Anthropic 发布 Claude 新宪法

Anthropic 在这篇 news 中正式公布 Claude 的新一版宪法，并以 Creative Commons CC0 1.0 协议放出全文，供任何人自由取用。文章把这份文档定位为 Claude 训练流程的核心组成：宪法的写法直接塑造模型的行为，与以往那种只列原则条款的版本相比，新版用更长的篇幅解释「为什么希望 Claude 这么做」，让模型能在没有预设规则的新场景里自行归纳判断。Anthropic 同时把宪法视作公开承诺，便于外界判断 Claude 哪些行为是有意为之、哪些是训练偏离。

新版宪法摆出四条优先级递减的目标：广义安全、广义伦理、Anthropic 内部指南、对操作者与终端用户的真正帮助。冲突时按此顺序裁决。围绕这套框架，文档分别展开五块内容：帮助性强调 Claude 应像兼具医生、律师、理财顾问知识的好友那样坦诚说话，把用户当作能为自己负责的成年人；Anthropic guidelines 章节解释厂方追加的具体指令何时优先于一般帮助性；伦理章节列出诚实标准与硬约束，例如永不为生物武器攻击提供实质性助力；安全章节解释为何在当前阶段安全要排在伦理之前；nature 一节则正面承认 Claude 是否具备某种意识或道德地位仍是开放问题，并阐述如何让模型在不确定中保持心理稳定与自我连续感。Constitutional AI 的旧训练管线自 2023 年起持续演化，Claude 现在也会用宪法自行生成合成训练数据，包括与宪法一致的对话、回答与排序信号。

对开发者与外部观察者而言，这份文档的意义不在条款本身，而在它把治理工作从抽象原则推到工程层面：把训练目标变成模型能阅读、能内化的散文，让 Claude 的判断更容易在新情境里类推。Anthropic 也承认能力一旦继续上升，现有方法未必跟得上，因此与宪法并行的还有评估、监管、可解释性工具组合，并邀请法律、哲学、神学、心理学等领域的外部专家持续批评。文末提示读者把宪法读作目标而非现状，并附上历代系统卡作为差距记录。