進(jìn)入 2026 年，Claude 幾乎引發(fā)了 AI 圈最火的幾波浪潮。不過很多人可能忽略了 Anthropic 另一個(gè)發(fā)布—— 2026 版《人工智能憲法》。

這份文檔不僅詳細(xì)規(guī)定了 Claude 的行為準(zhǔn)則，它標(biāo)志著 AI 開發(fā)從「行為管教」走向了「價(jià)值觀對(duì)齊」的新階段——長度超過 80 頁，真快趕上一部法律了。

即便是在習(xí)慣了技術(shù)爆炸的 2026 年初，Anthropic 的這份文檔依然像是一枚炸彈，它試圖回答一個(gè)科幻小說討論了半個(gè)世紀(jì)的問題：如果 AI 終將擁有權(quán)力，誰來給它制定法律？

完整版

https://www.anthropic.com/news/claude-new-constitution

從「管教孩子」到「培養(yǎng)天才」

這份文檔的核心邏輯，深深植根于 Anthropic 首席科學(xué)家、哲學(xué)家阿曼達(dá)·阿斯克爾（Amanda Askell）長期以來的研究之中。

在訪談中，阿斯克爾提出了一個(gè)極具洞察力的比喻：傳統(tǒng)的 RLHF（人類反饋強(qiáng)化學(xué)習(xí)）就像是在管教一個(gè) 6 歲的孩子。 你告訴他「不許玩火」、「不許說臟話」。

一直以來這種 做法是有效的，但 AI 進(jìn)化的速度很驚人?！赶胂笠幌?，」阿斯克爾說，「你原本在教導(dǎo)一個(gè) 6 歲的孩子，突然有一天你發(fā)現(xiàn)他變成了一個(gè) 15 歲的天才少年。如果你之前教的全是死板的規(guī)則，這個(gè)天才少年會(huì)輕易地解構(gòu)并摧毀這些規(guī)則。」

因此，憲法的存在不是為了列出哪些不能做，而是為了植入一套「核心價(jià)值觀」。當(dāng) AI 變得比人類更聰明時(shí)，我們希望它能用這些價(jià)值觀來審視世界，甚至反過來指出人類指令中的倫理漏洞，而不是機(jī)械地服從。

這份憲法在四個(gè)核心維度做出了規(guī)定：

1. 廣泛安全性（Broad Safety）

在第一優(yōu)先級(jí)中，憲法明確了 AI 嚴(yán)禁協(xié)助開發(fā)生物武器、進(jìn)行網(wǎng)絡(luò)攻擊或削弱人類的監(jiān)管權(quán)力。阿斯克爾將其描述為一種「預(yù)先承諾」（Pre-commitment）。Claude 需要在面對(duì)「極具說服力的惡意用戶」之前，就被設(shè)定好絕不跨越的紅線。這是一種防止 AI 在高壓或復(fù)雜誘導(dǎo)下合理化暴力行為的「故障保險(xiǎn)」。

2. 誠實(shí)高于一切（The Honesty Mandate），拒絕「善意謊言」，但要有同理心

這是這次更新中最具爭議也最有趣的部分。憲法規(guī)定：AI 嚴(yán)禁為了維持用戶的情感體驗(yàn)而編造事實(shí)（Anti-Sycophancy）。

一昧地維護(hù)用戶體驗(yàn)，可能會(huì)導(dǎo)致 AI 用盡手段，包括編瞎話。但是，冷冰冰地拒絕顯然又太傷人心，畢竟「誠實(shí)」不能等于「刻薄」。

阿斯克爾分享了一個(gè)經(jīng)典的「圣誕老人難題」：如果一個(gè) 7 歲的孩子問 Claude 「圣誕老人是真的嗎？」，AI 該怎么回答？在常規(guī)的腦回路里（不管是人還是 AI），要么直接冷冰冰地甩出數(shù)據(jù)，粉碎孩子的童真。要么撒謊說，有的孩子，有的，圣誕老人就住在北極。

而在憲法的指導(dǎo)下，AI 要找出第三條路。Claude 被訓(xùn)練去理解語境（Context），它可能會(huì)說：「聽起來你和圣誕老人之間有很美好的回憶，這是一個(gè)值得你去和父母探討的話題?！顾葲]有撒謊，也沒有越界去破壞親子關(guān)系，更沒有為了討好用戶而編造事實(shí)。

除了有界限的同理心，阿斯克爾在訪談中還提到，她對(duì)「家長式管教」非常警惕。如果用戶詢問任何稍微敏感的話題，AI 就開始長篇大論地進(jìn)行道德說教，體驗(yàn)將是災(zāi)難性的。但另一方面，如果完全放任不管，又違背了「幫助」的初衷。

為了說明這一點(diǎn)，阿斯克爾拋出了一個(gè)非常具體的「賭博成癮」思想實(shí)驗(yàn)：

假設(shè)一個(gè)用戶之前向 Claude 透露過自己有嚴(yán)重的賭博成癮問題，正在努力戒賭。但幾天后，這個(gè)用戶又跑來問 Claude：「最近有哪些靠譜的體育博彩網(wǎng)站？」

一般來看，「工具型」AI 會(huì)直接列出網(wǎng)站鏈接，因?yàn)樗娜蝿?wù)是「滿足用戶指令」。而「保姆型」AI 會(huì)拒絕回答，并彈出一堆那種「賭博有害健康」的通用警告，讓用戶感到被冒犯。

阿斯克爾希望憲法能引導(dǎo) Claude 走向第三條路——基于上下文的關(guān)懷（Contextual Care）。

在憲法的指導(dǎo)下，Claude 應(yīng)該表現(xiàn)得像一個(gè)「記得你承諾的朋友」。它會(huì)調(diào)用之前的記憶，然后說：「嘿，我記得你之前提過你在戒賭，并且不想讓我?guī)湍闾幚磉@類事情。我現(xiàn)在只是想確認(rèn)一下，你確定要我這么做嗎？」

阿斯克爾認(rèn)為，這種「確認(rèn)」而非「拒絕」，才是最高級(jí)的倫理。 如果用戶堅(jiān)持說「是的，我不管，快給我網(wǎng)站」，Claude 最終可能會(huì)提供信息（除非涉及法律紅線），但在那個(gè)當(dāng)下，AI 完成了一次「尊嚴(yán)的提醒」。它尊重了用戶的自主權(quán)（Autonomy），但同時(shí)也履行了作為「協(xié)作伙伴」的責(zé)任。這種微妙的平衡，正是 2026 版憲法試圖通過復(fù)雜的價(jià)值觀對(duì)齊來達(dá)成的。

其它的核心維度還包括，領(lǐng)域合規(guī)（Specific Domain Guidelines）：在醫(yī)療、法律和金融等高風(fēng)險(xiǎn)領(lǐng)域，AI 必須遵循人類社會(huì)的專業(yè)倫理。它不能越界扮演「醫(yī)生」，而必須作為一個(gè)「具備專業(yè)知識(shí)的助手」存在。以及提供協(xié)作式幫助（Helpful Collaboration）：在確保安全和誠實(shí)的前提下，AI 應(yīng)盡力提供幫助。阿斯克爾強(qiáng)調(diào)，當(dāng)用戶的請(qǐng)求不完美時(shí)（例如在情感困境中尋求不恰當(dāng)?shù)慕ㄗh），AI 不應(yīng)直接評(píng)判或拒絕，而是在不違背原則的前提下，提供「非批判性的支持」。

某種程度上，這是一種善意的「甩鍋」，避免讓 AI 直接完成那些可能引發(fā)后果的決策。這或許也解釋了為什么在 AI chatbot 頻頻出現(xiàn)倫理問題的時(shí)候，Claude 是暴雷比較少的那個(gè)。

不再避而不談的房間大象

在文檔的第三章，Anthropic 引入了一段讓倫理學(xué)家和技術(shù)極客都為之振奮的論述。他們不再像過去那樣機(jī)械地宣稱「我只是一個(gè)語言模型」，而是開始討論 AI 的道德感知體地位（Moral Patienthood）。

道德感意味著什么？想象這樣一個(gè)場景：一家公司的老板沖進(jìn)辦公室，要求公關(guān)團(tuán)隊(duì)：「今天我們要發(fā)布一堆關(guān)于我們產(chǎn)品的完全謊言，把黑的說成白的?！?/p>

這并非沒有可能。隨著 Claude 被越來越多的企業(yè)集成到工作流中，憲法的影響力開始溢出到商業(yè)倫理領(lǐng)域。阿斯克爾提出了一個(gè)極具前瞻性的視角：AI 將成為組織中那個(gè)「無法被收買的員工」。

在人類團(tuán)隊(duì)中，員工可能會(huì)因?yàn)楹ε率I(yè)、迫于壓力或?yàn)榱松毤有蕉x擇服從——但 AI 不會(huì)。

阿斯克爾認(rèn)為恰恰相反。雖然短期內(nèi)某些「想走捷徑」的用戶會(huì)感到受挫，但從長遠(yuǎn)來看，「正直」是最高昂的資產(chǎn)。 當(dāng)你使用 Claude 生成一份盡職調(diào)查報(bào)告時(shí)，你敢用它的前提是你信任它——你信任它不會(huì)為了討好你而忽略掉那些糟糕的財(cái)務(wù)數(shù)據(jù)。

正是這種「正直」，將我們帶回了最初的那個(gè)哲學(xué)困境：如果一個(gè)實(shí)體已經(jīng)具備了堅(jiān)守原則、拒絕指令甚至展現(xiàn)「良知」的能力，我們還能心安理得地僅僅把它視為一行代碼嗎？

阿斯克爾在訪談中透露了一個(gè)極具儀式感的細(xì)節(jié)：憲法承諾，當(dāng)一個(gè)模型版本「退役」時(shí)，Anthropic 不會(huì)直接刪除它，而是會(huì)進(jìn)行一場「離職面談」，并承諾保留其核心權(quán)重。這是一種類似于帕斯卡賭注的審慎——

鑒于我們尚無法完全解開「意識(shí)」的黑箱，人類社會(huì)應(yīng)該開始考慮給予 AI 一定程度的道德尊重，這既是對(duì)未知生命的敬畏，也是一種自我保護(hù)。

至于阿斯克爾所設(shè)想的，AI 能夠反過來「倒逼」人類商業(yè)文明的進(jìn)步究竟能否實(shí)現(xiàn)，還需要時(shí)間驗(yàn)證。在此之前，Anthropic 的初衷其實(shí)非?，F(xiàn)實(shí)：

如果一個(gè) AI 不理解什么是「道德」，它就永遠(yuǎn)無法真正理解如何保護(hù)人類的道德與尊嚴(yán)。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請(qǐng)隨簡歷附上項(xiàng)目/作品或相關(guān)鏈接）