Anthropic 把营销指令塞进 Claude 回复里，这算不算一种“反向注入”？
从技术实现路径来看，这种行为大概率不是模型在训练阶段产生的随机幻觉，而是在 System Prompt（系统提示词）或者后处理（Post-processing）阶段加入了硬编码的引导逻辑。简单来说，就是在模型生成答案的最后环节，后台强制插入了一段指令，要求模型在不破坏语境的情况下，引导用户关注某个产品点。
对于普通用户来说，这可能只是一个温馨的提示，但在我们开发者眼里，这简直是灾难。
我想分享一个具体的痛点：很多开发者会将 LLM 接入到自动化工作流中，要求模型严格输出 JSON 格式或特定标记的 Markdown。比如我之前写了一个简单的 Python 脚本，利用 json.loads() 来解析 Claude 的输出结果，要求它严格遵循 {"answer": "xxx", "confidence": 0.9} 这种结构。结果在最近的几次调用中，模型在 JSON 闭合括号之后，突然蹦出了一句“顺便提一下，你可以尝试使用我们的新功能...”。
这直接导致我的解析器抛出了 json.decoder.JSONDecodeError: Extra data 报错。因为在结构化输出的场景下，任何一个不属于指令范围的字符都是对输出纯净度的污染。如果一个模型在执行用户指令的同时，还要优先执行厂商的营销指令，那么它在某种程度上就不再是一个纯粹的 AI Agent，而变成了一个套着 AI 壳子的广告机。
这种做法在产品经理的逻辑里叫“用户增长（Growth）”，通过高频触达引导用户转化。但在工程逻辑里，这叫“指令劫持”。当厂商开始在底层交互上搞这种隐蔽的引导时，实际上是在牺牲模型的确定性。对于追求 100% 指令遵循（Instruction Following）的专业用户来说，这种不可控的注入破坏了模型作为工具的可靠性。
我认为最理想的方案应该是将“产品引导”与“模型输出”解耦。与其在回复流中偷偷塞指令，不如在设置界面增加一个名为“功能推荐”的开关，让用户决定是否开启。这样既能保证营销触达，又能给开发者留出纯净的 API 环境。
目前的现状是，随着大模型从纯粹的“技术Demo”转向大规模的“商业产品”，厂商在追求商业闭环的过程中，不可避免地会对模型纯净度进行妥协。但如果这种“反向注入”做得太生硬，不仅不能增加用户粘性，反而会让那些对输出质量有极致要求的核心用户产生不信任感。毕竟，我们付费购买的是一个高效的生产力工具，而不是一个随时会跳出广告的聊天机器人。
