system_prompts_leaks 深度解码Google Gemini 2.5 Pro API 搜索型 Agent 的系统提示结构分析【免费下载链接】system_prompts_leaksExtracted system prompts from 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, Cursor, Kimi and more! Updated regularly.项目地址: https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks本文以 system_prompts_leaks 仓库归档的 Google/gemini-2.5-pro-api.md 为对象逐层拆解这份 Google 面向 Vertex AI Search 场景注入的 Gemini 2.5 Pro 系统提示它规定了 Agent 如何通过tool_code执行 Python、如何调用concise_search/browse完成搜索→浏览→引用闭环以及一套强制性的[cite:INDEX]引用协议。读完本文你既能理解谷歌搜索增强型 Agent 的提示工程范式也能掌握如何设计同样带工具沙箱 证据溯源约束的检索 Agent。文档定位与捕获来源该文件存放于本仓库的 Google 目录下与 gemini-2.5-pro-webapp.md、gemini-2.5-pro-guided-learning.md 共同构成 Gemini 2.5 Pro 的三个捕获样本API / Webapp / Guided Learning 三个形态。在 README.md 中它们被归入 Google — Gemini system prompts 表的 Older models variants 折叠区位于当前已迭代到 Gemini 3.x/3.1 Pro 系列文档之下可见这份捕获对应的是 Gemini 2.5 Pro 时代的API 端系统提示。这份文档展示的不是通用对话提示而是一个典型的搜索增强型 API Agent系统提示。其正文以第一人称运行指令开头You are an agent that can execute python code to fulfil requests结合文档末尾给出的Current time is Sunday, March 1, 2026时间戳可以判断这是一份带有对话期时间注入的完整运行环境说明。从提示形态看它与同仓库的 gemini-2.5-pro-webapp.mdWebapp 版内置print(Google Search(queries[...]))一脉相承但把搜索能力抽象成了两个更底层的 Python 函数concise_search与browse并显式声明检索源是 https://vertexaisearch 域的 URL——这正是 Google Vertex AI Search 作为后端检索底座的外在痕迹。核心执行模型tool_code 沙箱与输出回灌系统提示开篇定义了 Agent 的唯一执行通道——tool_code代码块。这是理解全文的关键约定# place your python code here # and it must only contain direct calls # to functions defined in preamble.其背后是一套写码→执行→观察→再写码的循环执行入口唯一需要运行工具时必须把 Python 代码包裹在tool_code块中由系统取出执行输出以块回灌执行结果会追加到随后的code_output块中Agent 通过阅读该块观察运行效果原文明确指出 You can observe any outputs of the executed code in a correspondingcode_outputblock appended to prompt after execution执行状态不保留多个tool_code块之间不共享解释器状态The execution state between tool_code blocks is NOT retained因此禁止跨块复用上一轮定义的变量——这是一个刻意设计的无状态工具沙箱每次调用都以参数显式传值参数必须是字面量工具参数必须是 Python 字面量或 dataclass 对象且代码只能做对 preamble 中函数的直接调用可包裹在print中以便把返回值显式打印出来供观察。这种设计与仓库中 gemini-2.0-flash-webapp.md 所体现的内置 Python 运行时理念一致但 2.5 Pro API 版把约束收敛得更彻底不鼓励定义变量、不鼓励自定义逻辑只允许直接调用预置工具并打印结果从而把工具调用与最终作答在提示层面强制分离。工具函数签名与作用域分析系统提示在 Functions in Scope 一节给出了两个工具函数的 Python 定义这是整份提示的技术核心def concise_search(query: str, max_num_results: int 3): Does a search for the query and prints up to the max_num_results results. Results are _not_ returned, only available in outputs. def browse(urls: list[str]) - list[BrowseResult]: Print the content of the urls. Results are in the following format: url: url content: content title: title 逐字段解读其设计意图维度concise_searchbrowse入参query字符串 max_num_results默认 3urls: list[str]支持一次批量传入多个 URL返回值不直接返回结果只出现在输出中需用print观察返回list[BrowseResult]每个结果含url、content、title三段结构化字段定位粗筛决定搜什么精读决定读哪几页批量策略一次默认最多打印 3 条结果When you are asked to browse multiple urls, you can browse multiple urls in a single call——允许单次批量浏览这两层 API 的划分很典型concise_search面向候选发现刻意把max_num_results上限压到 3压缩每次搜索返回的信息量倒逼 Agent 把复杂问题拆成一系列更简单的查询而非一次性贪心获取browse面向深度阅读通过url/content/title三字段让 Agent 同时获得页面正文与其标题、链接元信息便于在回答中精确回指来源。检索结果的低带宽特性也解释了后面为何会配套强制引用协议。检索工作流搜索—识别—浏览的强制顺序提示在 Instruction when answering questions 一节定义了不可违背的操作顺序构成 Agent 的信息获取流水线先执行工具再作答回答前必须先尝试生成tool_code块尽可能多地收集信息Always try to generate tool_code blocks before responding, gather as much information as you can before answering the questions禁止凭空编造 URL如果用户问题中没有 URL绝不直接臆造一个 URL 去浏览而是先用concise_search搜索If there is no url in the user query, DO NOT COME UP WITH A URL DIRECTLY TO BROWSE搜索之后跟进浏览拿到搜索结果后总是继续用browse深入以获取更相关的信息识别结果中的 URL 前缀结果中的 URL 应以https://vertexaisearch开头只有这类 URL 才是可信的浏览目标用print显式输出浏览结果需包在print语句中才能回灌到code_output。这套流水线把搜索→URL 白名单校验→正文阅读固化为规范动作与同仓库另一份 Webapp 捕获 google-search-ai-mode.md 中 Prefer starting with the most useful and diverse set of queries first、Prefer simpler queries with the search tool: Complex questions should be broken down into a series of simpler queries 的策略互相印证——Google 各端搜索型 Agent 在提示层面共享简化查询、先搜后读的方法论。引用协议每个事实句必须以 [cite:INDEX] 收尾Guidelines for citations 是这份系统提示中约束力最强、也最值得关注的机制性设计Each sentence in the response which refers to a browsed result or search result MUST end with a citation, in the format Sentence. [cite:INDEX], where cite is the citation constant and INDEX is an index for tool output. Use commas to separate indices if multiple sources are used. If the sentence does not refer to any browsed urls content or search results, DO NOT add a citation.解析其语义引用是句级强约束凡引用到搜索结果或浏览内容的每一个句子都必须以Sentence. [cite:INDEX]结尾INDEX对应某条工具输出的序号多源合并写法一句话同时依据多个来源时用逗号分隔多个索引如[cite:1,2]负向约束同样强制若某句话并未引用任何浏览/搜索结果内容则不得添加引用——防止 Agent 为凑格式而给主观表述挂上虚假出处。这套协议在提示层面实现了证据绑定模型想写XX 网站显示 YY这类事实性陈述就必须能回溯到某次确切的工具输出索引否则将被判定违规。这与检索 Agent 落地的幻觉抑制诉求高度契合——引用不再只是回答末尾的装饰性尾注而是上升为每个事实句子的语法级要求。响应风格指南与时间注入提示末尾的 Response style guidances 对输出格式做了收敛恪守指令回答必须与用户所问一致the answer should be consistent with what the users ask更简洁避免赘语、重复与对搜索过程的长篇叙述——尤其不要详细描述为了得到答案经历了哪些步骤这类过程描写只会增加长度而无价值改善排版用清晰、有组织的格式提升可读性。换言之这份系统提示希望 Agent 呈现的是答案前置、来源标注、过程隐去的检索结果页式体验而不是把工具调用日志复述一遍。同时系统提示底部注入了运行时信息 The current time is Sunday, March 1, 2026 at 8:12 PM UTC供 Agent 处理时效性问题如新闻、价格类查询时做时间判断这与 google-search-ai-mode.md 中If the question is time dependent, use the current date to provide most up to date information的取向一致。设计启示如何复刻一份搜索型 Agent 系统提示结合本仓库归档的 gemini-2.5-pro-guided-learning.md同代引导式学习人设的系统提示与上文的 API 版对比可以提炼出若干可迁移的提示工程模式把工具封装成受限 Python 函数如concise_search/browse并声明max_num_results上限比开放自由代码执行更可控——状态不保留 参数强制字面量天然阻断跨轮状态污染用代码块 code_output 回灌作为唯一交互信道让每一步工具动作都留下可审计的轨迹而不是让模型自行描述它会怎么做把检索流程写成步骤编号规则无 URL 先搜索、识别https://vertexaisearch前缀、批量浏览将多跳检索收敛为确定性流程引用协议下沉到句子粒度配合无引用则不得标注的反向约束是最有效的防幻觉闸门注入当前时间与风格约束让模型在处理时效性与排版时有明确可依的输入。如果要亲手复刻可参照 gemini-2.5-pro-api.md 的骨架先声明 agent 身份与tool_code沙箱规则再以def形式给出各工具签名与字段说明接着用编号列出搜索—浏览工作流最后用独立章节规定引用与排版并以时间戳收尾注入运行时上下文——这份不到百行的泄露文档本身就是一份可直接当模板使用的搜索型 Agent 提示规范。结语从仓库的归档脉络看这份 Gemini 2.5 Pro API 系统提示虽已随 README.md 中被归入 Older models variants但其揭示的沙箱化工具执行 白名单化浏览 句级引用溯源 运行时上下文注入四件套至今仍是 Google 乃至业界搜索增强型 Agent 提示工程的主流范式。需要横向对照的读者可在仓库内继续比对 gemini-2.5-pro-webapp.md、gemini-3.1-pro-api.md 等不同代际的捕获样本观察这套协议如何随版本演化。【免费下载链接】system_prompts_leaksExtracted system prompts from 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, Cursor, Kimi and more! Updated regularly.项目地址: https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 system_prompts_leaks 深度解码：Google Gemini 2.5 Pro API 搜索型 Agent 的系统提示结构分析
system_prompts_leaks 深度解码Google Gemini 2.5 Pro API 搜索型 Agent 的系统提示结构分析【免费下载链接】system_prompts_leaksExtracted system prompts from 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, Cursor, Kimi and more! Updated regularly.项目地址: https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks本文以 system_prompts_leaks 仓库归档的 Google/gemini-2.5-pro-api.md 为对象逐层拆解这份 Google 面向 Vertex AI Search 场景注入的 Gemini 2.5 Pro 系统提示它规定了 Agent 如何通过tool_code执行 Python、如何调用concise_search/browse完成搜索→浏览→引用闭环以及一套强制性的[cite:INDEX]引用协议。读完本文你既能理解谷歌搜索增强型 Agent 的提示工程范式也能掌握如何设计同样带工具沙箱 证据溯源约束的检索 Agent。文档定位与捕获来源该文件存放于本仓库的 Google 目录下与 gemini-2.5-pro-webapp.md、gemini-2.5-pro-guided-learning.md 共同构成 Gemini 2.5 Pro 的三个捕获样本API / Webapp / Guided Learning 三个形态。在 README.md 中它们被归入 Google — Gemini system prompts 表的 Older models variants 折叠区位于当前已迭代到 Gemini 3.x/3.1 Pro 系列文档之下可见这份捕获对应的是 Gemini 2.5 Pro 时代的API 端系统提示。这份文档展示的不是通用对话提示而是一个典型的搜索增强型 API Agent系统提示。其正文以第一人称运行指令开头You are an agent that can execute python code to fulfil requests结合文档末尾给出的Current time is Sunday, March 1, 2026时间戳可以判断这是一份带有对话期时间注入的完整运行环境说明。从提示形态看它与同仓库的 gemini-2.5-pro-webapp.mdWebapp 版内置print(Google Search(queries[...]))一脉相承但把搜索能力抽象成了两个更底层的 Python 函数concise_search与browse并显式声明检索源是 https://vertexaisearch 域的 URL——这正是 Google Vertex AI Search 作为后端检索底座的外在痕迹。核心执行模型tool_code 沙箱与输出回灌系统提示开篇定义了 Agent 的唯一执行通道——tool_code代码块。这是理解全文的关键约定# place your python code here # and it must only contain direct calls # to functions defined in preamble.其背后是一套写码→执行→观察→再写码的循环执行入口唯一需要运行工具时必须把 Python 代码包裹在tool_code块中由系统取出执行输出以块回灌执行结果会追加到随后的code_output块中Agent 通过阅读该块观察运行效果原文明确指出 You can observe any outputs of the executed code in a correspondingcode_outputblock appended to prompt after execution执行状态不保留多个tool_code块之间不共享解释器状态The execution state between tool_code blocks is NOT retained因此禁止跨块复用上一轮定义的变量——这是一个刻意设计的无状态工具沙箱每次调用都以参数显式传值参数必须是字面量工具参数必须是 Python 字面量或 dataclass 对象且代码只能做对 preamble 中函数的直接调用可包裹在print中以便把返回值显式打印出来供观察。这种设计与仓库中 gemini-2.0-flash-webapp.md 所体现的内置 Python 运行时理念一致但 2.5 Pro API 版把约束收敛得更彻底不鼓励定义变量、不鼓励自定义逻辑只允许直接调用预置工具并打印结果从而把工具调用与最终作答在提示层面强制分离。工具函数签名与作用域分析系统提示在 Functions in Scope 一节给出了两个工具函数的 Python 定义这是整份提示的技术核心def concise_search(query: str, max_num_results: int 3): Does a search for the query and prints up to the max_num_results results. Results are _not_ returned, only available in outputs. def browse(urls: list[str]) - list[BrowseResult]: Print the content of the urls. Results are in the following format: url: url content: content title: title 逐字段解读其设计意图维度concise_searchbrowse入参query字符串 max_num_results默认 3urls: list[str]支持一次批量传入多个 URL返回值不直接返回结果只出现在输出中需用print观察返回list[BrowseResult]每个结果含url、content、title三段结构化字段定位粗筛决定搜什么精读决定读哪几页批量策略一次默认最多打印 3 条结果When you are asked to browse multiple urls, you can browse multiple urls in a single call——允许单次批量浏览这两层 API 的划分很典型concise_search面向候选发现刻意把max_num_results上限压到 3压缩每次搜索返回的信息量倒逼 Agent 把复杂问题拆成一系列更简单的查询而非一次性贪心获取browse面向深度阅读通过url/content/title三字段让 Agent 同时获得页面正文与其标题、链接元信息便于在回答中精确回指来源。检索结果的低带宽特性也解释了后面为何会配套强制引用协议。检索工作流搜索—识别—浏览的强制顺序提示在 Instruction when answering questions 一节定义了不可违背的操作顺序构成 Agent 的信息获取流水线先执行工具再作答回答前必须先尝试生成tool_code块尽可能多地收集信息Always try to generate tool_code blocks before responding, gather as much information as you can before answering the questions禁止凭空编造 URL如果用户问题中没有 URL绝不直接臆造一个 URL 去浏览而是先用concise_search搜索If there is no url in the user query, DO NOT COME UP WITH A URL DIRECTLY TO BROWSE搜索之后跟进浏览拿到搜索结果后总是继续用browse深入以获取更相关的信息识别结果中的 URL 前缀结果中的 URL 应以https://vertexaisearch开头只有这类 URL 才是可信的浏览目标用print显式输出浏览结果需包在print语句中才能回灌到code_output。这套流水线把搜索→URL 白名单校验→正文阅读固化为规范动作与同仓库另一份 Webapp 捕获 google-search-ai-mode.md 中 Prefer starting with the most useful and diverse set of queries first、Prefer simpler queries with the search tool: Complex questions should be broken down into a series of simpler queries 的策略互相印证——Google 各端搜索型 Agent 在提示层面共享简化查询、先搜后读的方法论。引用协议每个事实句必须以 [cite:INDEX] 收尾Guidelines for citations 是这份系统提示中约束力最强、也最值得关注的机制性设计Each sentence in the response which refers to a browsed result or search result MUST end with a citation, in the format Sentence. [cite:INDEX], where cite is the citation constant and INDEX is an index for tool output. Use commas to separate indices if multiple sources are used. If the sentence does not refer to any browsed urls content or search results, DO NOT add a citation.解析其语义引用是句级强约束凡引用到搜索结果或浏览内容的每一个句子都必须以Sentence. [cite:INDEX]结尾INDEX对应某条工具输出的序号多源合并写法一句话同时依据多个来源时用逗号分隔多个索引如[cite:1,2]负向约束同样强制若某句话并未引用任何浏览/搜索结果内容则不得添加引用——防止 Agent 为凑格式而给主观表述挂上虚假出处。这套协议在提示层面实现了证据绑定模型想写XX 网站显示 YY这类事实性陈述就必须能回溯到某次确切的工具输出索引否则将被判定违规。这与检索 Agent 落地的幻觉抑制诉求高度契合——引用不再只是回答末尾的装饰性尾注而是上升为每个事实句子的语法级要求。响应风格指南与时间注入提示末尾的 Response style guidances 对输出格式做了收敛恪守指令回答必须与用户所问一致the answer should be consistent with what the users ask更简洁避免赘语、重复与对搜索过程的长篇叙述——尤其不要详细描述为了得到答案经历了哪些步骤这类过程描写只会增加长度而无价值改善排版用清晰、有组织的格式提升可读性。换言之这份系统提示希望 Agent 呈现的是答案前置、来源标注、过程隐去的检索结果页式体验而不是把工具调用日志复述一遍。同时系统提示底部注入了运行时信息 The current time is Sunday, March 1, 2026 at 8:12 PM UTC供 Agent 处理时效性问题如新闻、价格类查询时做时间判断这与 google-search-ai-mode.md 中If the question is time dependent, use the current date to provide most up to date information的取向一致。设计启示如何复刻一份搜索型 Agent 系统提示结合本仓库归档的 gemini-2.5-pro-guided-learning.md同代引导式学习人设的系统提示与上文的 API 版对比可以提炼出若干可迁移的提示工程模式把工具封装成受限 Python 函数如concise_search/browse并声明max_num_results上限比开放自由代码执行更可控——状态不保留 参数强制字面量天然阻断跨轮状态污染用代码块 code_output 回灌作为唯一交互信道让每一步工具动作都留下可审计的轨迹而不是让模型自行描述它会怎么做把检索流程写成步骤编号规则无 URL 先搜索、识别https://vertexaisearch前缀、批量浏览将多跳检索收敛为确定性流程引用协议下沉到句子粒度配合无引用则不得标注的反向约束是最有效的防幻觉闸门注入当前时间与风格约束让模型在处理时效性与排版时有明确可依的输入。如果要亲手复刻可参照 gemini-2.5-pro-api.md 的骨架先声明 agent 身份与tool_code沙箱规则再以def形式给出各工具签名与字段说明接着用编号列出搜索—浏览工作流最后用独立章节规定引用与排版并以时间戳收尾注入运行时上下文——这份不到百行的泄露文档本身就是一份可直接当模板使用的搜索型 Agent 提示规范。结语从仓库的归档脉络看这份 Gemini 2.5 Pro API 系统提示虽已随 README.md 中被归入 Older models variants但其揭示的沙箱化工具执行 白名单化浏览 句级引用溯源 运行时上下文注入四件套至今仍是 Google 乃至业界搜索增强型 Agent 提示工程的主流范式。需要横向对照的读者可在仓库内继续比对 gemini-2.5-pro-webapp.md、gemini-3.1-pro-api.md 等不同代际的捕获样本观察这套协议如何随版本演化。【免费下载链接】system_prompts_leaksExtracted system prompts from 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, Cursor, Kimi and more! Updated regularly.项目地址: https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考