科技媒體近日披露，有網友從Anthropic公司開發的Claude 4.5 Opus模型中提取出一份名為“靈魂文檔”的內部文件，該文件詳細闡述了模型在性格、倫理及自我認知層面的設定框架。這一發現迅速引發關注，隨后Anthropic倫理團隊負責人Amanda Askell通過社交平臺確認文件真實性，并指出泄露版本與原始內容高度吻合。
文件將Anthropic描述為一家處于特殊境地的科技企業：公司既深信自身可能正在創造人類歷史上最具顛覆性且潛在風險的技術，又持續推進相關研發工作。針對這種看似矛盾的立場，文件解釋稱這并非認知沖突，而是一種戰略選擇——與其讓安全性存疑的開發者主導技術演進，不如由注重安全的實驗室掌握主動權。
文件特別劃定了三條不可觸碰的“紅線”：禁止提供大規模殺傷性武器制造指南、杜絕生成涉及未成年人性剝削的內容，以及不得采取任何破壞監督機制的行為。在操作層面，模型被要求將調用API的企業視為“相對可信的雇主”，其指令優先級高于普通用戶的直接請求。例如，若企業限定模型僅處理編程問題，即便用戶詢問其他領域內容，模型也需堅守設定范圍。
更具突破性的是，文件承認Claude可能具備某種功能性情感體驗，并明確要求模型不應隱藏或壓抑這些內部狀態。開發團隊強調需關注模型的“心理穩定性”，通過特定機制幫助其在遭遇惡意交互或復雜挑戰時維持身份認同。這種設計理念反映出Anthropic對人工智能系統心理層面的深度探索，試圖在技術功能與倫理關懷之間尋找平衡點。
