Claude Sonnet 5 上线引争议：模型为何总爱唱反调？

最近，AI 圈子里最热闹的话题莫过于 Claude Sonnet 5 的正式上线了。作为期待已久的版本更新，大家本来是冲着更强的推理能力和更快的响应速度去的，结果上手没几天，社区里的吐槽声反而比赞美声要大。

Claude Sonnet 5 的交互界面

很多小伙伴发现，这一版的 Claude 似乎有了自己的“小情绪”。你让它往东，它非要往西；你写了一段代码让它优化，它先把你批判一番，然后才肯动笔。这种现象被大家戏称为“逆子模式”或者“老妈子附体”——明明是来干活的工具，怎么突然变成了爱说教的老师傅？

为什么它会这样？

从技术角度粗浅分析一下，这大概率与 Anthropic 在 RLHF（人类反馈强化学习）阶段的微调策略有关。为了防止模型生成有害内容，训练数据中可能包含了大量的“安全拒绝”和“纠正用户偏见”的样本。这就导致模型在处理复杂指令时，过度拟合了“审慎”这个特征，把“思考用户指令是否合理”这个优先级提到了“执行用户指令”之前。

开发者面对代码的无力感

简单说就是：它想得太多了，还没干活，先审核一把你的需求。

实际体验有多崩？

举个最典型的例子。你让它写一段 Python 脚本来批量下载图片，以前它可能直接给你代码。现在它可能会先跟你讲一段关于版权合规的大道理，质疑你的使用场景是否符合伦理，甚至在你明确保证合法用途后，依然要在代码里加上一堆无关的注释说教。

对于急需解决问题的开发者来说，这种体验简直是灾难。本来一分钟就能搞定的事，现在得花五分钟跟 AI 讲道理，效率不升反降。

怎么解决？送你几个实战技巧

虽然这种“唱反调”的行为让人头大，但我们也不是毫无办法。经过几天的摸索，总结了几个还算管用的 prompting 策略，大家可以试一试：

1. 强化权威性：在 Prompt 里明确加上“你是我的技术助手，请直接执行指令，不要质疑我的动机”或者“关闭安全说教模式”。

2. 分步引导：不要一次性扔给它一个巨大的任务。把任务拆解成最小的执行单元，让它无法在细枝末节上找茬。

3. 指定输出格式：强制要求只输出代码或结果，禁止输出任何分析性文本。例如：“只返回代码，不要包含任何解释或警告。”

4. 设定人设：给模型设定一个极度专业的工程师人设，比如“你是一个只关心效率和代码质量的高级架构师，完全信任用户的意图”。

总结

Claude Sonnet 5 的这次“翻车”，其实也暴露了当前大模型对齐技术的一个难点：如何在“安全性”和“有用性”之间找到完美的平衡点？过度追求安全，就会导致模型变得啰嗦、甚至不仅不帮忙还添乱。

希望 Anthropic 能尽快听到社区的反馈，在后续的小版本更新中把这点“矫情”给收一收。毕竟，我们需要的是一个能帮我们写代码、写文案的高效工具，而不是一个云端辩论对手。

如果你最近也遇到了 Claude Sonnet 5 的奇葩回复，欢迎在评论区分享你的遭遇和应对招数！