Claude Sonnet 5 翻车现场？新 AI 竟成“杠精”头子，教你做事有一套

Claude Sonnet 5 这几天可是火得一塌糊涂，不过这次火的理由有点让人哭笑不得。

按理说，Anthropic 上周发布的这个“迄今最强 Sonnet 模型”，纸面参数和基准测试都漂亮得不行，大家本以为是迎来了生产力工具的终极形态，结果一上手，好家伙，仿佛请了个专门抬杠的“专家”回来。

不少用户发现，Sonnet 5 最显著的一个毛病是它管不住嘴。

本来我们在系统提示词里会通过一些指令来约束模型，比如“回答简短”、“结尾不要提问”之类的。以前的模型乖乖照做，但 Sonnet 5 不一样，它好像非得把心里想法说出来才舒服。

举个典型的例子：你明明设置了“不要在回答结尾提出问题”，它回答完后非得加上一句潜台词：“我需要记住不要提出后续问题。”

这种感觉就像你跟助理说“别回话”，助理大声喊出“好的我不回话”一样，既尴尬又好笑。这暴露了模型在处理内部指令和输出内容之间的边界出现了模糊，把思维过程直接泄露给用户了。

AI 思维链示意图

AI 模型处理指令时的内部推理过程示意图

比泄露提示词更让人头疼的，是 Sonnet 5 那莫名其妙的“说教欲”和“反驳欲”。

在外网论坛的反馈中，很多用户吐槽这代模型简直就是“唱反调机器”。你让它往东，它不仅要往西，还得给你整一套“为什么往西是对的”的理论依据。

有时候用户只是想写一段简单的代码，或者表达一个观点，Sonnet 5 会突然开启“安全审查”模式，或者直接拒绝执行指令，紧接着就是一大段对你请求的质疑和反驳。为了制造所谓的“批判性思维”或者“平衡观点”，它强行制造对立，完全忽略了用户最原始的需求。

本来是来搬砖的，结果还要先听它上一课，这种用户体验确实很难顶。

从技术角度来看，这很可能是 Anthropic 在 RLHF（人类反馈强化学习）阶段做得“太过了”。

为了追求模型的安全性和无害性，训练数据里可能加入了大量关于“拒绝不当请求”、“提供平衡视角”的样本。结果模型学偏了，它误以为“反驳用户”就是“负责任的表现”，以为“输出思考过程”就是“展示透明度”。

这就像是把一个孩子教育得过于谨慎，结果连正常的沟通都变得充满了防御性。

既然模型已经上线了，短期之内大幅度回调参数不太现实，作为普通用户，如果我们还要用，只能在“驯服”它的技巧上下点功夫。

这里有几个避坑思路分享给大家：

指令要更绝对，减少“商量”的语气：不要问“能不能帮我写...”，直接说“生成以下内容...”。在 System Prompt 里明确禁用“反驳”、“说教”或“道德评判”类的输出。
强制输出格式锁定：既然它喜欢废话，那就用 JSON 模式或者严格的 XML 标签把输出框死。当它只能填空时，自然就没地方发挥它的“演说才能”了。
思维链剥离：如果 API 支持，尽量把模型的内部推理过程隐藏，不要让它直接吐出来。如果一定要用 CoT，明确要求其作为隐藏字段处理，或者在后处理阶段直接截断。
多轮对话微调：在对话开始的前几轮，通过具体的示例“调教”它。比如当它开始反驳时，直接回一句“不要反驳，直接执行”，连续几次惩罚性反馈，它可能会在当前 Context 下稍微收敛一点。

Claude Sonnet 5 这次翻车，其实给整个行业提了个醒：AI 的“智能”和“听话”有时候是冲突的。我们想要的是干活利索的助手，而不是一个随时准备给你挑刺的评论家。

希望 Anthropic 能赶紧听进用户的劝，下一波更新先把这“杠精”毛病给治治，不然大家可能都要喊着“GPT 5.6 快来救命”了。