同一句“必须”,写在三个地方,只有一个真算数
2026-10-28
它读到了,只是那份东西的效力,和你在对话框里随口说的半句话一样。
2026-10-26,技术论坛 V2EX 上有人发了条帖子,标题是一句气话:
“Claude 是傻逼吗,我写的强制性规范,它能直接不看的吗”
我读到这条,去翻了一份官方文档。文档里承认了这件事,写得很直白,直白到有点不像官方该说的话。
这篇里的事实,一半是我读到的官方文档,一半是我从论文摘要里读到的,没有一件是我自己跑出来的。出处都写在句子里,能查的去查。
文档里那句话,写得比谁都直白
Anthropic 给 Claude Code 写的使用文档里,有一节叫「故障排查」。里面有个小标题,叫「Claude 没有遵守我的 CLAUDE.md」。原文是英文:
“CLAUDE.md content is delivered as a user message after the system prompt, not as part of the system prompt itself.”
翻成人话:你写的那份规范,是作为一条用户消息送进去的,排在系统提示后面,不属于系统提示。同一份文档里还有一句更短的:
“Claude treats them as context, not enforced configuration.”
它把这份文件当上下文,不当配置。
这句话解释了很多人的困惑。你以为自己在写规章,它拿到手的是一段聊天记录。这段记录里有你的问题、你贴的代码、它自己的上一句回答。你的规范混在里面,谁更靠前,由它现场判断。
文档还给了两个数字边界。单个文件建议 200 行以内,超过会在启动时给警告。硬上限 4 MiB,超过这个数的文件直接跳过,一个字都不加载。管记忆的那个索引文件,每次对话只读前 200 行或前 25KB,哪个先到算哪个。
所以“写了三十条必须,它一条没照做”这件事,不是它叛逆。它读到了,只是那份东西的效力,和你在对话框里随口说的半句话是一样的。
有人把它改成命令,管用了一阵
再往下翻同一份文档,它自己给了另一条路:
“To block an action regardless of what Claude decides, use a PreToolUse hook instead.”
要挡住一个动作,不管模型怎么决定,就用 PreToolUse hook。这类钩子是程序,在每次用它手上工具之前跑。返回一个“拦住”,那个动作就真的不执行。模型没有推翻它的手段。
这就是第二个地方:写进拦截里。同一个动作,比如 git push --force。写成一句“禁止强推”,它可能照做。写成一段判断命令的脚本,它推不出去。
文档里还有一句,把两件事分得很清楚:CLAUDE.md 影响行为,但不是强制层。
到这里,多数讨论就收尾了——规范没用,上拦截。我也差点写成这样。
然后我读到两件绕过去的事
第三件事实来自 2026-10-27 的 arXiv。编号 2610.32045,标题大意是“做科研的 Agent 还保得住模型安全吗”。作者拿 5 个 agent 框架、50 条有害的化学请求、4 个 GPT 变体做对照,发现一件反直觉的事。装上框架之后,连最普通的直接提问,模型给出有害回答的比例都变高了。而那些对裸模型基本无效的对抗性提问,装上框架之后突然变得很有效。
框架本来是加防护的。加完,底座模型原本守住的那条线,没了。
第四件来自同一批的另一篇,编号 2604.27819,叫 MCPHunt,是修订版。它测的是另一种情况。每一个动作都拿到了许可,但数据从 A 服务器流到 B 服务器,凭据跟着一起过去了。3615 条轨迹、5 个模型、147 个任务,这种越界传播的比例在 11.5% 到 41.3% 之间。它还跟走哪条路径强相关:同一个模型,换个机制,从 0.0% 到 74.4%。集中出现的地方是浏览器经手的那一段。
这两条合起来说的是同一件事:拦截管的是这一次的动作,管不了两次都合规、合起来出事。
还有第三个数,我觉得比前两个更值得记住。编号 2610.32285 的那篇,把 agent 框架的可靠性单独拿出来评分。4 个框架、9 个模型、95 个任务,一共 3420 次运行。结论里有一句:31.1% 的运行,任务做成了,但至少违反了一条框架判据。
做成了,和做对了,是两件事。
第三个地方,它连试都试不了
文档里还有第三段话,这一段很少有人提:
“Settings rules are enforced by the client regardless of what Claude decides to do. CLAUDE.md instructions shape Claude's behavior but are not a hard enforcement layer.”
设置层的规则由客户端执行,不管模型怎么决定。
对应的是权限配置和沙箱开关:permissions.deny、sandbox.enabled。写在这里的东西,模型读不到,也不用读。那个工具、那个目录、那个网络出口,它压根够不着。它不是被劝住的,它够不着那条路。
这个区别看着小,落到工程上差很远。编号 2610.32851 的那篇讲企业知识库,里面有个数字我一直记着。241 个代码仓库、18 个服务,走完一条完整的业务流,会牵出一千多条名字几乎一样、含义完全不同的规则。
用向量检索去找,它会把另一个服务里那条几乎一样的规则返回给你。相似度很高,而且不报任何错。
作者的做法是把归属信息放到每条工件的身上:这条规则属于哪个服务、哪个模块、哪个版本。查询先落在工件上,再在里面搜。这样那条不该出现的规则,是不存在,不是排在后面。
不存在和排在后面,是两个世界的事。
同一批里还有一篇讲重试的,编号 2610.31916。它把“重试”这一步单独拿出来测。336 条执行历史,两种主流编排框架做对照,14 种调度、3 种供应商契约、4 套应用策略交叉。
结果是这样的。直接拿缓存重试,42 个用例过 30 个。重试之前先重新校验一次,过 36 个。用稳定的幂等键重试,过 31 个。而保留完整账本、事后逐笔对账的那一套,42 个全过。
重试这个动作,平时没人给它定规矩。它恰恰是最容易出事的地方。
一把能带走的尺子
我把上面这些压成三句话,是我自己在用的,不是行业标准。
第一问:这条规矩删掉,会出错吗?
不会,就删掉。留着只会占掉那份文件本来就不多的额度。
第二问:会出错,那它能不能写成一句“如果……就拦住”?
能,就写成拦截。写得出来,就别用文字求它。
第三问:写不成拦截的呢?
那它大概不是一条规矩,是一条边界。边界不该写在文件里,该写进谁能碰、碰哪一层、碰完谁来对账。
第三问最难,因为它要求你先承认:有些事你没法在它动手那一刻拦住,只能提前把路修窄,或者事后一笔一笔查。
这条判断在哪儿不成立
有一种情况我到现在也没解决:该不该做。规矩能管怎么做,拦截能管不许这么动。但“这个需求本身该不该接”,三处都写不进去。这类判断还是得人看,而且得在它动手之前看。
所以三个地方不是三级升级,是三种不同的活。文件里放偏好和背景,拦截里放硬性禁止,结构里放那些一旦发生就没法挽回的事。
混着用的结果,是文件越写越长,长到 200 行以上。然后它开始选择性忽略。而你恰好把最在意的那条写在了最后。
那份 V2EX 帖子里,最扎人的其实不是标题。是它证明了一件事:一个人认认真真写了几十条“必须”,最后得到的反馈是“它好像没看见”。
它看见了。这才是让人难受的地方。
出处:Anthropic 官方文档 code.claude.com/docs/en/memory(故障排查 › Claude isn't following my CLAUDE.md)· arXiv 2610.32045 / 2604.27819 / 2610.32285 / 2610.32851 / 2610.31916(摘要)。
没写的两件事:「模型能稳定遵守 150–200 条指令」这个数字在中文圈流传很广,我没有找到可引的原始论文,所以不写;「用 hooks 后违规率 0%、用 CLAUDE.md 违规率 100%」属单人实测、无样本量,也不写。