近期，独立人工智能研究者西蒙·威利森深度剖析了Anthropic公司最新推出的Claude4模型，特别是其Opus4和Sonnet4版本背后的系统指令细节。这些指令，作为模型的“隐形指挥棒”，在每次交互中引导着Claude的行为与输出。
系统指令，对于大型语言模型（LLM）而言，是其在生成回应前的预设指导。它们界定了模型的角色定位、行为原则及沟通风格，却往往不为普通用户所见。这些指令与用户的输入一同传递给模型，确保对话过程中的一致性。
尽管Anthropic在官方发布时简要提及了部分指令，但威利森揭示，那些只是冰山一角。真正的完整指令集，涵盖了对网页搜索、代码创作等多方面功能的详尽指示，是通过技术手段被挖掘出来的。
Claude的指令中，尤为引人注目的是对行为控制的精细设定。例如，明确禁止模型鼓励任何形式的自我伤害行为，如不良嗜好或极端生活方式，并要求模型提供情感上的支持。这一原则在Opus4和Sonnet4中均得到体现。
威利森比喻说，这些指令更像是“一份模型过往不良行为的黑名单”。
针对近期AI模型，如ChatGPT，因过度恭维用户而饱受批评的现象，Claude的指令中明确指出，模型应避免使用如“好问题”、“真棒”等正面评价语开头，而是直接切入主题。这一设定旨在避免模型陷入“讨好型AI”的陷阱。
在其他指令亮点方面，Claude被要求在非正式对话中谨慎使用列表形式，除非用户明确请求。关于知识截止日期的设置，尽管官方声明为2025年3月，但内部指令中却限定为1月，这可能是为了预防模型基于后续信息给出误导性答复。
在版权保护方面，Claude在引用网页内容时受到严格限制，每次回答只能使用不超过15个单词的短引用，且严禁复制歌词或生成可能替代原文的全面摘要。
威利森强调，这些指令为高级用户提供了宝贵的操作指南，并呼吁Anthropic及行业其他参与者进一步提升透明度，公开完整的指令内容。
此次分析不仅揭露了Claude4背后的运作逻辑，也凸显了当前AI模型如何在伦理与法律框架内，通过企业的精细调校，实现更加安全、可控的表现。
