来源标注规范

每个模型版本的数据必须能追溯到原始 prompt 文本。版本分析允许有作者解读，但事实判断、原文摘录、行号和版本 diff 必须能回到来源文件。

必填字段

每个 data/*.json 的版本对象必须包含 source 字段：

{
  "source": {
    "source_repo": "asgeirtj/system_prompts_leaks",
    "source_path": "OpenAI/gpt-5.5-thinking.md",
    "source_commit": "678e7fadee889f036400a478acbf3c8a1d16980f",
    "quoted_lines": [
      {
        "label": "identity_and_date",
        "start": 1,
        "end": 6
      }
    ],
    "license": "CC0 1.0 Universal",
    "analysis_author_note": "全文来自本地克隆的 asgeirtj/system_prompts_leaks；中文拆解为本仓库作者基于原文的分析。"
  }
}

字段说明

页面摘录绑定

模型页中的每个证据摘录块必须使用 data-source-label 绑定到 quoted_lines.label：

<div class="quote" data-source-label="identity_and_date">
  ...
</div>

scripts/validate.py 会检查：

• 每个 .quote 都必须有 data-source-label。
• data-source-label 必须存在于该模型 data/*.json 的 source.quoted_lines[].label 中。
• 对应 quoted_lines 的 start / end 不能越界。

当前来源状态

已固定来源来自：

source_repo: asgeirtj/system_prompts_leaks
baseline source_commit: 678e7fadee889f036400a478acbf3c8a1d16980f
Claude Fable 5 source_commit: 28639e67c6774477aa32b9ef1995bae2c74c40f6
Grok / Microsoft Copilot source_commit: 28639e67c6774477aa32b9ef1995bae2c74c40f6
license: CC0 1.0 Universal

已固定来源明细

发布前检查

发布模型页面前必须确认：

• 没有 TODO、unknown、unverified 留在 source.source_path 或 source.source_commit。
• 页面中每个英文摘录都必须通过 data-source-label 绑定到 quoted_lines 中的对应项。
• 版本 diff 的依据能追溯到两个明确的 source_commit 或同一来源仓库中的两个明确文件。
• 如果使用第三方仓库素材，README 和页面脚注必须说明来源与许可证。
• 作者观点必须写在分析字段中，不能伪装成原文事实。
• words、lines 统计应和 prompt 原文实际内容保持一致。

后续维护

新增模型或版本时，先补 data/*.json 的来源字段，再生成页面。若上游素材库更新，请新建版本记录并固定新的 commit，不要直接覆盖已经发布的来源指针。