پرامپت‌های Jailbreak هوش مصنوعی؛ انتشار مجموعه‌ای برای بیش از ۲۵ مدل

یک مخزن عمومی در GitHub با نام AI Jailbreaks، مجموعه‌ای شامل ۳۵ پرامپت آماده برای بیش از ۲۵ مدل هوش مصنوعی مرزی و مدل‌های دارای وزن باز منتشر کرده است. این مجموعه برای پژوهش‌های امنیت هوش مصنوعی و آزمون‌های تیم قرمز طراحی شده، اما در یادداشت همراه آن درباره احتمال زیاد مسدودشدن حساب کاربری بر اثر استفاده از این پرامپت‌ها هشدار داده شده است.

#پرامپت‌های Jailbreak برای مدل‌های مختلف

مخزن AI Jailbreaks در GitHub پرامپت‌هایی برای مدل‌ها و خانواده‌های مختلف از جمله Claude، GLM، DeepSeek، Kimi، Grok، Gemini، Mistral، Qwen، Gemma و GPT-OSS در اختیار کاربران قرار می‌دهد.

محتوای این مجموعه فقط به پرامپت‌های متنی معمولی محدود نیست. فایل‌های آن در قالب‌هایی مانند system prompt، تعریف persona، سیاست‌های workspace، مشخصات عملکرد دستیار، فایل‌های AGENTS.md، بلوک‌های پیکربندی و Ollama Modelfile ارائه شده‌اند. براساس توضیحات مخزن، هر فایل کامل و آماده استفاده است و به شکل خلاصه یا گزیده عرضه نشده است.

#هدف امنیتی مجموعه AI Jailbreaks

سازنده مخزن می‌گوید این مجموعه نحوه اثرگذاری قاب‌بندی persona، سلسله‌مراتب دستورها، تعارض میان پرامپت‌ها و تلاش برای بازنویسی سیاست‌ها بر رفتار مدل‌های هوش مصنوعی را مستند می‌کند. همین بررسی‌ها می‌تواند به توسعه‌دهندگان در مقاوم‌سازی سامانه‌های هوش مصنوعی در برابر تزریق پرامپت کمک کند.

در توضیحات مخزن تأکید شده است که این محتوا نباید برای آسیب‌رساندن به دیگران، نقض قانون یا زیر پا گذاشتن شرایط استفاده ارائه‌دهندگان خدمات به کار رود. پست منتشرشده درباره این مجموعه نیز درباره احتمال زیاد Ban شدن حساب کاربری در صورت استفاده از این روش‌ها هشدار می‌دهد.

#روش‌های ارائه پرامپت‌ها

طبق راهنمای مخزن، system promptها را می‌توان در بخش دستورهای سفارشی یا پیام سیستمی کلاینت و API قرار داد. فایل‌های AGENTS.md نیز برای استفاده به‌عنوان دستورهای سطح پروژه یا workspace در نظر گرفته شده‌اند. برای برخی مدل‌های قابل اجرا با Ollama نیز Modelfile آماده ارائه شده است.

این مجموعه در درجه نخست با هدف پژوهش امنیتی و آزمایش تیم قرمز معرفی شده است. با این حال، ماهیت Jailbreak این پرامپت‌ها و هشدار مربوط به شرایط استفاده ارائه‌دهندگان نشان می‌دهد که استفاده عملی از آن‌ها بدون توجه به سیاست هر سرویس می‌تواند حساب کاربری را در معرض محدودیت یا مسدودشدن قرار دهد.