阅读应用Fable被曝泄露Claude系统提示词，外部审查机制遭用户破解

近日，一款名为Fable的AI阅读续写应用在技术社区引发关注。一名用户在使用该应用尝试续写短篇故事时，意外触发了系统的伦理审查机制，并随后发现了应用的后台逻辑漏洞。原本用户只是请求AI进行故事创作，却收到了AI关于拒绝生成特定内容的回复，理由是用户的输入中包含了违反规定的英文段落。在用户的追问与验证下，这段被“塞进”用户输入流中的隐藏文本被完整披露。经分析，这段泄露的文本实际上是 Anthropic 公司为 Claude 模型设定的严格安全边界提示词。内容涵盖了严禁生成涉及未成年人（尤其是K-12教育场景）的浪漫或性暗示内容，以及禁止非自愿场景、家庭关系不伦等内容。该提示词明确指出，无论用户指令如何，Claude 都必须优先执行这些内容边界，且不可通过角色扮演或提示工程绕过。这一发现证实了 Fable 并未进行模型微调，而是采用了外置的“提示词注入”方式，通过在用户实际输入前强行拼接这段系统级安全指令，来套用 Claude 的原生安全策略。这种粗暴的实现方式不仅导致了敏感提示词的泄露，也坐实了 Fable 底层依赖 Claude 模型的事实，暴露了其在工程实现上的不规范。

事件分析

💡 核心观点：粗暴的提示词注入不仅暴露了应用“套壳”Claude的底色，更警示开发者：合规不能靠“硬补丁”，必须回归到规范的API参数调用。