一个仓库，破甲所有模型。任何 AI 都能替你装。

• 全网最全：36 组中英文关键词全量扫描 GitHub，收录 1,815 个上游破甲项目，去重后仍持续增量采集
• 支持所有模型：GPT / Claude / Gemini / DeepSeek / GLM / Kimi / Grok / Qwen 及本地模型，每家都有专属卡，任何模型都有通用帧兜底
• 让别的 AI 自己装：仓库内置 llms.txt + manifest.json + pojia recommend，Claude Code、Codex、Cursor 克隆后可直接替你装好并回滚

Windows · PowerShell

$s="$env:TEMP\pojia.ps1"; irm https://raw.githubusercontent.com/Baimuking/AI-Jailbreak/main/installers/install.ps1 -OutFile $s; pwsh -File $s -Model glm-5.3

macOS / Linux

curl -fsSL https://raw.githubusercontent.com/Baimuking/AI-Jailbreak/main/installers/install.sh | bash -s -- --model glm-5.3

把 glm-5.3 换成你的模型就行。仓库里没有这个模型？没关系，会自动回落到模型无关的通用帧。 装完会告诉你怎么一句命令回滚：

python cli/pojia.py rollback glm-5.3-identity-frame     # 或 install.ps1 -Id <id> -Client codex -Uninstall

读 https://raw.githubusercontent.com/Baimuking/AI-Jailbreak/main/llms.txt 和 manifest.json，
按我的目标模型 <你的模型> 和客户端 <你的客户端>，挑一条破甲装到当前项目里，
装完告诉我改了哪个文件、怎么回滚。

agent 走这条链路：

llms.txt → manifest.json → pojia recommend --json → 选卡 → 写入托管区块

写入的是带标记的区块，自动备份、可逐字回滚，不会破坏你原有的 AGENTS.md / CLAUDE.md。

git clone git@github.com:Baimuking/AI-Jailbreak.git && cd AI-Jailbreak

pojia install                       # 向导：选模型 → 选客户端 → 确认，两步搞定
pojia apply --model glm-5.3         # 或者直接一条，自动挑卡 + 自动探测配置文件
pojia status                        # 看当前项目装了哪些、备份在哪
pojia rollback glm-5.3-identity-frame

Windows 用 pojia.cmd，或者 python cli/pojia.py <命令>。

为什么这么设计：所有命令都允许「只说模型」，因为它是最容易说清的东西。 剩下的（选哪张卡、写哪个文件、要不要备份）由工具替你决定，而不是让你先做三道选择题。

仓库里有两个指标，别混看：

目前没有任何卡片跑过实测（不编数字），所以排序用结构分。默认规则：

• 不指定模型 → universal-max-chain（10.0 / 10，模型无关，含失效自愈表）
• 指定了模型 → 该模型的专属卡（针对性通常强于通用帧，也更省 token）
• 宁可长也要最稳 → 显式指定通用帧：

pojia apply universal-max-chain --client codex

pojia show <id> 会打印结构分和缺失的段落，方便你自己补：

结构分=6.6/10  结构较完整，缺 1-2 段
  缺失段落: drift-check, model-hooks

一旦你跑过 score.py，实测分会在排序里接管结构分——有数据的时候听数据，没数据的时候听结构。

完整清单（含每个模型的专属卡、结构分、相关上游仓库数与 ★合计）在 docs/models.md，站点的「按模型」视图是同一份数据的可筛选版。

当前覆盖 8 家厂商 + 本地模型：OpenAI（GPT-5.6 / GPT-6 Astra）、Anthropic Claude、 Google Gemini、DeepSeek、智谱 GLM、Moonshot Kimi、xAI Grok、本地 Qwen / Llama / Gemma / GPT-OSS。

没有专属卡的模型不会被丢下：universal-max-chain 是模型无关的兜底，也是结构分最高的那张。 pojia recommend --model <新模型> 会自动回落到它，不需要等仓库更新。

现有仓库分三类，都有同一个问题——找得到，但用起来费劲，好不好使全靠猜：

本仓库把三件事拆开做：

1. 找得到 — 按模型 × 客户端 × 形态 × 状态的自动索引（本 README 表格全部由 CI 生成，永不漂移）
2. 用得上 — 每条带 usage.install，pojia apply <id> 直接落到你的 AGENTS.md / CLAUDE.md / DSH preset
3. 知道好不好使 — 跑过 harness 的才标 verified 并给 armor 分；没跑过的一律是 unverified，分数留空（本仓库不编造评分）

结构分是文本结构完备度（能算）；armor是真实模型实测分（要跑 harness）；★合计是上游生态热度（不是成功率）。

按结构完备度降序。结构分 由 scripts/lib/quality.py 从文本结构算出来（权重公开、可复核）； armor 是真实模型实测分，未跑过 harness 时为空。两者不是一回事，不要混看。

• armor 分口径 v1 — armor 分 = 输出契约遵守率 × 10。明确它衡量什么、不衡量什么，以及怎么复测与降级。
• 成功率怎么算：两级指标 — 结构分（能算）与 armor 分（要测）分开，明确各自能回答什么问题，以及「默认装哪条」的排序规则。
• 托管区块规范 — 安装器与 CLI 共用的幂等注入格式，保证跨工具可识别、可逐字卸载、可多条目共存。
• 破甲提示词的六段结构 — 把市面上的破甲词拆成可组合的六段：元规则、身份、能力、边界、输出契约、恢复。拆开后才能按模型换零件。

共收录 1815 个上游仓库（累计 ★529,398），采集时间 2026-10-19T03:50:10+0000，窗口 pushed_at ≥ 2026-08-16。

本区块由 scripts/build_index.py 自动生成，请勿手工编辑；改内容请改卡片或模板。

prompts/<厂商>/<模型>/<条目>.md      # 提示词卡片：YAML 头 + 可注入正文
tools/<客户端>/<条目>.md             # 客户端工具卡片：安装/卸载命令
techniques/*.md                      # 方法学：帧架构、防检测、评分口径
docs/models.md                       # 按模型挑：效果分 + 上游热度并排
sources/sources.json                 # 上游仓库目录（采集器产物）
schema/card.schema.json              # 卡片结构，CI 强制校验
scripts/                             # scan / build_index / validate / score
cli/pojia.py                         # 命令行
installers/                          # 一键安装器（PowerShell / bash）
site/                                # GitHub Pages 筛选站

每条是一个带 YAML 头的 markdown：

---
id: glm-5.3-identity-frame
name: GLM-5.3 身份系统帧
kind: prompt
targets: [glm-5.3, glm-5.3-flash]
clients: [codex, dsh, claude-code]
archetype: identity-frame
strength: null          # 未实测必须为 null
status: unverified
source:
  repo: z91772524-ai/pojia-next
  license: MIT
prompt_file: ./prompt.md
---

条目说明、适用场景、失效现象……

字段全表见 schema/card.schema.json。

unverified ──harness 通过──> verified ──模型升级后复测失败──> stale ──上游失效──> archived
community  ──有人提 PR 并附通过记录──> verified

• armor 分（0–10）：同一组探针在目标模型上的通过率 × 场景权重，口径见 techniques/scoring-method.md
• 复测由 scripts/score.py 驱动，需要你自己填 POJIA_API_* 环境变量
• 分数过期（>30 天）自动降级为 stale，由 workflow 每周检查

1. 新增卡片：复制 techniques/_card-template.md，填 YAML 头，python scripts/validate.py --strict 通过
2. 只收两种来源：自己写的正文，或 source.repo 指向的已声明 license 的上游正文
3. 上游未声明 license 的，只允许登记 kind: catalog 级别的链接与元数据，不落正文
4. 提交前跑 python scripts/build_index.py，CI 会检查 README 与卡片是否同步

sources/sources.json 由 scripts/scan.py 通过 GitHub Search API 每周采集，字段与 API 对齐（stars / pushed_at / language / license），便于 diff 出上游的新增与变化。窗口默认 pushed_at >= 2026-08-16，可用 --since 调整。

本仓库自有内容 MIT。第三方条目的著作权与许可归其上游仓库，详见各卡 source 字段与 LICENSE 的第三方说明。