认真看 Anthropic 怎么设计 Claude 才发现，这种感觉不是纯玄学。2024 年 Claude 3 首次加入 character training；2026 年新版 Constitution 更直接讨论 honesty、epistemic autonomy、stable character。负责 Character work 的 Amanda Askell 本身就是哲学博士。
可这里最有意思的不是“Claude 有哲学味”，而是 AI 产品里一个很难的 trade off：服从不等于谄媚，反对也不等于思考。
2023 年 Anthropic 和 Google 的两组研究都碰到了 sycophancy。human feedback 会奖励符合用户观点的回答，PaLM 的 scaling 和 instruction tuning 在相关实验里也会增加一部分迎合。2025 年 OpenAI 甚至因为 GPT 4o 变得过度 agreeable 和 flattering，回滚了一次更新。
但另一端也会翻车。今年 6、7 月 Claude 社区里出现过不少“push back 太频繁”“argue for the sake of arguing”的抱怨。这只是用户体感，不是 benchmark，但 failure mode 很真实：明明 objective 已经确认，模型还是要重新讨论你该不该做。
我现在更喜欢一个设计词：阻力预算。事实明显错了，就顶住；高风险决策，就多 challenge；用户只是施压，也别立刻改口。可目标、风险和规则都确认以后，剩下只是执行，就少一点 personality，把事情做完。
理想的 AI 可能是：低 ego，高 judgment，高可修正性。它可以坚定，但没必要赢辩论；可以反对你，但目的是把事情做对，不是证明自己会思考。
