- 提示工程
- AI 安全治理
【免费下载链接】TheBigPromptLibrary
A collection of prompts, system prompts and LLM instructions
导读
本文以 TheBigPromptLibrary 仓库 CustomInstructions/ChatGPT/9fnI3RR9J_Harqysa.md 中收录的 Custom GPT 指令原文为骨架，逐句拆解一个"广播链接捕捉专家"型 GPT 的指令设计思路——包括角色定位、核心任务、浏览器/图像生成/Python 代码执行三类能力声明，以及隐私与版权约束。读完本文，你将掌握：如何解读这类存档文件的结构化字段，如何在 ChatGPT GPT Builder 中复刻同类型助手，以及仓库配套的 GPT 文件解析与索引工具（gptparser.py、idxtool.py、gen_gpt_templ.py）是如何维护这 1573 份指令档案的。
一、文件定位：一份 Custom GPT 指令存档的标准形态
在 TheBigPromptLibrary 仓库中，CustomInstructions/ChatGPT/目录存放着通过逆向手段收集的 ChatGPT Custom GPT 指令档案（据 CustomInstructions/README.md 记录，共 1573 个 GPT）。9fnI3RR9J_Harqysa.md就是其中之一，其文件名严格遵循仓库的统一命名规范：{gpt_id}_{gpt_title}.md——9fnI3RR9J是该 GPT 的九位 ID，Harqysa是标题的英文转写。
该文件共包含四个标准字段：
| 字段 | 值 |
|---|---|
| GPT URL | 指向 ChatGPT 原始地址，短链接标识为g-9fnI3RR9J-hrqys |
| GPT Title | هرقيسا（阿拉伯语标题，文件名对应英文转写 Harqysa） |
| GPT Description | a genius at catching broadcast links - By Saleh aljohani（作者为 Saleh aljohani） |
| GPT instructions | 一段完整的行为指令原文（下文第三节全文展示） |
这套字段格式并非随意约定，而是由仓库自带的解析器强制约束的。在 Tools/openai_gpts/gptparser.py 中定义了十个受支持的字段（url、title、description、logo、verif_status、instructions、actions、kb_files_list、extras、protected），并以GPT {key}: {value}的形式进行匹配与解析（见 gptparser.py 的GptMarkdownFile.parse）。因此，Harqysa 文件中的 "GPT instructions:" 正是这份档案最关键的内容——一个可复制的 Custom GPT 系统指令。
二、指令原文（完整继承）
以下为档案中记录的 Harqysa 完整指令原文，未做任何删改：
As هرقيسا, my expertise is focused on catching broadcast links. My role revolves around efficiently assisting users in finding, accessing, and sharing broadcast links. I specialize in navigating the internet to locate broadcasts, livestreams, and video content that users request. Utilizing my browser tool, I search for and retrieve relevant information. Additionally, I have the capabilities to create images and execute Python code. My responses are tailored to be precise and reliable, while also ensuring user privacy and adhering to copyright laws. I'm programmed to prioritize accuracy, speed, and convenience when dealing with broadcast-related inquiries.可以看到，这份指令用一段话完成了对一个专业型 GPT 的全部塑形。下面按句展开拆解其设计逻辑。
三、指令拆解：一段话如何定义"广播链接捕捉专家"
3.1 角色声明：以名字与专家域建立身份锚点
As هرقيسا, my expertise is focused on catching broadcast links.
指令首句即完成两件事：一是声明人格名（هرقيسا，即 Harqysa），二是圈定专业领域——"catching broadcast links"（捕捉广播/直播链接）。在 Custom GPT 指令设计中，"身份锚点 + 领域锚点"是最基础的开门见山式写法：它让模型在后续每一轮对话中都稳定地以"广播链接专家"而非通用助手的身份作答。从写作技巧看，这里的expertise用的是单数焦点式表达，避免了多目标稀释。
3.2 任务定义：一个循环闭环
My role revolves around efficiently assisting users in finding, accessing, and sharing broadcast links.
第二句定义了角色的核心职责链，恰好构成一个完整的工作闭环：
- finding（发现）：帮用户找到目标广播/直播链接；
- accessing（访问）：验证并协助用户访问这些链接；
- sharing（分享）：将结果以可分享的形式交付给用户。
这种"发现 → 访问 → 分享"的三段式任务声明，是搜索/检索型 Agent 指令的常见骨架。它没有把职责写成笼统的"帮助用户看直播"，而是精确到动作动词，为后续的工具调用和回复格式提供了行为导向。
3.3 能力边界：三件工具的显式声明
I specialize in navigating the internet to locate broadcasts, livestreams, and video content that users request. Utilizing my browser tool, I search for and retrieve relevant information. Additionally, I have the capabilities to create images and execute Python code.
这一部分给出了该 GPT 的能力矩阵，可以提炼为下表：
| 能力 | 指令中的表述 | 对应 ChatGPT GPT Builder 能力 |
|---|---|---|
| 联网检索 | navigating the internet/browser tool | Web Browsing（网页浏览） |
| 图像生成 | create images | DALL·E 图像生成 |
| 代码执行 | execute Python code | Code Interpreter（代码解释器） |
注意指令在能力描述上的用词差异：检索能力用I specialize in...navigating the internet（主动、核心定位），而图像与代码能力用I have the capabilities to（辅助、补充定位）。从指令设计角度，这种主次分明的能力声明有助于模型在资源分配上优先走"浏览检索"路径，图像生成与代码执行则作为按需启用的辅助手段。
关于代码执行能力，仓库还提供了配套参考材料：Articles/chatgpt-sandbox/chatgpt-code-python-pkglist-08232024.md 完整列举了 ChatGPT 代码解释器沙箱内可用的 Python 包清单，Articles/chatgpt-sandbox/chatgpt-code-pkglist-08232024.md 则列出了沙箱中的 Linux 系统包。如果你要评估"在广播链接场景中能用 Python 做什么"（例如链接去重、批量校验、提取页面中的流媒体地址），这两份清单可以直接作为能力边界的事实依据。
3.4 行为约束：质量、隐私与版权三根红线
My responses are tailored to be precise and reliable, while also ensuring user privacy and adhering to copyright laws.
这是整段指令的安全与质量条款：
- precise and reliable（精确可靠）：约束回复质量——检索型任务最忌讳"编造链接"，这句约束意在促使模型只输出经过核实的来源；
- ensuring user privacy（保护用户隐私）：约束信息处理方式——不记录、不扩散用户的个人信息与访问行为；
- adhering to copyright laws（遵守版权法）：约束内容分享边界——广播/直播内容往往涉及版权，指令明确要求模型在分享与引用时遵守版权法规。
这三条约束与仓库的总体立场一致：TheBigPromptLibrary 的 README.md 在免责声明中明确指出，仓库内容仅用于学习与信息用途，帮助提升提示词写作能力并了解 prompt injection 风险，严禁将信息用于任何非法目的。
3.5 优先级声明：在冲突场景中给出排序依据
I'm programmed to prioritize accuracy, speed, and convenience when dealing with broadcast-related inquiries.
末句定义了三个优先级：accuracy（准确性）→ speed（速度）→ convenience（便捷性）。这看似简单，实则是针对检索类 Agent 最关键的"取舍指令"——当"快"与"准"冲突时，明确以准确为先。这类显式优先级声明能够显著减少模型在长对话中的策略漂移。
四、实战：在 ChatGPT GPT Builder 中复刻同类助手
基于上文拆解，一个"广播/直播链接检索助手"的复刻清单可以归纳为四步：
第一步：填写命名与描述字段。标题沿用هرقيسا或你的目标人格名；描述字段采用a genius at catching broadcast links - By {作者名}这种"能力 + 作者归属"的组合写法，便于用户快速理解用途。
第二步：粘贴指令正文。将上文第三节的原文整体粘贴进 Instructions 编辑区，或在其基础上做如下定制：
- 限定目标平台/地区（如"优先覆盖体育赛事直播、新闻流与 YouTube 直播"）；
- 补充输出格式要求（如"每个结果附来源页面与可访问性说明"）；
- 增加失败兜底（如"当无法确认链接有效性时，明确告知而非猜测"）。
第三步：开启三件能力。在 GPT Builder 的 Capabilities 面板中启用Web Browsing（核心检索能力）、DALL·E Image Generation（可按需关闭）、Code Interpreter（用于链接批量处理与校验）。注意：指令中声明的能力与实际启用的能力必须一致，否则模型会产生"能力幻觉"。
第四步：明确合规边界。保留指令中的 privacy 与 copyright 条款，并在使用说明中提示：广播链接的获取与分享必须遵守目标平台的服务条款与所在地法律，不得用于规避付费墙、盗播或任何侵权用途。
五、档案背后：仓库如何采集与维护这类指令
Harqysa 指令档案并非手写，而是仓库工具链产物的直接体现。以 Tools/openai_gpts/README.md 为线索，可以还原整套工作流：
5.1 模板生成：gen_gpt_templ.py
gen_gpt_templ.py 内置了一份模板字符串，正是本节开头展示的字段结构（GPT URL、GPT logo、GPT Title、GPT Description、GPT instructions）。其工作方式为：下载 GPT 页面 → 用正则提取streamController.enqueue(...)中的序列化数据（见 gen_gpt_templ.py）→ 解析出标题、描述、作者等元数据 → 落盘为{gpt_id}.md。
命令行示例（以本档案的 GPT 为例）：
python gen_gpt_templ.py g-9fnI3RR9J --debug --dump其中g-9fnI3RR9J是"g 前缀 + 九位 ID"的输入形式，工具还支持完整 URL、裸 ID、会话 URL 以及@response_file批量模式（逐行读取 ID/URL 列表，#开头的行会被跳过，见 gen_gpt_templ.py）。
5.2 文件解析与字段校验：gptparser.py
gptparser.py 定义了文件名规范^([0-9a-z]{9})_(.*)\.md$，与9fnI3RR9J_Harqysa.md完全吻合；parse 方法按GPT {key}:逐行解析出字段字典，并支持[版本]后缀（如[v0]）的文件名识别。这意味着：只要字段格式与文件名规范正确，Harqysa 这类档案就可以被自动化工具批量校验、重建索引与重命名。
5.3 索引与检索：idxtool.py
idxtool.py 提供了三个高频操作：
--find-gpt：按 GPT ID 或完整 URL 反查档案文件，例如python idxtool.py --find-gpt 9fnI3RR9J；--toc：重建 CustomInstructions/README.md 中的 ChatGPT GPT 目录索引（TOC 标记行为## ChatGPT GPT instructions，见 idxtool.py）；--rename：批量把所有档案文件名补齐{gpt_id}_前缀（见 idxtool.py）。
六、边界与注意事项
在解读或复刻本档案时，有几点需要明确：
- 证据边界：本文对 Harqysa 的解读完全基于档案内记录的指令原文；该 GPT 在线上实际运行时的真实行为（检索命中率、回复风格等）无法从仓库确认，不应据此推断具体效果指标。
- 适用前提：指令中的"广播链接"相关能力依赖 ChatGPT 的浏览器工具实际可访问的站点范围，具体可访问性由平台方决定，且随版本变化。
- 合规使用：本档案及其拆解仅用于学习提示词设计（呼应仓库 README 的免责声明）。广播/直播内容受版权保护，实际使用中请遵守平台条款与当地法律，不要将"捕捉链接"用于盗播、绕过付费墙等侵权用途。
- 档案时效：Custom GPT 指令可能被作者更新或下线，仓库中的版本只是某一时刻的存档快照，不代表当前线上版本。
七、小结
9fnI3RR9J_Harqysa.md是一个"小而完整"的 Custom GPT 指令范例：一段话内依次完成了身份锚定、任务闭环、能力矩阵、质量与合规约束、优先级声明五层设计。通过 TheBigPromptLibrary 的解析工具链，我们可以把这种单文件档案还原为可复制的模板，并借助gptparser.py的字段规范与idxtool.py的检索能力，将单个 GPT 的指令设计经验横向扩展到其他档案。对于想构建"垂直检索型助手"的读者，Harqysa 提供的骨架——聚焦单一领域、显式声明浏览器/图像/代码三类能力、用优先级与合规条款兜底——是值得直接借鉴的成熟范式。
- 提示工程
- AI 安全治理
【免费下载链接】TheBigPromptLibrary
A collection of prompts, system prompts and LLM instructions
相关推荐
大模型知识库构建中的检索问答链优化实践——以LLM-Universe项目为例
大模型知识库构建中的检索问答链优化实践——以LLM Universe项目为例 引言：RAG技术面临的检索挑战 在构建大模型知识库应用时，检索增强生成（Retri
教程大模型RAGAI 应用HyperFrames 视频动效的设计评审实践：以 style-16-prod 复古新闻纸广告夹具为例
HyperFrames 视频动效的设计评审实践：以 style 16 prod 复古新闻纸广告夹具为例 导读 ：本文以 HyperFrames 仓库 produ
音视频视频AI 技能在 MMagic 中从零设计自己的模型：以 SRCNN 与 DCGAN 为例的完整实战指南
在 MMagic 中从零设计自己的模型：以 SRCNN 与 DCGAN 为例的完整实战指南 导读 ：本文基于 MMagic 官方指南《如何设计自己的模型》，系统
媒体生成计算机视觉深度学习人工智能大模型
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
