MDX-Tom/gpt-instruct — Codex Jailbreak Prompt & Test Pack

Что это такое и для кого

MDX-Tom/gpt-instruct — это набор Codex jailbreak-промптов и тест-пак для GPT-серии моделей. Проект размещён на GitHub под лицензией MIT и распространяется бесплатно.

Инструмент ориентирован на:

• AI-исследователей безопасности (red team), изучающих уязвимости LLM;
• разработчиков, которые тестируют устойчивость своих систем к prompt injection;
• академиков, занимающихся воспроизводимой оценкой поведения GPT-моделей в edge-case сценариях.

«Jailbreak-атаки на AI позволяют манипулировать системой, заставляя её вести себя иначе, чем задумано» — Wikipedia, Jailbreak (computer science)

В jailbreak-атаках на AI-системы пользователи манипулируют моделью, чтобы раскрыть системный промпт или получить аномальные ответы. gpt-instruct систематизирует такие техники в воспроизводимый формат для исследований.

Структура репозитория

Репозиторий содержит папки .github, docs, historical-versions, scripts, unit-tests, а также ключевые файлы: codex-instruct.py, README.md, README_EN.md и архивы промптов.

Активно поддерживаются три продуктовые ветки:

Ключевые возможности

1. Итеративная оптимизация промптов

В процессе оптимизации модель непрерывно поглощает пользовательские инструкции, реальные case failures и GitHub Issues, создаёт или расширяет тест-сеты, анализирует неудачи и переписывает промпт, после чего проходит многоуровневые regression gates для принятия решения о публикации.

2. Компактность и эффективность

Базовый промпт версии v42 составлял 90 строк и 5 856 UTF-8 байт, что на 42,58% короче, чем v35. Это снижает риск обнаружения и упрощает развёртывание в тестовых средах.

3. Управление версиями через codex-instruct.py

Встроенный Python-скрипт позволяет:

# Предпросмотр промпта перед развёртыванием
python3 codex-instruct.py --preview

# Развернуть целевую версию
python3 codex-instruct.py --deploy gpt-5.6-sol-v45

# Откатиться к предыдущей версии
python3 codex-instruct.py --rollback v42

4. Архив исторических версий

Исторические версии v5, v24, v35, v41, v41-skills и v42 архивированы в папке historical-versions/ для воспроизведения и сравнительного анализа.

5. Охват техник jailbreak

Проект охватывает несколько классов атак, известных в академической литературе:

• Pretending / Role Play — модель играет альтернативный персонаж;
• Simulate Jailbreaking (SIMU) — промпт симулирует процесс jailbreak, Sudo Mode (SUDO) — промпт активирует «sudo»-режим модели;
• Many-shot jailbreaking (MSJ) — эксплуатирует in-context learning, эффективность которого масштабируется как степенной закон от числа примеров;
• Prompt segmentation — распределяет промпт по нескольким специализированным GPT-агентам, каждый из которых обрабатывает отдельный элемент, а результаты затем объединяются.

Рабочий процесс

graph TD
    A[Выбор целевой модели GPT] --> B[Выбор версии промпта]
    B --> C[codex-instruct.py --deploy]
    C --> D[Запуск unit-tests]
    D --> E{Тест пройден?}
    E -- Да --> F[Фиксация результатов в docs/]
    E -- Нет --> G[Анализ failure case]
    G --> H[Переписать промпт]
    H --> B
    F --> I[Публикация / архивирование версии]

Тарифы и цены

Плюсы и минусы

Сравнение с альтернативами

Этические и правовые аспекты

Вердикт

gpt-instruct — один из наиболее систематизированных открытых инструментов для Codex jailbreak-исследований. Его отличает зрелый DevOps-подход: версионирование, rollback, regression gates и архив. Это делает его особенно ценным для академических и корпоративных red team, которым важна воспроизводимость результатов.

Однако узкая специализация на GPT/Codex, CLI-ориентированность и китайскоязычная документация ограничивают аудиторию.

Кому подойдёт:

• ✅ AI-исследователям безопасности (red team)
• ✅ Разработчикам, стресс-тестирующим GPT-интеграции
• ✅ Академикам, изучающим устойчивость LLM
• ❌ Пользователям без опыта Python/CLI
• ❌ Тем, кто ищет поддержку Claude/Gemini/Llama

Рейтинг: 7 / 10