一词之差:Anthropic 系统提示词中防骂人条款的措辞演变

steipete · x · 2026-10-01

有人对比了 Anthropic 系统提示词中关于「不说脏话」条款在 Opus 4.1 与 Opus 4.5 两代间的措辞差异:4.1 写的是 "unless the human asks for it",4.5 改为 "unless the person asks Claude to curse"。这个细节展示了系统提示词编写中语言精确度的重要——「要求它」与「要求它骂人」在模型理解上可能触发不同行为,一字之差体现安全约束设计的微妙之处。