gik|iewicz

title: „Anthropic publikuje pełne prompty systemowe Claude – konkurencja je ukrywa”
description: „Jak działa prompt systemowy Claude? 3 techniki twórcy Claude Code, zasady Anthropic i pułapki ukrytych instrukcji. Przewodnik po promptach systemowych AI.”
coverImage: „https://gikiewicz.eu/wp-content/uploads/2026/08/claude-system-prompts-cover.jpg”
date: „2026-08-17”
author: „Grzegorz Kikiewicz”
category: „AI”
tags:
– Claude
– Anthropic
– prompty
– AI
slug: „claude-system-prompts”

Anthropic publikuje pełne prompty systemowe Claude w otwartej dokumentacji – to rzadkość w branży, w której konkurencja szyfruje własne instrukcje.

TL;DR: Anthropic udostępnia pełne prompty systemowe Claude w otwartej dokumentacji – dokumenty dla Claude 3 opublikowano w marcu 2024, a dla Claude 4 w maju 2025. W tym samym czasie OpenAI zaszyfrowało prompty pod-agentów w narzędziu Codex. Poniżej: zawartość instrukcji Claude, techniki twórcy Claude Code oraz zasady pisania własnych promptów systemowych.

Jakie instrukcje znajdziemy w publikowanych promptach Claude?

Prompt systemowy Claude to dokument liczący kilka tysięcy słów, dostępny w oficjalnej dokumentacji Anthropic. Model dostaje w nim m.in. zakaz identyfikowania osób na zdjęciach oraz wymóg odpowiadania w języku użytkownika. Co więcej, prompty są aktualizowane przy każdej premierze – dokumenty dla Claude 3 udostępniono w marcu 2024, a dla Claude 4 w maju 2025. Takiej jawności nie oferuje praktycznie żaden konkurent.

W publikowanych dokumentach powtarza się kilka stałych elementów:

• data graniczna wiedzy modelu, po której Claude nie ma już informacji
• zakaz rozpoznawania twarzy i nazywania osób widocznych na obrazach
• wymóg odpowiadania w języku, którym pisze użytkownik
• unikanie rozpoczynania odpowiedzi od zaimka „I”
• wytyczne stosowania formatowania Markdown w odpowiedziach
• zasada dopytywania o doprecyzowanie przy niejasnym zadaniu

Analiza Claude system prompts 2026 pokazuje, że to właśnie te instrukcje kształtują „osobowość” asystenta znaną z interfejsu webowego.

Dlaczego jawność promptów wyróżnia Anthropic na tle konkurencji?

Tymczasem większość dostawców modeli traktuje prompty systemowe jako tajemnicę handlową. OpenAI poszło krok dalej – w narzędziu Codex prompty pod-agentów zostały zaszyfrowane, co pokazuje materiał Codex starts encrypting sub-agent prompts. Anthropic wybrało odwrotny kierunek i publikuje pełne dokumenty dla każdej wersji modelu. Skąd taka różnica w podejściu?

Różnica podejść ma konkretne skutki praktyczne:

• deweloperzy wiedzą, które zachowanie jest wbudowane, a które wynika z ich promptu
• badacze mogą porównywać zmiany między kolejnymi wersjami Claude
• użytkownicy rozumieją, dlaczego model odmawia niektórych zadań
• zespoły bezpieczeństwa łatwiej oceniają ryzyko wdrożenia

Zatem jawność działa jak dodatkowa warstwa dokumentacji produktu. Mimo to niewielu dostawców podąża tą ścieżką.

Jak twórca Claude Code radzi sobie z promptowaniem?

Boris Cherny, twórca Claude Code, przekonuje, że proste prompty działają lepiej niż rozbudowane instrukcje. W materiale 3 Ways Claude Code’s Creator Gets More Done with Simpler Prompts opisuje podejście oparte na krótkich poleceniach oraz plikach kontekstowych. Centralne miejsce zajmuje CLAUDE.md – plik z konwencjami projektu, który agent czyta automatycznie.

Praktyki zgodne z tym podejściem:

• krótki prompt i iteracja zamiast jednego długiego polecenia
• zapisanie konwencji projektu w CLAUDE.md zamiast powtarzania ich w rozmowie
• pozwolenie agentowi na samodzielne przeszukanie repozytorium przed zadaniem
• dzielenie dużych zadań na mniejsze, weryfikowalne kroki

Brzmi kontrintuicyjnie, jednak praktyka pokazuje, że krótkie polecenia z iteracją wygrywają z rozbudowanymi instrukcjami.

Jakie ryzyka wiążą się z jawnymi system promptami?

Analiza Claude’s System Prompts: A Double-Edged Sword wskazuje na dwie strony tej decyzji. Z jednej strony jawność buduje zaufanie i umożliwia audyt zachowań modelu. Z drugiej strony znajomość instrukcji ułatwia ataki typu prompt injection, ponieważ użytkownik wie, jak sformułować polecenie omijające ograniczenia. Czym grozi taka sytuacja w praktyce?

Najczęstsze wektory ataków:

• wstrzykiwanie instrukcji przez dokumenty i strony webowe
• manipulacja tożsamością modelu w stylu „jesteś teraz kimś innym”
• omijanie zakazów zapisanych wprost w prompcie
• wykorzystanie daty granicznej wiedzy do podsuwania fałszywych faktów

Dlatego jawny prompt nie może stanowić jedynej linii obrony. Anthropic łączy go z treningiem bezpieczeństwa oraz filtrami na poziomie aplikacji.

Jak napisać skuteczny własny prompt systemowy dla Claude?

API Claude pozwala całkowicie zastąpić domyślny system prompt własną instrukcją. W praktyce najlepiej działają prompty krótkie i konkretne, z jasno oddzielonymi sekcjami. Na przykład zamiast opisu osobowości na pół strony lepiej podać rolę, format odpowiedzi, ograniczenia oraz źródła kontekstu w kilku zdaniach.

Dobrym przykładem porządkowania kontekstu jest przeprojektowanie Claude Design, które pokazuje, jak Anthropic samo strukturyzuje projekty pod agentów.

Często zadawane pytania

Czy Claude ma jeden wspólny system prompt dla wszystkich wersji?

Nie. Każda wersja modelu ma własny dokument – prompty Claude 3 opublikowano w marcu 2024, a Claude 4 w maju 2025 (dokumentacja Anthropic). Przed testami zawsze sprawdzaj wersję modelu.

Czy system prompt Claude można nadpisać przez API?

Tak. API przyjmuje własny parametr system, który zastępuje domyślną instrukcję. Prompt interfejsu webowego jest dłuższy niż prompt czystego API, dlatego zachowania mogą się różnić między kanałami.

Czy inni dostawcy modeli publikują swoje prompty systemowe?

Rzadko. OpenAI zaszyfrowało prompty pod-agentów w narzędziu Codex, o czym donosi materiał Codex starts encrypting sub-agent prompts. Anthropic pozostaje pod tym względem wyjątkiem.

Czy znajomość system promptu ułatwia manipulację modelem?

Tak, analiza Chat-GPT.ai wskazuje, że jawne instrukcje ułatwiają ataki prompt injection. Dlatego traktuj każdy wynik działania agenta jako niezaufany i waliduj go poza modelem.

O autorze

Grzegorz Kikiewicz prowadzi bloga gikiewicz.eu, na którym pisze o technologii, AI i programowaniu. Regularnie analizuje dokumentację dostawców modeli oraz narzędzia agentowe – od Claude Code po DeerFlow. Fakty cytowane w tym artykule pochodzą z oficjalnej dokumentacji Anthropic i wskazanych źródeł, dzięki czemu każdy czytelnik może je samodzielnie zweryfikować.

Podsumowanie

Publikacja promptów systemowych Claude prowadzi do kilku wniosków:

1. Anthropic udostępnia pełne prompty dla każdej wersji modelu – od Claude 3 (marzec 2024) po Claude 4 (maj 2025).
2. Dokumenty zawierają konkretne zakazy, m.in. brak rozpoznawania twarzy oraz wymóg dopasowania języka.
3. Jawność ułatwia audyt, ale jednocześnie ułatwia ataki prompt injection – działa w obie strony.
4. Twórca Claude Code zaleca proste prompty i pliki kontekstowe zamiast długich instrukcji.

Chcesz pisać lepsze prompty? Zacznij od lektury oryginalnych dokumentów w dokumentacji Anthropic, a potem porównaj je z własnymi instrukcjami. Następnie sprawdź, jak podobne zasady działają w systemach agentowych – dobrym punktem wyjścia jest DeerFlow od ByteDance. Testuj na małych zadaniach i porównuj wyniki przed skalowaniem.