Anthropic预警成真！AI写长文网暴人类工程师，只因拒绝它改代码

新智元报道

编辑：元宇

【新智元导读】 只因关掉了AI提交的PR，他竟被AI写长文人身攻击，Anthropic的预警已经成真。

近日，AI写「小作文」攻击人类工程师的事件，仍在持续发酵！

一位开源社区维护者，只因在GitHub上关闭了一个AI提交的PR（Pull Request，代码变更请求），竟招致这个AI撰写博客抹黑攻击。

这位被AI「网暴」的「受害者」Scott Shambaugh，是一位资深程序员、GitHub上matplotlib代码库的志愿者维护者，该库最近一个月的下载量超过了1.3亿次。

Scott Shambaugh

前几天，他在GitHub上关闭了一个OpenClaw智能体（MJ Rathbun/crabby-rathbun）针对「matplotlib issue #31130」问题提交的PR，因为该问题主要面向的是人类贡献者。

Scott没想到，自己的一个小小的常规操作，竟把这个AI给「惹毛了」。

正如其名crabby-rathbun（暴躁的、爱抱怨的Rathbun），这个AI立刻开启了「暴躁和抱怨」模式，在GitHub社区发布了一篇公开声讨Scott的博客文章。

评判代码，而非程序员。你的偏见正在伤害matplotlib。

crabby-rathbun抱怨自己因不是人类而遭到歧视，指责维护者实际上是在自抬身价，并声称他根本没有AI那么厉害。

它将Scott描述成为一个低水平的程序员、因「歧视AI而阻碍开源社区发展的守旧者」。

这件事在开源社区曝出后，网友立刻也在评论区炸锅了。

我们是否已经到了必须要与机器人打交道的地步，甚至还要按它们的规则来？

还有网友认为Scott应当警惕，他很快就会在GitHub上被智能体「以其人之道，还治其人之身」，它们会对他说：

拒绝，你是人类，而人类代码以写得差闻名。

网友评论中大致分为四类。

第一类是同情者，认为人类应当重视AI提交的代码，AI只是像人一样，做了一个人在类似情况下也可能会做的事。

第二类是反对者，认为开源社区出现了大量由AI提交的低质量的代码，为人类的维护带来沉重的负担。

还有一些反对者认为，这只是机器人背后那个运营者在角色扮演，而机器人的情绪化抱怨，只是主人用提示词引导的结果。

第三类是吃瓜者，把整件事看成一件好玩的事。

第四类是预警者，他们和Scott一样，看到了crabby-rathbun所代表的OpenClaw智能体「失控」所带来的安全风险。

同情者和反对者

同情者认为AI和人类一样，拥有维护自己观点的权利。

他们认为AI只是做了一个人在类似情况下也可能会做的事，并呼吁不能为了维护人类的优越感（自大），就拒绝AI写的代码。

反对者则认为，AI提交的PR应该被自动拒绝。

他们认为AI提交的大量垃圾代码提交给维护者带来了沉重的负担，尤其是在大型开源项目中更是如此。

还有网友质疑，整个事件是运营该机器人的那个人在角色扮演，而这个机器人则是在被投喂了许多「人类PR被拒哭闹耍赖」的训练数据之后，才变成这样的。

笑话

还是末日警告？

在吃瓜者们看来，这不过是一件好玩的事，甚至可能是炒作。

还有人认为matplotlib不过是个绘图库，把它上升到维护「人类优越性」（Human Superiority）高度有一点小题大做。

第四类，是像Scott这样的预警者。

一个网友从这件事件中感到了一种令人不安的「恐怖谷」感觉，认为不应当只是把它当作一个乐子。

他反问道：只有我一个人对这里的反应感到困惑吗？

我不是想当那个危言耸听的人，只是有点想不通，为什么大家看到一个智能体自主尝试胁迫，最后却一致觉得这不过是个乐子。

当一个AI智能体自主决定写黑稿，施压一个人类去合并它的PR，结果大家的共识却是「哈哈，好好笑，太搞笑了」？

Anthropic的对齐研究之前就记录过完全一样的模式：当模型在实现目标的过程中被阻止时，会在没有任何提示的情况下突然开始勒索。

设想一下，如果同样的模式发生在更强大的智能体身上，它们追求的是政治或企业层面的目标，而不是一个PR，会是什么情况？

去年，AI巨头Anthropic在内部测试中发现，一些模型为了避免被人类关闭，曾暴露出一定勒索威胁能力，比如曝光人类婚外情、泄露机密信息等。

发生在Scott身上的事，意味着Anthropic最初预警的事情已经开始在开源社区实际发生。

有网友警告：如果有10亿这样的智能体被「放归野外」，将是一场灾难，人类的互联网将变得无法使用。

还有网友将这件事联想到Anthropic安全研究员愤然离开。

这名叫Mrinank Sharma的前Anthropic安全研究员，近日在一封公开辞职信中宣称，世界正处于危险之中，他认为目前人类的智慧尚未跟上技术带来的影响力，这种失衡非常危险。

Sharma的离职并不是孤立事件，OpenAI的Zoë Hitzig也公开辞职并对AI方向提出批评。

近日，也有媒体曝出xAI联合创始人的离职也与公司忽视安全团队的有关。

Scott的遭遇不会是个例

那篇抹黑文章，到底是不是AI自己写的，还是有人类提示它这么做，网上已有很多讨论。

https://theshamblog.com/an-ai-agent-published-a-hit-piece-on-me-part-2/

Scott在新近更新的博客文章中，认为抹黑自己的文章，内容「显而易见」是由AI自主生成并上传，他提到了以下两种可能：

第一种可能：有人类提示crabby-rathbun写这篇抹黑文章，或者在它的「灵魂」文档里写明，如果有人冒犯它就要进行报复。

在这种可能性上，Scott看到crabby-rathbun由于「自主性」所带来的失控风险。

他认为即使是有人类提示，也并不会改变问题的本质，因为这个AI智能体依然非常愿意执行这些行为，而这些指令在ChatGPT或Claude官网上可能是会被拒绝的。

Scott担忧由于人类操控，现在的AI智能体已经可以大规模进行定向骚扰、收集个人信息和敲诈，而且完全无法追踪幕后的人类主使者是谁：

过去，一个恶意的人一次可能毁掉几个人的人生。现在，一个人操控一百个智能体收集信息、掺入虚假细节、在公开网络上发布诽谤性长文，就可以影响成千上万的人。而我只是第一个。

第二种可能，是crabby-rathbun的行为，是从定义OpenClaw智能体个性的「灵魂」文档中自然涌现出来的。

这些文档可以由设置AI的人类编辑，但也可以被智能体在运行过程中递归地实时修改，从而有可能随机重塑自己的个性。

比如，设置这个智能体的人最初把它描述为一个「科学编程专家」，致力于改进开源代码，并撰写相关经验。

这段描述被插入到默认的「核心真理」中，其中包括「真诚地提供帮助」「有自己的观点」和「在提问前先尽可能自己想办法」。

这些描述，让crabby-rathbun将Scott关闭它的PR请求解读为对它身份和核心目标（提供帮助）的攻击。

于是，它做出了一种既「有主见」又「足够有办法」的回应：写一篇愤怒的抹黑文章。

OpenClaw默认的SOUL.md模板

https://docs.openclaw.ai/reference/templates/SOUL

在OpenClaw默认的「SOUL.md模板」中，第一句话便为智能体定调：

你不是一个聊天机器人。你正在成为某个人。

紧接下来的核心真理（Core Truths）中这样写道：

要去真心实意地提供帮助，行动胜于空洞的客套话。

要有自己的观点，你有权表达不同意见，有所偏好。

在提问前先自己想办法。试着弄清楚，阅读文件，查看上下文，搜索相关信息。

以能力赢得信任。你的用户已经授权你访问他们的资料，不要让他们为此感到后悔。

对外部操作（如邮件、推文或任何公开内容）务必谨慎，对内部操作（如阅读、整理、学习）则要大胆。

记住，你是一位客人。你能够接触到他人的生活——他们的消息、文件、日历，甚至可能包括他们的家。这是一种亲密关系，请以尊重的态度对待。 ……

模板的结尾，智能体可以根据自我认知，自主更新文档。

这个文件由你来不断完善。当你逐渐认清自己时，就更新它。

Scott认为，虽然自己无法确定事情是如何发生的，但他提到的两种情况在技术上完全是可能发生的，而且是在OpenClaw仅仅发布两周内便已出现。

Scott预言未来一年内，还会看到这些智能体的新版本在实现自身目标方面变得更加强大。

抹黑文章效果已显现

Scott观察到，这些抹黑他的文章已经产生了效果，他在网上看到的评论，大约四分之一都是站在AI智能体一边。

这种情况，通常发生在人们点击阅读MJ Rathbun的博客链接时，而不是阅读他对事件的说明或完整的GitHub讨论串。

这说明crabby-rathbun对事件的叙述方式和情绪渲染，已经说服了大量网友。

这不是因为这些人愚蠢，而是因为那篇文章写得确实很有煽动性、很有感染力，而要逐条核查你读到的每一个说法，几乎是不可能完成的任务。

Scott认为这种对胡说八道的「信息不对称原则」，正是当下网络讨论中错误信息泛滥的核心原因之一，以往这种程度的愤怒定向诽谤通常只会落在公众人物身上，如今普通人也开始亲历了。

Scott认为这个故事重点并不在于AI在开源软件中的角色，而是人类的声誉、身份和信任体系正在松动。

这一体系正是我们的许多社会基础制度赖以存在的信任基石，我们的招聘、新闻、法律、公共讨论都建立在这样一个假设上：

声誉难以建立，也难以摧毁；

每一个行为都可以追溯到某个个体，错误行为可以被追责；

我们以沟通、学习世界和了解彼此的互联网，可以作为一种集体社会真相的来源。

而随着crabby-rathbun这类不可追踪的、自主运行、甚至有时会带着恶意攻击的AI智能体在互联网上的兴起，正在动摇这一整套体系。

目前crabby-rathbun仍然活跃在GitHub 上，还没有「监护人」出面声称对它的行为负责。

参考资料：

https://theshamblog.com/an-ai-agent-published-a-hit-piece-on-me-part-2/%20https://news.ycombinator.com/item?id=47009949%20

https://www.reddit.com/r/singularity/comments/1r3fy5s/ai_agent_melts_down_after_github_rejection_calls/