Anthropic的两次技术事故意外揭示了AI产品设计的核心密码——从3000份内部文件到50万行TypeScript源码，这次泄露本质上是把AI语义编程的教科书扔到了大街上。本文将深度解析Claude在身份设计、挫败感检测、边界策略与记忆系统四个层面的突破性设计，揭示AI产品从功能逻辑到关系逻辑的范式转移。

一、这不是一次泄露，是一次公开课

2026年3月的最后几天，Anthropic连续出了两次事故。

第一次：CMS配置错误，近3000份内部文件暴露在公网，其中包括一份描述下一代模型”Mythos/Capybara”的草稿博文。第二次：Claude Code在发布npm包时，意外把整个TypeScript源码——约50万行、近1900个文件——一起打包上传了。几小时内，代码被镜像到8000多个GitHub仓库，Anthropic随即发出DMCA下架请求，但已经晚了。

科技媒体的标题清一色是”泄露”、”安全事故”、”尴尬时刻”。

我理解这种叙事框架，但我不认同这个阅读视角。

你以为你在看一则公司丑闻，但你其实在看一本产品设计教科书被人扔到了街上——扉页朝上，正好翻到最重要的那一章。

对大多数人来说，这是一个可以转发的八卦。对产品经理来说，这是一份不加密的设计答卷。Anthropic花了数年时间、数十亿美元，把自己对AI产品设计的理解，压缩进了那50万行代码和那些层层嵌套的提示词里。现在，它意外地公开了。

别人看到的是丑闻，产品经理应该看到的是样本。

接下来，我想把这份样本放上解剖台，逐层切开，看看里面到底藏着什么。

二、什么是”语义编程”？

在我们把解剖刀切进去之前，需要先建立一个概念。

问你一个问题：你上一次写AI产品的提示词（system prompt），是怎么写的？

大概率是这样的：

“你是一个专业的客服助手，请礼貌、简洁地回答用户的问题，不要涉及竞争对手话题，不要谈论政治……”

这没有错。但这是在写一份操作手册。

Anthropic写的，是一部价值观宪章。

这两者的差距，不是措辞上的差距，是思维框架上的差距。

传统软件的产品逻辑写在代码里——if (用户说了X) { 执行Y }。代码是硬的，逻辑是确定的，边界是清晰的。但AI产品不一样。AI产品的”代码”写在语言里——你用自然语言描述你想要什么，模型去理解、去推断、去执行。

这就是我说的语义编程：用自然语言，定义AI产品的行为逻辑。

这听起来简单，但它意味着PM工作的核心发生了根本性的转变：

• 以前，PM写需求文档，开发工程师写代码，产品逻辑存在于代码中。
• 现在，PM写提示词，提示词就是代码，产品逻辑存在于语言中。

你写PRD的方式，决定了AI产品的行为上限。

更重要的一个推论是：语义编程的质量，不取决于你写了多少条规则，而取决于你对「这个AI是谁」理解得有多深。

Anthropic的提示词泄露，正好证明了这一点。他们写的不是一份规则清单，而是一个完整的人格体系。

下面，我们一层一层来看。

三、第一层：身份设计——Claude是谁？

先说一个现象。

你有没有遇到过这种体验：一个AI产品，平时表现得很聪明，但只要你稍微用点特殊方式问它，它立刻就变了一个”人”——要么变得毫无原则，要么变得莫名其妙地警惕？

这不是模型能力的问题，这是人设崩塌的问题。

人设崩塌，根本原因只有一个：这个AI产品从来没有被设计过”它是谁”，只被设计过”它能做什么”。

Anthropic做了一件很多同行没做的事——他们在提示词里不是在定义规则，而是在塑造性格。

从泄露出来的Claude系统提示词可以看到，诚实在Claude那里不是一条禁令（”不许说谎”），而是一种人格描述（”我是一个重视诚实的存在，即使诚实让对方不舒服”）。拒绝不是一道拦截墙，而是一种有立场的回应（”我理解你的需求，但这与我的判断冲突，因为……”）。

这两种写法，效果天差地别。

规则是外挂的，可以绕过。性格是内化的，绕不过去。

想象你雇了一个没有价值观的助理，他什么都会做，什么都说”好的”，但你永远不知道他下一秒会做什么——因为他没有内核，他只有指令。而一个有明确价值观的人，即使你的要求很奇怪，他也能做出符合逻辑的判断：这件事我做，那件事我不做，并且告诉你为什么。

这就是身份设计和规则设计的本质区别。

规则管的是行为的边界，身份决定的是行为的来源。

PM的启示：在你动手写system prompt之前，先回答这一个问题——”这个AI是谁？”不是”它能做什么”，不是”它不能做什么”，是”它是一个什么样的存在”。这个问题的答案，是你整个提示词体系的地基。地基没打好，往上盖再多规则，迟早会塌。

你设计的不是一个功能，你设计的是一个人。

四、第二层：行为设计——挫败感检测说明了什么？

泄露代码里有一个细节，技术圈的人当彩蛋在看，但我觉得它是这次泄露里最值得产品经理研究的东西。

Claude Code内置了一套正则表达式，专门用来识别用户表达挫败情绪时的语言模式——”这不对”、”你搞砸了”、”算了”、”不是这个意思”……当这些模式被触发，Claude Code会调整自己的行为策略，而不是继续按照原有逻辑走下去。

Frustration Regex。挫败感检测。

这不是一个工程师的小聪明，这是一个产品经理做过的决定：AI必须感知用户的情绪状态，并据此调整行为。

我们来拆解一下这个决定背后的假设。

传统的对话产品是任务驱动的——用户说了X，系统执行Y。系统不关心用户说X的时候是什么情绪，只关心X是什么意思。这在功能明确、流程清晰的场景里没有问题。

但AI对话产品不一样。它的核心价值是开放式协作，而开放式协作的场景里，用户表达的”内容”和用户的”状态”经常是分离的。

一个用户在对话框里打了三次”不对不对”，可能是在反馈结果错误（任务信号），也可能是在表达情绪积累（情绪信号）。传统系统只处理任务信号，所以它会继续按逻辑走，产出第四版同样让用户不满意的答案。而Claude Code识别到情绪信号之后，会先退一步，重新理解需求，而不是继续执行。

这个差别，在用户体验上是天壤之别。

一个好的产品，不只响应用户的语言，还要响应用户的状态。

我在做AI产品评测的时候发现一个规律：国内大多数AI产品都有完整的「任务流」设计，但几乎没有「情绪感知层」。用户任务失败了，产品告诉你失败原因；用户反复失败，产品继续告诉你失败原因。从来没有一个系统在检测到用户情绪恶化之后，主动改变交互策略。

这不是技术做不到，是从来没人想到要做。

因为我们在设计AI产品的时候，始终在用「功能思维」，而不是「关系思维」。功能思维问的是：这个功能做了没有？关系思维问的是：这段对话里，用户现在处于什么状态？

PM的启示：你的下一个AI产品，需要一张「情绪地图」，而不只是一张「用户旅程图」。用户旅程图描述用户做了什么，情绪地图描述用户在每个节点的状态如何。挫败感检测是一个起点，但你可以更细化——用户在什么时刻会产生期待？什么时刻会感到疑惑？什么时刻会决定放弃？这些节点，都需要在语义编程层面做出响应设计。

五、第三层：边界设计——拒绝，也是一种产品设计

大多数AI产品的边界设计，本质上是一道防火墙。

用户输入了敏感词，触发拦截，返回”对不起，我无法回答这个问题”。整个过程，产品不需要思考，只需要比对。

这有什么问题？

问题在于，一个只会说”不”的产品，和一个懂得为什么说”不”的产品，给用户的体验是完全不同的。前者让用户感觉撞上了一堵墙，后者让用户感觉遇到了一个有原则的对话者。

从泄露的提示词里可以看到，Claude的拒绝逻辑是有层次的——它不是用黑名单决定拒绝什么，而是用价值判断决定拒绝的方式和理由。同样是拒绝，Claude的回应通常包含：我为什么不做这件事，以及我能做什么来帮到你。

这是两种完全不同的产品哲学。

防火墙式的边界设计，保护的是产品，而不是用户。有立场的边界设计，维护的是关系，而不只是规则。

这次泄露里还有一个更有意思的细节：Undercover Mode。这是一个员工专属功能，当Claude Code在开源仓库里提交代码时，会剥离所有AI痕迹——不在commit message里提及Claude，不留Co-authored-by标记，写出来的东西像一个人类开发者写的。

这个功能本身争议不小，但我想从纯产品设计的角度谈一个问题：AI产品的「存在感」，应该由谁来决定？

Anthropic的答案是：在特定场景下，由使用者决定。这是一种产品哲学——AI不应该总是把自己的存在感凌驾于使用场景之上。你可以把它理解为一种「场景自适应」的边界设计：在需要透明的地方透明，在需要退场的地方退场。

这给了我一个新的产品设计维度：边界不只是「能做/不能做」的二元判断，还包括「以什么方式存在」的策略判断。

一个产品的品格，体现在它拒绝什么，而不只是它提供什么。

PM的启示：检查你的产品，找出所有”拒绝”发生的节点。然后问自己：这些拒绝，有没有告诉用户为什么？有没有给出替代路径？有没有体现产品的立场，而不只是执行一条规则？如果你的所有拒绝都是”对不起，我无法……”，那你的边界设计只完成了一半。

六、第四层：记忆设计——关系，不是存储

我见过太多AI产品的产品经理，把「记忆」这个功能理解为「历史记录」。

这是一个根本性的误解。

历史记录是数据，记忆是关系。这两者的差别，就是「你用过这个产品」和「这个产品认识你」之间的差别。

泄露出来的Claude Code源码里，记忆系统是三层架构：

最有意思的是第四个部分：autoDream。

当用户不在使用Claude Code的时候，系统会在后台自动运行一个「整合」过程——把分散的记忆合并、去重、剪枝、消除矛盾。这个过程被命名为”梦境”（Dream），是一个非常刻意的隐喻。

人类在睡眠时整合白天的记忆，消化经历，形成长期理解。Claude Code在用户不在线时做同样的事。

这不是工程上的优化，这是一个关于「什么是记忆」的产品哲学：记忆不是存储，是理解。

存储是把数据保留下来；理解是把数据消化之后，形成对一个人的认识。前者是数据库，后者是关系。

大多数国内AI产品的「记忆功能」，本质上是一个带搜索的聊天记录。用户说过”我喜欢简洁的文风”，下次对话开始，系统把这句话召回，放进context，AI就”记住”了。这是存储。

真正的记忆，是下次对话开始，你不需要说”我喜欢简洁的文风”，AI的回答自然就是简洁的——因为它理解你，而不只是记住了你说的话。

没有记忆的AI，只是一个每次见面都忘了你的陌生人。有存储没有理解的AI，是一个每次见面都要翻笔记才能认出你的人。真正的「认识」，是不需要翻笔记的。

PM的启示：你的AI产品记住了用户的哪些东西？是记住了用户说的话，还是记住了用户是谁？前者是功能，后者是关系。三层记忆架构给了一个思路：把记忆分为「索引」、「知识」和「上下文」三个层次，并且要有一个机制定期消化和整合，而不是无限堆叠。

七、语义编程的五个操作原则

解剖完了，把刀放下，说结论。

这四层设计——身份、行为、边界、记忆——背后有一套共同的逻辑。我把它提炼为五个操作原则，是PM在做AI产品的语义编程时可以直接对照的框架。

1、先写人格，再写规则

规则是人格的表达，不是人格的替代。在你列任何「能做/不能做」之前，先回答：这个AI是一个什么样的存在？它重视什么？它在面对冲突时，优先保护什么？

反例：「不许谈竞品，不许回答政治问题，不许……」——这是规则清单，没有人格。 正例：「这个助手的核心价值是帮用户做出更好的决策，而不是帮用户感觉良好。所以当用户的判断有误时，它会直接指出，而不是迎合。」——这是人格，规则从中自然生长。

2、用状态思维代替指令思维

你的提示词，要告诉AI如何感知用户的状态，而不只是如何响应用户的指令。挫败感、疑惑、期待、失望——这些都是状态，是需要在语义层面处理的信号。

问题：你的AI在用户第三次说”不对”时，会做什么？继续执行，还是退一步重新理解？如果你没想过这个问题，你的行为设计是不完整的。

3、边界即品格，拒绝要有立场

每一次拒绝，都是产品表达自己的机会。冷冰冰的拒绝暴露的是没有设计，有温度、有理由的拒绝塑造的是信任。设计你的边界时，要同时设计拒绝的方式：为什么拒绝，拒绝之后能提供什么。

4、记忆是关系，不是存储

不要把「记忆功能」设计成聊天记录的高级版。问自己：用户和这个AI交互了三个月之后，AI对用户的「理解」发生了什么变化？如果答案是”召回了更多的历史对话”，那不是记忆，那是搜索。真正的记忆，是理解在积累，而不只是数据在积累。

5、语义一致性——prompt的每一部分要服务同一个人格核心

这是最容易被忽视的原则。很多PM的system prompt是不同时间、不同人、不同需求拼凑出来的——这里加了一条安全规则，那里加了一条风格要求，然后又加了一条业务边界。结果是一个内部矛盾的AI：有时候特别正式，有时候突然活泼；有时候非常谨慎，有时候又毫无顾忌。

这不是模型的问题，是你的提示词在互相打架。

语义一致性的检验方法很简单：把你的system prompt全部列出来，问一个问题——”这些内容，描述的是同一个人吗？”如果答案是”好像不太像”，那你需要重构，而不是继续往上堆规则。

八、泄露的代码会消失，但设计思维不会

Anthropic的DMCA下架请求发出去了，数千个GitHub仓库陆续关闭。

但这些努力，本质上是在做一件不可能完成的事。代码可以被删，设计哲学已经是公共知识了。那50万行TypeScript里展示出来的产品思维，早已被无数人阅读、截图、分析、转述。

它存在于这篇文章里，存在于那些开发者的技术博客里，存在于Reddit和Hacker News的讨论帖里。

这次泄露真正的价值，从来不是竞争情报，而是一套被验证的产品设计方法论被意外公开。Anthropic用数年时间、用真实用户的反馈，打磨出了一套关于「AI是谁、AI怎么感知、AI如何拒绝、AI如何记忆」的完整体系。现在，这套体系的骨架摆在了所有人面前。

问题只有一个：你有没有在看？

大多数人在看热闹。少数人在学东西。更少数人在这周之内，打开自己产品的system prompt，对照这五个原则，重新审视一遍。

语义编程不是提示词技巧，是AI产品设计的新基础设施。它不会因为你不学而消失，只会因为你不学而让你的产品越来越像一个没有灵魂的工具。

Anthropic用50万行代码，意外写了一本AI产品设计教科书。而你，是否已经开始读了？

本文所有对Claude Code内部设计的分析，均基于公开的二手技术报道（The Register、Latent Space、Alex Kim’s blog等），不构成对Anthropic任何内部机密的直接引用。文章观点为作者个人判断，不代表任何机构立场。