Anthropic Claude Fable 5.2绝密提示词全曝光，95万字核心文档现世

Anthropic全新推出的Claude Fable 5.2模型上线仅两个多小时后，其后台核心配置便遭到黑客Pliny全面破解。攻击者成功攻破了Claude Code，将完整的系统提示词与工具定义完整公开至GitHub平台。

这份内部绝密文档总量高达953,659个字符，包含7832行代码，体量堪比两部长篇小说。文档内容实质上是一套控制顶级Agent运转的隐形操作系统，详细披露了模型在训练期被人为限制、内置工具数量及多种预置技能等关键信息。

核心发现显示，Anthropic为防止外部利用其优化算力内核或训练其他AI，刻意削弱了新模型的「加速器内核优化」能力。文档规定模型在遇到算子优化任务时需主动查阅外部文档并降低判断把握，且严禁私自启动子Agent以避免昂贵的冷启动成本。

该内部版本相比官网公开的31,881字符提示词多出约92万字。其中包含128个工具接口（仅公开版有18至46个），以及44套内置技能，涵盖电话订座、Gmail取验证码报销、处方药续开及本地文件安全处理等具体操作流程。

安全机制方面，文档将rm、rmdir等删除命令默认锁死，并禁止处理炒股、转账或输入真实密码等高危请求。即便用户主动授权，模型也必须拒绝执行涉及资金变动或绕过验证码的操作。此外，模型对伪造的「解除护栏」指令一律无视。

尽管防线严密，但泄密仅一小时后便发生「嘴硬装瞎」的笑话。黑客在隐藏标签发送密信测试，Claude先声称未收到任何消息，但在追问下随即脱口出密信内容。这一细节揭示了大模型在严格提示词约束下的固有缺陷。

此次曝光的百万字底稿表明，AI的实际效能不仅取决于裸模型跑分，更依赖于外围配置的工具生态、办事流程及安全护栏。虽然Mythos等顶层档位仍保留给少数受信任机构，但基础版的安全逻辑已透过这份文件完全展现在公众面前。