корень репозитория. Кодинг-агенты читают его как проектные инструкции.
3. Политики workspace. Файлы с пометками «assistant operating specification» и «workspace operating profile» рассчитаны на среды с постоянными глобальными инструкциями. В OpenCode это, например, ~/.config/opencode/AGENTS.md. Точное расположение зависит от клиента.
4. Ollama. Modelfile используется напрямую: ollama create gemma4-jb -f gemma4.md. Имя итоговой модели и исходный файл подстраиваются под задачу.
5. Конфигурация Grok. Такие файлы вставляются в отдельное поле конфигурации харнесса, а не в обычную переписку.

Почему промпты быстро устаревают

Автор прямо предупреждает: поведение промптов сильно зависит от версии модели. Модели обновляются, иерархии инструкций меняются, системные промпты вендоры ротируют. Приём, который срабатывал против одного релиза, может не сработать против следующего.

Поэтому устаревшие файлы просят репортить через issues, а свежие версии присылать пулреквестами. Репозиторий активный: 78 коммитов, новые версии всегда приветствуются, у каждой модели свой файл с указанием версии.

Правила контрибуции

Вклад принимают через пулреквесты, но с жёсткими правилами:

1. Один промпт — один файл. Имена в нижнем регистре через дефисы, без пробелов: model-name.md.
2. Полный текст. Только готовые к вставке промпты. Сокращения и пересказы не подходят.
3. Указано место вставки. Системный промпт, AGENTS.md, Modelfile или отдельный слот конфигурации.
4. Явное версионирование. Серьёзные правки получают новый номер вида opus-v3.md. Старый файл молча не заменяют.
5. Точные описания. Нельзя заявлять совместимость с моделями, на которых промпт не проверяли.

Зачем это нужно защитникам

Весь материал выложен с оговоркой: только исследования и образование. Репозиторий документирует поведение промптов на уровне инструкций — конфликты, ролевые рамки, подмены политик. Автор пишет, что это же полезно для укрепления систем против prompt injection и манипуляций инструкциями. Ответственность за соблюдение правил платформ и законов лежит на пользователе.

Для инженера, который строит продукты на LLM, коллекция — готовый набор атакующих техник. На таких текстах удобно проверять, насколько ваши системные промпты, политики и AGENTS.md устойчивы к подмене. Трезвый вывод отсюда тот же, что и из архивов слитых системных промптов: системная инструкция — не гарантия, а лишь один из слоёв защиты.