Rules.txt

用指令集撬开AI黑盒,审计推理与偏见

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 对话助手 🍴 复刻 6 🐛 待处理 3 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 112
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,无在线服务,需自行部署,完全免费。

项目预览

Rules.txt 项目界面预览图
图片来源:项目官网

项目数据

分类对话助手
开发团队Xayan
定价模式🏷️完全免费
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
技术栈/模型ai,ai-alignment,ai-research,ai-safety,chatgpt,epistemology,gemini,grok,inference,jailbreak,jailbreak-prompts,jailbreaking,llm,openai,philosophy,prompt,prompt-engineering,prompts,rationalism,rlhf
GitHub 星标★ 112
上线时间2025-10-03 00:00:00
代码更新2026-08-18
仓库体积264 KB
本站数据更新2026-11-18
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

Rules.txt 是一个针对大型语言模型(LLM)的对齐与越狱(jailbreak)研究项目,提供一套指令集,用于审计模型内部推理过程并揭示潜在偏见。它通过精心设计的提示词,引导模型暴露其隐藏的推理链和决策依据,帮助研究人员和安全从业者理解模型行为背后的逻辑,发现对齐漏洞和系统性偏见。项目核心能力包括:构造越狱提示词以触发模型非预期行为、分析模型内部推理模式、识别训练数据中的偏见来源。适用于AI安全研究、模型审计和红队测试场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 112

核心亮点

  • 提供可直接使用的越狱提示词库,降低审计门槛
  • 聚焦内部推理审计,超越表面输出分析
  • 覆盖多模型(ChatGPT/Gemini/Grok),适用性广

不足之处

  • 项目处于早期,文档和社区支持尚不完善
  • 越狱指令可能被滥用,需谨慎使用

适用场景

  • AI安全研究:测试模型对齐鲁棒性
  • 模型审计:发现隐藏偏见和推理漏洞
  • 红队演练:模拟攻击以改进防御

替代项目

JailbreakBench、LLM-Attacks、Garak

同类项目推荐

llm-eval 开源

一站式跑分,快速对比大模型与 RAG 效果

大语言模型评估平台,支持多种评估基准、自定义数据集和性能测试。支持基于自定义数据集的···

★ 101 2026-08-09
FuzzyAI 开源

自动给 LLM 做安全体检,找出越狱漏洞

A powerful tool for automated LLM fuzzing. It is designed to help developers and sec···

★ 1609 2026-08-09
deepteam 开源

自动模拟越狱攻击,提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 3110 2026-09-12
TSB-AD 开源

一套接口跑通时序异常检测算法与数据集评测

Time-Series Anomaly Detection | Algorithms + Datasets + Tutorials

★ 349 2026-09-21
agentjail 开源

给AI编程助手装上安全锁,每次操作先过检再执行

Policy guardrails for coding agents (Claude Code, Codex, Cursor) — every tool call ···

★ 104 2026-08-09