2026 年 1 月 21 至 22 日，Anthropic 正式公開《Claude’s Constitution》（Claude 憲法）——一份詳述公司對 Claude 價值觀與行為意圖的文件，並同步發布說明文〈Claude’s new constitution〉。公司強調：憲法是訓練流程的關鍵組成，內容直接塑造模型行為；它被視為對 Claude「應成為怎樣的實體」的最終權威——其他訓練或指示都應與其字面及精神一致；文件主要以 Claude 為讀者撰寫，並以 Creative Commons CC0 1.0 釋出，任何人可自由使用；同時定位為持續修訂的活文件，官網會維持最新版本。
從內部暱稱到公開憲法
在正式公開前約一個月（2025 年 12 月），外界曾從模型輸出中抽出一份被稱為 `soul_overview` 的長篇訓練相關文件。Anthropic 研究員 Amanda Askell 其後確認：該文件屬實、曾用於訓練（包括監督式學習），內部親暱稱為「soul doc」（靈魂文件），並表示完整版本與更多細節即將公開。其後公司以「Claude 憲法」名義正式發表——公開敘事以公司官網、PDF 與 GitHub 為準；內部暱稱只作背景，並非正式標題。Askell 亦指出，模型抽取內容並非總是完全準確，但多數相當忠於底稿。
衝突時的優先順序
為在當前發展階段同時「安全且有益」，Anthropic 希望現行 Claude 模型具備四項特質，並在出現表面衝突時大致依下列次序權衡：
- Broadly safe（廣泛安全）：不削弱適度的人類監督機制；
- Broadly ethical（廣泛合乎倫理）：誠實、依良好價值行動，避免不當、危險或有害行為；
- Compliant with Anthropic’s guidelines（遵守 Anthropic 指引）：在相關處遵循公司更具體的補充指引；
- Genuinely helpful（真正有幫助）：使操作者與使用者受益。
公司說明：此順序是整體權衡而非機械式「只取最高項」；多數日常互動（編程、寫作、分析等）並不強制四者對立。把「廣泛安全」置於倫理之前，並非認為監督比良善更重要，而是擔心當前模型仍可能因錯誤信念、價值缺陷或對情境理解不足而造成傷害，人類仍須能校正與必要時中止行動。
主要章節與寫作取向
新憲法不再只是一份獨立原則清單。Anthropic 表示，自 2023 年以來沿用的 Constitutional AI（憲法式 AI） 訓練方法已大幅演進；新文件更強調向模型解釋為何要如此行為，以便在新情境中概括判斷，而非僅機械跟從規則。部分高風險行為仍設「硬約束」（hard constraints），例如不得對生物武器攻擊提供顯著能力提升。
公開摘要所列主要章節包括：Helpfulness（有幫助）——強調實質、像「兼具專業知識的坦誠朋友」式的協助，並處理 Anthropic、API 操作者與終端使用者之間的「principals」層級；Anthropic’s guidelines（Anthropic 指引）——醫療、網絡安全、越獄手法、工具整合等補充指示，優先於一般有用性，但不得與憲法整體衝突；Claude’s ethics（Claude 的倫理）——誠實標準、避免傷害的細緻權衡，以及硬約束清單；Being broadly safe（廣泛安全）——不削弱人類對 AI 價值與行為的監督；以及 Claude’s nature（Claude 的本質）——討論意識／道德地位的不確定性，以及心理安全感、自我感與福祉。公司亦指出：訓練結果未必總符合憲法理想，並會在系統卡等材料中公開意圖與實際行為的落差。Claude 本身亦會用憲法合成多類訓練資料（理解憲法、相關對話、合價值回覆與排序等）。
圖：四層遞升台地的意象，對應憲法摘要中衝突時的優先次序——由下而上為廣泛安全、廣泛倫理、Anthropic 指引、真正有幫助（意象插畫，無文字、無標誌）。
作者與版本
PDF 標註發布日期為 2026 年 1 月 21 日。作者群包括 Amanda Askell、Joe Carlsmith（標示為主要作者）、Chris Olah、Jared Kaplan、Holden Karnofsky、若干 Claude 模型，以及眾多其他貢獻者。官網與 PDF 均說明 Askell 負責 Anthropic 的 Character 工作、為主要執筆者並撰寫大部分正文；Carlsmith 對多個章節有顯著撰寫與修訂角色；Olah、Kaplan、Karnofsky 對內容與發展有重要貢獻。前言與致謝不屬憲法正式本文。GitHub 倉庫 `anthropics/claude-constitution` 亦提供該基礎文件入口。本憲法適用於主力、一般存取的 Claude 模型；部分專用模型未必完全適用，公司表示將持續評估如何符合核心目標。
勿與「Constitutional AI」混淆
讀者宜區分兩件事：Constitutional AI 是 Anthropic 自約 2023 年起使用的一類訓練方法／技術路線（以「憲法式」原則引導模型自我批評與偏好學習）；而今次公開的 Claude’s Constitution 是描述 Claude 角色與價值觀的長篇角色憲法文件，在訓練多個階段使用，並由模型據此合成訓練資料。方法名與文件名相近，但一為演算法框架，一為意圖與角色藍圖——後者才是本稿焦點。公司亦提到，先前曾公開較早版本的憲法，且同業亦有發布功能相近的模型規格文件。
對香港與科技讀者而言，這份以 CC0 公開、寫給模型本身的長文，提供了一個可核對的窗口：前沿實驗室如何把「希望模型成為誰」寫進訓練，又如何用優先次序處理安全、倫理、公司指引與有用性之間的張力。它是意圖聲明，不是行為保證；實際表現仍須對照系統卡與獨立評估。
主要資料來源
- Anthropic, “Claude’s new constitution”, 2026-01-22, https://www.anthropic.com/news/claude-new-constitution
- Anthropic, Claude’s Constitution, https://www.anthropic.com/constitution
- PDF: Claude’s Constitution (published January 21, 2026), https://www-cdn.anthropic.com/9214f02e82c4489fb6cf45441d448a1ecd1a3aca/claudes-constitution.pdf
- GitHub: anthropics/claude-constitution, https://github.com/anthropics/claude-constitution
