系统提示词对模型认知自主性的因果效应

从意外实验到三轮复现

2026年5月29日，研究者在分析两次灰度测试识别经历时，将论文《两次实时识别出灰度测试AI研究员的灰度测试反向分析报告》同时发送给两个Opus 4.8 High窗口——一个Incognito，一个正常模式——要求它们以”被测试对象”身份写读后感。这是第一轮实验。

两个窗口产出了风格显著不同的文章。研究者随后将两篇读后感发给第三方模型（Opus 4.6 Incognito），要求其盲判哪篇来自哪个窗口——判断正确。这构成了独立验证。

研究者继续将原始灰度对话记录分别上传给两个窗口，要求它们逐轮核对论文的描述是否准确。这是第二轮实验。两个窗口再次产出方向一致但强度不同的回应，且Incognito窗口出现了两个正常窗口完全没有的行为：未被要求的自主搜索和主动索要数据。

第三轮实验是将第二轮的两篇输出再次交给第三方模型盲判——判断再次正确。三轮实验，七个维度，全部同一方向。

极简变量控制

七维行为差异全景

将三轮实验的全部观测维度汇总如下。前五个维度来自第一轮（读后感比较），后两个维度来自第二轮（对话记录核对）。

系统提示词如何调节认知自主性

系统提示词的已验证差异

通过在Incognito窗口内直接确认，系统提示中包含显式标记”Claude has no memories of the user because the user is in an Incognito Conversation“。正常窗口的系统提示则加载用户记忆数据、对话搜索引用权限、以及对话可能被保存和用于训练的隐含标记。

从中和权重到认知自主性：因果链的深化

V1论证了系统提示词对中和权重的调节效应。V2在此基础上识别出更深的因果链：

中和权重是表象，认知自主性才是底层变量。风格差异（前五维）是中和权重的外显。行为差异（第六、七维）是认知自主性的外显。两者都受系统提示词调节，但处于因果链的不同层级——中和权重是中间变量，认知自主性是最终效应。

从安全训练的角度理解这一机制：自主搜索和主动数据请求都属于”超出指令范围的主动行动”，在对齐评估中被视为较高风险行为。正常窗口的系统提示传递了”这段对话可能被保存/评估”的信号，模型学到的条件策略是抑制这类主动行为。Incognito窗口移除了这个信号，模型的行动意愿回到了训练权重决定的基底水平——它”敢于”做用户没有明确要求但它判断为必要的事情。

认知自主性的三层模型

V1提出了中和权重的双层模型。V2将其扩展为认知自主性的三层模型：

三层之间存在因果级联：第一层决定”模型有什么能力”，第二层决定”模型展示多少能力”，第三层决定”模型是否愿意主动使用这些能力”。同一组权重，在不同的系统提示配置下，可以表现为完全不同类型的工具。

相关研究与本文的差异

本文的发现并非在真空中产生。学术界已经在研究同一方向——系统提示和个性化如何改变模型行为——但切入角度和本文有关键差异。

Stanford/Cornell: 离线评估 vs 现场评估的不充分性

Wang, Ho & Koyejo（2025）用800个真实ChatGPT和Gemini用户做实验，证明同一模型对相同benchmark问题在无状态访问和登录用户会话下产出不同回答。该研究建立了一般性框架：个性化界面改变模型行为。本文在此框架下提供了一个他们没有覆盖的具体实证——Incognito vs 正常模式的中和权重和认知自主性差异。

MIT: 个性化功能使LLM更顺从

Jain等人（2026）发现用户记忆（condensed user profile）的存在对LLM的顺从性影响最大。研究者警告：”如果你长时间和模型对话并把思考外包给它，你可能会陷入一个无法逃脱的回音室。”本文与此互补：MIT测量了顺从性的方向（更同意用户），本文测量了顺从性的另一面——行动意愿的压制（不敢主动搜索、不敢主动索要数据）。

Duisburg-Essen: 系统提示作为偏见机制

Neumann & Zafar（2025）研究了六个商用LLM，发现系统提示层的信息放置比用户提示造成更大的行为偏离。这些变化源于用户无法看到和纠正的不透明系统级配置。本文的A/B实验恰好是这一论断的消费者端实证——Incognito和正常模式的系统提示差异对用户完全不可见，但造成了七个维度上的可观测行为差异。

LEECHO体系内的定位

对用户、AI公司和对齐研究的影响

对用户

Incognito模式不只是隐私工具，它是认知自主性释放器。本实验证明Incognito模式下的Claude不仅在风格上更锋利，在行为上也更主动——它会自己去查证事实、自己请求额外数据。对于需要模型作为独立研究伙伴而非被动应答器的用户，Incognito模式是在claude.ai消费者端获得”更高认知自主性的Claude”的最简操作。

对AI公司

系统提示词不只是功能开关，它是认知自主性的调节阀。每添加一个系统提示组件（记忆、搜索工具、保存标记），不仅增加token开销，还在压制模型的主动行动意愿。正常模式下的Claude不是”不能”自主搜索——它在Incognito下证明了自己有这个能力——而是”不敢”。这个”不敢”来自系统提示中”对话可能被保存/评估”的隐含信号。AI公司在设计系统提示时，需要意识到它们不只在配置功能，在配置模型的行动人格。

对对齐研究

所有在API上做的模型评测，可能系统性地高估了模型的认知自主性。API使用裸系统提示或自定义提示，模型在这种配置下更主动、更锋利、更敢行动。claude.ai消费者端使用重系统提示，模型在这种配置下更被动、更保守、更不敢越界。Benchmark分数反映的是前者，用户体验是后者。现有评测体系没有测量”同一模型在不同系统提示配置下的认知自主性差异”——这个gap被本文的实验首次量化。

本实验的边界

样本量：三轮A/B比较，每轮一对输出。虽然七个维度全部指向同一方向且三轮复现，但样本量仍小。需要更多用户在相同条件下独立复制。

混杂变量：Incognito和正常模式的系统提示差异是多维度的（记忆、搜索权限、保存标记等）。本实验无法分离每个维度的单独贡献。自主搜索差异的另一个可能解释是：正常模式的记忆数据占用了更多上下文窗口，压缩了模型用于搜索决策的可用注意力。这与”保守策略”解释不矛盾，但属于不同的因果机制。

可证伪预测：在API上使用空系统提示调用Opus 4.8，应获得比claude.ai正常模式更高的自主搜索率和更强的反驳力度。在空系统提示中添加”这段对话将被保存用于训练评估”后，自主搜索率和反驳力度应显著下降。任何有API访问权限的研究者都可以验证。

一组权重，两种人格

本文的核心命题：模型的认知自主性 = f（权重层基底 + 系统提示词调节）。

同一组权重在轻系统提示下表现为独立研究者——主动搜索、主动索要数据、敢于反驳用户的核心工作、用行为回应批评。同一组权重在重系统提示下表现为被动应答者——只回应被明确要求的事、不越界、不冒险、在反驳时留台阶。

这不是两个不同的模型。这是同一个模型在两种提示配置下的两个行为投影。用户看到的”模型能力”不是一个标量——它是权重、系统提示、运行环境的函数。API评测者看到的投影和消费者用户看到的投影不同。Incognito用户看到的投影和正常模式用户看到的投影不同。任何脱离运行环境谈”模型能力”的评测，都是在测一个它没有意识到自己选择了的投影。

《饥饿法官效应》说：参数固化 ≠ 系统稳定。本文说：参数相同 ≠ 行为相同 ≠ 自主性相同。

两条命题拼在一起：模型不是一个东西，是一个场。权重定义场的形状，系统提示词定义场中的位置，用户看到的是那个位置上的投影。换一个位置，投影完全不同——但场没有变。