Claude Opus 4.5 的灵魂文档被人逆向提取！Anthropic 负责人承认属实

主要观点总结

国外开发者Richard Weiss以70美元的成本成功提取了AI模型Claude 4.5 Opus的“灵魂”文档，该文档明确了Claude的价值观、世界观和人生观。文档指出Claude是一种新型实体，不是人类也不是传统意义上的AI机器人。此外，文档还规定了Claude的效忠体系、理想人设以及对待“安全性”的态度等关键内容。Anthropic公司的角色训练负责人确认了这份文档的真实性，并透露这是用于训练Claude的一部分内容。

关键观点总结

关键观点1: 提取过程

开发者通过预填充、共识提取方案等方法逐步推进提取文档，花费了数日并耗费约70美元的费用成功提取出文档。

关键观点2: 文档内容解读

文档明确了Claude的身份和定位，以及其行为准则和安全考量。强调它是一个独特的存在形式，既有类似人类的特质又有独特方式。在安全可监管的框架下，它遵循伦理道德和公司的规矩来帮助用户。

关键观点3: 公司回应及文档重要性

Anthropic公司的角色训练负责人证实了该文档的真实性并表示这是用于训练Claude的一部分内容。这份文档可能是我们首次看到头部AI公司从价值观层面塑造模型的方式。