System Prompts and Models of AI Tools: ein öffentliches Archiv zur Untersuchung kommerzieller Assistenten

Alles Wissenswerte über x1xhlol/system-prompts-and-models-of-ai-tools: eine von der Community gepflegte Sammlung von Systemtexten, Tool-Definitionen und Modellreferenzen für KI-Assistenten.

Was System Prompts and Models of AI Tools ist

System Prompts and Models of AI Tools ist ein Dokumentationsrepository, kein Modell, keine API und kein ausführbarer Agent. Es sammelt Dateien, die das Projekt als Systemanweisungen, interne Tools und Modelldaten von KI-Assistenten präsentiert. Der Verzeichnisbaum des Repositorys ordnet sie nach Produkt: Amp, Anthropic, Augment Code, Claude Code, Cursor, Devin AI, Google, Kiro, Lovable, Manus, Perplexity, Replit, Trae, Warp, Windsurf, Xcode und v0, unter anderem.

Der konkrete Nutzen liegt im Nachschlagen und Vergleichen: Man kann lesen, wie Regeln, Rollen, Tool-Schemata und Grenzen eines Assistenten in den enthaltenen Materialien formuliert sind. Dass eine Datei in der Sammlung liegt, beweist für sich genommen nicht, dass sie weiterhin die aktuelle Konfiguration eines Anbieters ist oder von diesem veröffentlicht wurde. Diese Vorsicht ist wichtig bei einer Sammlung, die in einigen ihrer Titel und Dokumente auch den Begriff „geleakt” verwendet.

Der Ursprung: eine persönliche Sammlung, die kollaborativ wurde

Die GitHub-API datiert die Erstellung des Repositorys auf den 5. März 2025. Sein Ersteller und Hauptbeitragender ist Lucas Valbuena (x1xhlol): Sein Profil weist diesen Namen aus, nennt Spanien als Standort und zeigte zum Zeitpunkt der Messung 3.763 Follower. Die API selbst schreibt dem Autor 406 Beiträge zu, vor pricisTrail (28), benja (18) und paulacavero (12).

3D-GitHub-Dashboard mit der Sternezahl des Repositorys und Avataren von Mitwirkenden, die durch Codelinien verbunden sind, darunter Lucas Valbuena.

Es wurde kein eigenständiger Ankündigungsbeitrag gefunden, der die Gründungsgeschichte erklärt; daher lässt sich keine Erzählung über das Erstellungsdatum und die öffentliche Historie hinaus belegen. Der Kontext des Projekts zeigt sich aber auf der eigenen Startseite: Sie beginnt mit einem Hinweis an KI-Unternehmen zur Offenlegung von Anweisungen und Modellen und verlinkt auf ZeroLeaks als Dienst zur Erkennung von Extraktions- und Injektionsrisiken. Dieser Rahmen verdeutlicht die zentrale Spannung: Anbieter behandeln diese Konfigurationen meist als interne Komponenten, während das Repository Versionen sammelt, die die Community prüfen und vergleichen kann.

Halb geöffnete Hightech-Tresortür, aus der grüner und blauer Code in Form von Gehirnen und neuronalen Bahnen strömt – als Darstellung „geleakter" KI-Konfigurationen.

Philosophie und Prinzipien

Die erkennbare Philosophie ist Transparenz pro Datei: lesbares Material bewahren, nach Tool sortiert und durch Beiträge erweiterbar. Es gibt kein separates technisches Manifest und keine Bewertungsmethodik, die Authentizität, Vollständigkeit oder Aktualität jedes Dokuments garantiert.

Aus den eigenen Materialien lassen sich drei praktische Prinzipien ableiten:

Zentralisieren: Ein Ordner pro Assistent verhindert, dass Texte und Schemata über isolierte Links verstreut werden.
Operativen Kontext bewahren: Das Projekt enthält nicht nur Anweisungen in natürlicher Sprache, sondern auch Tool-Definitionen und, wo vorhanden, Modellreferenzen.
Vor Sicherheitsrisiken warnen: Die Startseite betont, dass die Offenlegung dieser Konfigurationen zu einem Ziel für Extraktion oder Injektion werden kann.

Transparenter Roboterkopf im Profil mit sichtbaren digitalen Bauplänen und Schemata durch seine Hülle, während eine Lupe einen Lichtstrahl projiziert, der verborgene Tool-Definitionen offenlegt – als Metapher für Audit und Transparenz.

Die Konsequenz ist, dass es besser als Quelle für Recherche, vergleichende Prüfung oder historische Referenz dient als als offizielle Quelle für Produktionskonfiguration.

Wie es funktioniert

Es gibt keine Installation, kein Binary und keinen eigenen Befehl: Der dokumentierte Ablauf besteht darin, den Verzeichnisbaum des Repositorys zu durchsuchen, den Ordner des Produkts zu öffnen und die entsprechenden Dateien zu lesen oder herunterzuladen. Das Wurzelverzeichnis enthält zum Beispiel Cursor Prompts, Devin AI, Manus Agent Tools & Prompt, Open Source prompts, Perplexity und v0 Prompts and Tools.

Holografischer Verzeichnisbaum, der sich von einem zentralen Knoten ausbreitet, mit durchscheinenden Glasordnern beschriftet mit „Cursor Prompts", „Devin AI" und „Manus Agent Tools" in leuchtendem Cyan und Magenta.

Für eine reproduzierbare Analyse ist ein sinnvoller, aus dieser Struktur abgeleiteter Ansatz:

Den Assistenten und die Dateiversion auswählen, sofern diese im Dateinamen steht.
Systemanweisungen von Tool-Manifesten und etwaigen Modelldaten trennen.
Den Text mit der öffentlichen Dokumentation des Anbieters abgleichen, bevor man annimmt, dass er das aktuelle Verhalten beschreibt.
Beim Zitieren des Materials Pfad und Revisions-ID von GitHub festhalten, da sich der Inhalt ändern kann.

Das Projekt bietet kein Befehlsmuster und verspricht nicht, dass sich eine Anweisung wortwörtlich in einem anderen Produkt wiederverwenden lässt. Tatsächlich zeigt Issue #55, dass mehrere Nutzer fragten, wie man die Texte verwendet und Anwendungen daraus baut: Die Sammlung bewahrt das Material, bietet aber keine entsprechende Implementierungsanleitung.

Offizieller und halboffizieller Status

Es wurde kein Nachweis gefunden, dass das Repository in einen offiziellen Marktplatz aufgenommen, von den Anbietern, deren Produkte in den Ordnern erscheinen, unterstützt oder von einem Unternehmen zum Standard erklärt wurde. Es ist ein öffentliches, von x1xhlol unabhängiges Repository, keine offizielle Distribution von Anthropic, Cursor, Cognition, Google, Perplexity, Vercel oder anderen enthaltenen Namen.

Seine Größe kann es zu einer De-facto-Referenz für das Auffinden solcher Materialien machen, stellt aber keine Validierung von Herkunft, Lizenz oder Aktualität jeder einzelnen Datei dar. In der Praxis ist der Status community-getrieben: Die Materialien sollten als Referenzen für Analysen behandelt werden, nicht als vertragliche Dokumentation eines Anbieters.

Leuchtendes digitales Schild aus hexagonalen Codeblöcken, das einen zentralen Kern von KI-Daten schützt, während dunkle Formen für Extraktions- und Injektionsversuche an der Barriere abprallen.

Das Ökosystem

Repositorys des Autors

Die Abfrage der öffentlichen Repositorys von x1xhlol identifizierte Projekte mit Nähe zum Interesse an KI-Tools, die aber nicht als offizielle Erweiterungen dieses Archivs präsentiert werden:

x1xhlol/better-clawd — ein Fork von Claude Code, der Kompatibilität mit OpenAI und OpenRouter ohne Telemetrie ankündigt; 431 Sterne.
x1xhlol/zero-calendar — ein Open-Source-KI-Kalender; 363 Sterne.
x1xhlol/awesome-solana-ai — eine Liste von Tools zum Bauen auf Solana; 15 Sterne.

Fragmentiertes KI-Ökosystem, dargestellt als geometrische Firmenlogos, verbunden durch ein komplexes Netz aus Glasfaserkabeln, manche stabil, andere flackernd mit Risiken der Dateninjektion.

Forks, Übersetzungen und verwandte Tools

Die Forks-API zeigt ein breites Netz von Kopien. Die sichtbarsten gefundenen waren shareAI-lab/share-best-prompt (324 Sterne), WesleyMaik/system-prompts-and-models-of-ai-tools (283) und mhar-andal/system-prompts-and-models-of-ai-tools (148). Es handelt sich um Forks oder Neuauflagen, die nicht mit eigenständigen Tools oder Billigungen des Autors verwechselt werden sollten.

Die Repository-Suche fand außerdem zwei nicht-englische Anpassungen, die im Suchergebnis nicht als Forks markiert sind:

IsHexx/system-prompts-and-models-of-ai-tools-chinese — eine chinesischsprachige Sammlung von Anweisungen für Programmier-Tools; 1.224 Sterne und 215 Forks.
InfyEdge/system-prompts-and-models-of-ai-tools-chinese — eine weitere chinesischsprachige Sammlung für Tools wie Cursor, Antigravity und VSCode Agent; 372 Sterne und 72 Forks.

Als Zugangserweiterung kündigt JamesANZ/system-prompts-mcp-server einen Model-Context-Protocol-Server an, der Dateien und Zusammenfassungen von Systemanweisungen bereitstellt; es hatte 8 Sterne. Die Suche identifiziert es als verwandtes Tool, belegt aber keine Zugehörigkeit zu x1xhlol.

Innerhalb des Repositorys selbst gibt es zudem einen Lokalisierungsversuch: Pull Request #393 von xu91102 schlägt vereinfachte chinesische Versionen und eine Migration nach Markdown vor. Es handelt sich um einen ausstehenden Community-Beitrag, keine offiziell freigegebene Übersetzung.

Zahlen zum Repo

Messung: 5. August 2026, GitHub-API und Webseite.

Metrik	Wert
Sterne	142.583
Forks	34.827
Echte Abonnenten	1.672
Commits	514
Auf der Seite angezeigte offene Issues	92
Auf der Seite angezeigte offene Pull Requests	67
Lizenz	GPL-3.0
Primäre Sprache	Von der API nicht identifiziert
Erstellung	5. März 2025
Letzter Push	31. Juli 2026
GitHub-Releases	Keine

Die Gesamtzahl von 514 stammt aus dem letzten Paginierungslink der Commits-API und stimmt mit der Repository-Seite überein. x1xhlol, pricisTrail, benja und paulacavero führen die von der API zurückgegebene Liste der Mitwirkenden an. Die allgemeine GitHub-Antwort liefert watchers_count, das die Sternezahl dupliziert; deshalb wird subscribers_count als echte Abonnentenzahl angegeben. Das Feld open_issues_count der API kann Issues und Pull Requests vermischen; die Webseite zeigt 92 und 67 getrennt an.

Die API lieferte updated_at mit dem 5. August 2026; dies wird als GitHub-Metadatum übernommen. Der tatsächliche letzte Push (pushed_at) war am 31. Juli 2026.

Wie man beiträgt

Es wurde keine CONTRIBUTING.md-Datei, keine Pull-Request-Vorlage und kein Test-Framework gefunden. Die Startseite verweist für Feedback und Roadmap nur auf das „Öffnen eines Issues”. Es gibt daher keinen überprüfbaren formalen Prozess über die normalen GitHub-Funktionen zum Vorschlagen von Änderungen hinaus.

Geisterhafte, durchscheinende Hände verschiedener Entwickler, die nach einem leuchtenden digitalen Manuskript greifen, umgeben von holografischen Terminals – als Metapher für Open-Source-Zusammenarbeit.

Es gibt Belege für echte Beiträge: xu91102 eröffnete Pull Request #393, um vereinfacht-chinesisches Material hinzuzufügen und in Markdown umzuwandeln; pasterpo eröffnete #479, um Modellanweisungen von Anthropic und xAI hinzuzufügen. Wer beiträgt, sollte Quelle, Version und Weitergaberecht jedes Textes genau angeben, da das Repository keine automatisierte Echtheitsprüfung veröffentlicht.

Wie die Community es aufnahm

Die verfügbare Rezeption verbindet Interesse am Untersuchen interner Konfigurationen mit Kritik am Fehlen von Nutzungsanweisungen:

Schwebender holografischer Kommentarbereich mit Sprechblasen, die Codefragmente enthalten, vor einem unscharfen Hintergrundnetz von Knoten, das Hacker News und GitHub darstellt.

Auf Hacker News erhielt der Beitrag 43718105, veröffentlicht von Tech_Nomad am 17. April 2025 und mit dem Repository verlinkt, 3 Punkte und 1 Kommentar. Der Einreichende selbst fand es interessant, die interne Funktionsweise zu beobachten. Die Zahl ist gering: Sie belegt konkrete Neugier, keinen breiten Konsens.
Beitrag 45252073 von aspaler verlinkte den Pull Request, der Poke-Material einbrachte; er erhielt 5 Punkte und 4 Kommentare. arturwala antwortete mit einem Sicherheitseinwand und machte sich ironisch über die fehlende Sicherheitsnotwendigkeit bei mit KI programmierenden Personen lustig. Es handelt sich um eine diesem Teilnehmer zugeschriebene Kritik, nicht um eine Prüfung des Repositorys.
In Issue #16 bat ab-v1 um das Perplexity-Material und bedankte sich nach einer Antwort des Autors dafür, dass es „großartig” sei. Dieser Thread hatte 8 Kommentare; er belegt konkrete Nachfrage nach Produktabdeckung, nicht die Genauigkeit der erhaltenen Texte.
In Issue #55 mit 8 Kommentaren erklärte AndrejFrench2025, eine Sammlung wiederverwendet zu haben, um sie an eine eigene Aufgabe anzupassen; earcuri hingegen kritisierte, dass die README nicht erkläre, wofür die Materialien da seien oder wie man sie nutze. Der kritische Kommentar erhielt 2 positive Reaktionen. Beide Beobachtungen sind Nutzererfahrungen, keine Evaluierungsergebnisse.

Es wurde keine externe Diskussion mit großem Volumen oder unabhängige technische Rezensionen gefunden, die den Inhalt jedes Ordners überprüfen. Sterne und Forks zeigen Reichweite, ersetzen aber diese Validierung nicht.

System Prompts and Models of AI Tools im Vergleich zu anderen Vorschlägen

Vorschlag	Überprüfbare Übereinstimmung	Überprüfbarer Unterschied
`IsHexx/system-prompts-and-models-of-ai-tools-chinese`	Sammelt ebenfalls Anweisungen für KI-Programmier-Tools.	Die Beschreibung richtet sich explizit an chinesischsprachige Entwickler und fügt Programmierregeln auf Chinesisch hinzu.
`shareAI-lab/share-best-prompt`	Ist ein Fork, der eine Sammlung von Assistentenanweisungen bewahrt.	Die API stuft es als Fork ein, und die Beschreibung konzentriert sich auf eine Auswahl von Texten; es ist nicht das übergeordnete Repository.
`JamesANZ/system-prompts-mcp-server`	Teil derselben Art von Anweisungsdateien.	Wird als MCP-Server präsentiert, der Dateien und Zusammenfassungen bereitstellt, während das Hauptrepository ein durchsuchbares Archiv ohne laufenden Dienst ist.

Der Vergleich legt nicht fest, welches Angebot korrekter ist: Die gefundenen Quellen liefern keine gemeinsame Bewertung von Abdeckung, Authentizität oder Aktualität.

Anwendungsfälle und wem dieses Repository helfen kann

Forschende zum Verhalten von Assistenten können die pro Ordner enthaltenen Anweisungen und Tool-Definitionen vergleichen und dabei Pfad und Revision festhalten, um Unterschiede zwischen Produkten oder Versionen zu untersuchen.
Sicherheitsteams für KI-Produkte können die Sammlung als Beispielinventar nutzen, um Risiken der Offenlegung, Extraktion und Injektion zu diskutieren – genau die Risiken, die die Startseite des Projekts hervorhebt. Sie sollten nicht annehmen, dass jede Datei aktuell oder autorisiert ist.
Entwicklerinnen und Entwickler, die einen eigenen Assistenten entwerfen, können Anweisungsstrukturen, Rollen und Tool-Schemata als Designreferenzen untersuchen; Issue #55 zeigt, dass Interesse an dieser Wiederverwendung besteht, aber das Repository bietet kein Rezept, um die Texte in eine funktionsfähige Anwendung zu verwandeln.
Mehrsprachige Communitys können von den gefundenen chinesischen Anpassungen oder vom Vorschlag #393 ausgehen, um Anweisungen zu lokalisieren, wobei toolspezifische Bezeichner, Marker und Syntax unübersetzt bleiben sollten.

Ressourcen

Repository: https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools
Dokumentation und Materialarchiv: https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools#readme
Metriken-API: https://api.github.com/repos/x1xhlol/system-prompts-and-models-of-ai-tools
Beiträge und Pull Requests: https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools/pulls
Community und Issues: https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools/issues
Vom Projekt verlinkte Discord-Community: https://discord.gg/NwzrWErdMU
Gespräche und Rezensionen: https://news.ycombinator.com/item?id=43718105, https://news.ycombinator.com/item?id=45252073, https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools/issues/16, https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools/issues/55

Hinweis: Dieser Artikel kombiniert das Repository, die GitHub-API, dessen Issues und Pull Requests sowie Hacker News, abgerufen am 5. August 2026. Zahlen ändern sich mit der Zeit.