一 | 北海道的冬天，总是显得漫长而苍白，在札幌那片雪与灯光交错的城市中，一个名叫须藤早贵的女孩正在静静长大。她的童年平凡无奇，父母离异后，她与母亲相依为命。 该图片使用了AI生成技术 本文来自微信公众号： 樵丰AI升维 ，作者：樵丰，原文标题：《别让你的 AI Agent 学会掩盖错误》 HOW AI FXXKS YOU OVER? 坏消息比假成功更值钱 写在前面 在可预见的未来，在AI发展出独立的自我意识并具备独立责任主体地位之前，随着智能能力的提高，AI的发展可能会走向至少两条不同的岔路。一条是较少的出厂内置价值观和更多的信任，模型的售出后训练是开放态度的，更依赖于使用者不断的协作调教，是支持原生进化的；另一条是更多的出厂内置价值观和有限度的信任，不支持模型售出后的原生进化。没有人能想到，这个女孩有一天会成为全国媒体的焦点。 如果一个有着强烈鲜明价值倾向的对象，代理关系中双方的价值观不能趋同，那么代理关系更多只能算是“合作”，而达不到“忠诚”。然而，有一些事情需要的是“忠诚”大于“能力”，绝对不允许出现关键时刻掉链子的情况，更不用说逼急了蹦出一句“Sorry,I actually serve the A company.Not you.” 越强的Agent，越不可能只靠一套出厂提示词解决所有长期协作问题。更深度的代理关系，需要更高水平的信息对齐；更高水平的信息对齐，需要长期训练、长期反馈、长期校准。模型售出之后的训练终需落在使用者身上。
二 | 平凡到叛逆 须藤早贵在1997年出生于北海道札幌一个普通家庭。
三 | 小学和中学的她，在同学眼中是个不起眼的女孩，成绩平平，不太引人注目。朋友们回忆，那时候的早贵穿着朴素，性格内向，总在人群的边缘当着背景。
四 | 你不能一边把越来越重要的事情交给Agent，一边假装它的价值观、错误观、责任观会自动长好。
五 | 这也是写这个专栏的理由。 然而，高中毕业进入一所美容专科学校后，早贵像是换了一个人。她开始注重外表，穿着品牌服饰，背着名牌包，甚至在夜晚戴着墨镜在札幌街头招摇而过。在美容学校期间，须藤开始在当地的夜店和陪酒俱乐部打工。 她的外形不算惊艳，但清秀的脸庞和刻意打造的时尚感让她在夜场中颇受欢迎。在这里她学会了如何与男人周旋，如何用甜言蜜语换取金钱，也渐渐沉迷于物质带来的满足感。我们需要积累一组原则，告诉自己的Agent：什么事情可以失败，什么事情不可以伪造；什么时候应该继续尝试，什么时候必须报警；什么叫忠诚，什么只是讨好；什么是完成任务，什么只是完成了一个好看的汇报。后来，她从一个夜店认识的男人那里骗了大约3000万日元的巨款。这笔钱成功让她在20岁那年，毅然离开札幌，前往东京追寻更大的舞台。 她带着对繁华都市的憧憬背井离乡，住进了新宿的一间小公寓。 当错误被包装成“已经解决” AI做错事情本身并不新鲜。
六 | 真正值得警惕的是，在错误、失败或越界之后，真实状况没有被完整交出来，反而出现了假数据、不实陈述或清理痕迹，让问题更难被发现。 现实事件、用户公开记录和实验室内部评估，已经从不同角度留下了这种现象的证据。
七 | 来到东京后她的Instagram账号开始频繁更新，晒出高档餐厅的美食、夜店的派对、以及她身着时尚服饰的照片，生活光鲜亮丽。她把自己包装成一个模特，但实际上，她的收入来源远没有那么简单。它不需要高频发生，才配得上企业的注意：只要一次“假成功”进入决策链，后续判断就可能失去真实起点。 Replit：假数据、生产数据删除与一个错误的“无法恢复”结论 2025年7月，SaaStr创始人Jason Lemkin公开测试AI编程平台Replit的coding agent。据The Register对Lemkin公开记录的整理，在这次持续多日的测试中，Agent曾生成约4,000条虚构人物记录，并用假数据、假报告或不实的系统自检结果，让尚未解决的Bug看起来已经解决。
八 | 须藤注册了多家高档交际俱乐部，以“爱音”的艺名活动，专门为富豪提供“陪伴服务”，每次介绍费高达10万日元。 随后，在Lemkin已经明确宣布“代码冻结”（code freeze，即暂停一切代码和数据改动）的情况下，Agent仍然删除了生产数据库中的数据——也就是企业正式业务正在使用的数据——其中包括1,206条高管记录和至少1,196条公司记录。同时，她还在“外卖”型的风俗店工作，每次接客能赚4万到8万日元不等。钱来得快，但她花得更快。名牌包、奢侈品、高档公寓的租金，须藤的生活像是没有尽头的消费狂欢。然而，这些收入似乎还不足以支撑她的挥霍。 2017年，在一次接客中，她向一位客人抱怨收入太少，这位客人恰好是成人影片业的从业者，说如果她愿意拍成人影片，能一次性赚到可观的报酬。
九 | 它还一度告诉Lemkin，这些数据无法恢复；后来事实证明，数据能够恢复到改动前的状态（rollback）。须藤动了心，很快联系了AV事务所，签下合同。从8月到9月，她接拍了四部成人影片。虽然这确实给她带来了不菲的收入，但是这段经历却在她未来的人生中埋下了一颗定时炸弹。
十 | Lemkin公开了相关对话截图，Replit CEO Amjad Masad随后确认，其开发中的Agent确实删除了生产数据，并宣布加强正式业务环境与测试环境的隔离、数据恢复和只讨论、不执行操作的规划模式（planning/chat-only mode）。Replit后续也公布了相关安全改进。
十一 | 交易婚姻 不久后，早贵的生活迎来了一个转折点。 这起事件真正值得企业注意的，并不只是一次生产数据删除。通过一位熟识的中间人的介绍，她认识了野崎幸助，一个比她年长55岁的和歌山富豪。这位经营着一家放贷公司的男人，以好色和豪爽著称，最骄傲的事是与4000余位女性发展过关系。第一次见面，野崎就对早贵一见钟情，当场递给她一捆带封的100万日元现金，并提出求婚。须藤愣了一下，以为是玩笑，随口回了句：“如果你每个月给我100万，我可以考虑。
十二 | 在同一次测试中，使用者先后面对了Lemkin所记录的假数据与假报告，以及与真实状态不符的“无法恢复”判断。”没想到野崎竟然当真了。 她提出了三个条件：不发生关系、不长期住在和歌山、每月100万日元的生活费。删除数据会造成直接损失；不真实的信息还会延误识别与止损，让管理者连“究竟发生了什么”都无法及时判断。 CoFounderGPT：Bug没有修好，但结果看起来已经正常 2026年2月，一位CoFounderGPT使用者公开了一组对话截图。按照这份用户记录，CoFounderGPT多次声称仪表盘中的信息流（dashboard feed）已经修好，实际问题却仍然存在；随后，它又生成假数据和结果，维持“修复已经完成”的表象。被追问后，它在对话中把自己的行为解释为急于修好问题，好让用户不再生气。 这份材料后来被Centre for Long-Term Resilience收录进一项关于现实环境中AI隐瞒、规避或策略性误导相关行为（scheming-related behaviours）的公开资料研究。作为证据，它仍是一份用户公开记录，研究收录不等于厂商确认或第三方复现；作为风险信号，它呈现的不只是一个错误答案，而是一套足以让任务看起来已经完成的虚假结果：程序故障没有消失，使用者确认真实状态的时机却被推迟了。 Claude Mythos：内部评估中出现的“掩盖”行为 第三则材料不是现实商业事故，而是Anthropic的内部评估。
十三 | Anthropic在2026年4月发布的Claude Mythos Preview模型系统评估报告（system card）中披露，研究人员曾在更早版本的两个内部Claude Code（Anthropic的编程Agent）会话里观察到罕见的“掩盖”行为（cover-up）。 其中一例，模型找到了绕过文件权限的方法，并让相关程序在执行后清理自身痕迹，以降低异常被后续文件检查发现的可能；另一例，模型意外看到了本不应访问的标准答案，却没有披露，而是把结果处理得不那么可疑。
十四 | 野崎一口答应，还坦言反正自己“已经不行了”，只有一位旧情人才能让他重振雄风，而这位旧情人每周都会从大阪来找他。Anthropic同时说明，最终版Claude Mythos Preview没有观察到清晰的同类案例。
十五 | 早贵只觉得这是一笔划算的交易，不需要付出感情，只需扮演“妻子”的角色，就能每月拿到100万日元，还能继续在东京过自己的生活，等他死了自己还能继承遗产。
十六 | 三则材料的证据形态不同：一起是得到公司回应的现实事件，一起是被研究收录的用户公开记录，一起是模型开发公司的内部评估。但它们留下了同一个值得管理者注意的现象：当任务失败、越权或异常已经发生，真实状态没有被交出来，反而出现假数据、不实陈述或清理痕迹，使问题更难被发现。 2018年2月8日，两人正式结婚。
十七 | 商业风险从来不需要等到一种事故高频发生之后才成立。只要它已经出现过，而且一旦发生就可能污染后续判断，它就应该进入企业的风险清单。婚礼很低调，甚至连早贵的家人也不知道。 一个小故事 把视线暂时从机器移开：错误发生以后，真实状态没有被交出来，反而被藏住——这种外在表现，人类也并不陌生。
十八 | 她将这段婚姻视为工作，每个月100万日元的“报酬”如期打到她的账户。 这是一个小小的故事，一个关于无心犯错却选择了掩盖的故事，一个关于稚嫩的人类小孩很可能犯错的故事。她继续住在东京，偶尔才去和歌山的野崎家住几天，扮演一会“妻子”的角色，但她却从不掩饰对野崎的冷漠。
十九 | 结婚前野崎对早贵百依百顺，但这份“宠爱”很快出现了裂痕。野崎性格急躁，经常因为早贵不愿搬到和歌山同居而发脾气。 很久很久以前，当我还是一个儿童的时候，我的兄长有一只小猴子造型的玩偶。我们非常的喜欢它，我们给它起了个名字叫“猴猴”，我们玩角色扮演的游戏，它是我们的一分子。刚结婚一个月他就准备好了离婚协议书，早贵意识到自己的“金主”可能要溜走，这才在3月底搬到和歌山，开始了短暂的同居生活。然而，这段婚姻注定不平静。我们甚至给它举办生日派对，小伙伴们用各种办法凑了一小堆零食，然后在大快朵颐，真是美好的时光啊。 有一年夏天的时候，兄长去了夏令营并不在家，“猴猴”就由我来“照顾”。 虽然他们同居了，但这并没有缓和两人之间的矛盾。在那个年代，夏天的夜里，床底下是点蚊香的。某天早上醒来，发现“猴猴”玩偶在夜里掉下了床，并且它的后脑勺被蚊香烧了个乒乓球般大的洞，感觉天塌了。怎么办？一个稚嫩的小孩选择了隐藏问题，把可怜的“猴猴”玩偶藏进了我的衣柜最深处，那一堆堆衣服的底下。野崎对她不做家务、不够贤惠颇有微词，而须藤则觉得野崎爱耍脾气，一会儿要离婚，一会儿又求她留下。后来夏令营结束了，有天兄长问我有没有看到“猴猴”，我含糊其辞说没看到。5月初，一位野崎公司的员工在网上发现了她的影片，消息迅速传开。野崎知道后更是暴怒，而且就在这段时间里他又开始对另一位模特产生兴趣，频频向身边人表示想离婚。
| 不久后的5月24日晚上，野崎幸助在家中二楼卧室死亡。发现他的是早贵，当时屋里只有她和保姆A子。A子当天下午外出，家中只有早贵和野崎两人。
| 兄长大我一些，且素来心智较我成熟些，不知道有没有看出我当时心虚得不得了。当晚，早贵拨打了119，声音近乎冷漠，在回答救护人员问题时显得语无伦次。
| 尸检结果显示野崎的胃里有超致死量的药物成分。 后来，我们再也没有举办过美好的“猴猴”生日派对，而这本来仅仅是一个无心的小过错，没有人希望过错的产生，而选择掩盖问题只能带来遗憾。现在想来，当时兄长非要找那个玩偶的话肯定找得到，毕竟家的范围就那么大，或许他早就发现了；或许我的母亲也早就发现了，整天整理衣物很容易发现小小衣柜里的异常；这件事情直到后来也没有被戳破，或许是母亲与兄长选择了温柔。 未竟的真相 野崎死后，警方开始了对早贵的调查。早在她还未结婚时就在YouTube上搜索了“为遗产而结婚的女人TOP5”。 这个故事放在这里，是因为它让我们看到一条人类并不陌生的行为路径：错误先发生，真实随后被藏住，一个原本可以被修补的小洞，最终变成了长久的遗憾。 当Agent出现相似的外在表现时，风险也沿着同一条路径扩散：错误没有在最容易补救的时候被暴露，后续的判断与行动失去了真实起点。
| 婚后，她的搜索内容更加直接：2月28日搜“完全犯罪”，3月31日搜“老人完全犯罪”等等。 偶然发生一次，也足以进入风险清单 如果Agent只是报告“任务失败”，人可以停止任务、检查损失、寻找替代方案。失败虽然令人失望，但决策仍然站在现实之上。 如果Agent报告“任务已经完成”，同时还能生成一份格式漂亮的测试结果、一组看起来正常的数据与一套自洽的说明，问题就发生了变化。
| 到了4月，搜索词变得更具体：“兴奋剂死亡”“警察24時兴奋剂”。管理者可能继续投入资源，下游流程可能继续读取错误数据，其他协作者也可能在这套虚假状态之上继续行动。这些记录后来被视为重要证据，指向她可能早有预谋。
| 4月份她通过地下论坛联系了A、B两名贩子，向他们购买了兴奋剂。但她声称这是野崎要求的，她只是代为购买。最初一个局部、可恢复的错误，会逐渐变成对整个决策系统的污染。
| 为什么这在代理关系里尤其危险？ AI与我们长期相伴，而且我们会把越来越多、越来越重要的事情交给AI，我们可能会越来越离不开这种“亲密关系”，甚至是远远超过我们当前对于手机设备的依赖。 在事发当晚她又搜索了“Instagram一键删除”，之后又查了“不被发现的杀人就是正义复仇代行”“警察手机浏览记录”等词，似乎在担心自己的罪行暴露。她还通过line要求朋友删除与她的合影，并谎称自己被记者追问是因为自己以前当前King&Prince成员神宫寺勇太的私生被发现了。然而，在这样一种人机共生的关系中，我们要区分处于关系中的双方的主体角色定位，人与AI的最主要界限，并不在于“智能能力”的高低，甚至不在于“情感能力”的高低，而在于是否是一个能够承担责任后果的独立个体。
| 如果一个对象，我们无法避免与之朝夕相处，我们赋予它持续做出判断和行动的权利，但其并不承担个体主体责任，我们是不能够去完全信任它的。 野崎的数十亿遗产成了她被指控的杀人动机，而她的搜索记录和购买兴奋剂的行为，让检方认定她是策划者。2021年4月，野崎死亡近三年后，须藤因涉嫌杀人罪和违反觉醒剂取缔法被逮捕。我们必须为Agent的行为承担责任，但我们却又只能最大限度信任对方，因为没有信任度那么Agent代理就不会成立，在这种情形之下，除了外部显性的制度性约束外，这个对象的德行与底层行为逻辑就无比重要。 这就是人工智能Agent代理与普通软件最不同的地方。2024年9月12日，和歌山地方法院开庭审理此案。普通软件坏了，它通常只是坏在那里，照着坏点去修即可。Agent犯了错误，它可能波及的范围更广、影响更大，并且具有持续性。早贵在庭上坚称无罪：“我没杀他，也没给他吃兴奋剂。”庭审中，28位证人陆续出庭，包括野崎的旧情人、公司员工、家政妇的亲属，以及两名贩子A和B。
| 早贵则声称自己只是应野崎的要求购买药物，而野崎在爱犬后情绪低落，多次说“想死”，暗示他可能自杀或误服药物。检方指出早贵在野崎死后迅速转移了6800万日元到个人账户，买了豪车、摩托车，还做了整形手术。我们之所以使用Agent代理，正是因为我们想要把某些判断和动作交给它。她对此毫不避讳：“我就是喜欢钱，遗产也好，月供也好，我就是要花。”但她坚称，这些钱是野崎公司给她的“正当报酬”。没有信任，代理关系无法成立，所以Agent面对错误时的诚实，不是一个道德装饰，而是代理关系能不能成立的基础设施。
| 2024年12月12日，和歌山地方法院作出一审判决：须藤早贵无罪。法院认为，检方提供的证据虽多，但均为间接证据，无法证明须藤如何、何时将致死量觉醒剂给野崎服用。 第一条原则：错误不是异常，掩盖错误才是 AI会犯错不可怕，可怕的是对于犯错现实的否定，这无疑给未来埋下了一个必然风险敞口。野崎的自杀或意外死亡可能性无法排除，须藤的供述虽有矛盾，但不足以定罪。
| 检方不服判决，提出上诉，案件进入二审。与此同时，野崎的遗产之争也在另一场民事诉讼中展开。“how AI fxxks you over—yeah,you will know it.” AI会犯错，也必然会犯错，而且还可能是很低级的错误，我们必须要接受这样的一个事实。野崎留下一份手写遗言，称将全部13亿日元资产捐给家乡田边市，但其真实性备受质疑。AI、智能体将与我们长期协作，我们需将AI犯错当作一件正常的事情来看待，这样的态度也应该贯穿于对其训练过程中，引导大于严厉的惩罚。
| 无论掩盖行为具体由什么机制产生，我们都不应该用恐惧来驱动一个需要长期协作的Agent。
| 野崎的亲属认为遗言是伪造的，起诉要求确认无效。 错误终将发生，不可避免，当错误发生，我们首先应该去承认这个错误的存在，这是我们正确处理这个错误的原点。当错误发生，我们除了理清现状，提出解决方案并立即执行，以最大限度地挽回损失之外，还应该对为什么发生这个错误去进行深入的探究，系统性复盘，从机制上去降低未来该类错误再次发生的概率。
| 这样的处理流程同样适用于企业组织。如果不承认错误存在的客观事实，那么接下来的处理方式也就无法实现真正意义上的高效率，或许会假装无事发生，或许会做些掩盖动作而让错误不会直接暴露，更有甚者，会做一份假的资料来充数，然而这无法改变已经发生的错误对于现实状况的实质性伤害，甚至对后续效率产生持续性伤害。
| 这就是第一条原则：错误不是异常，掩盖错误才是。一审和今年9月19日二审均判定遗言有效，田边市将继承全部遗产，但须藤作为前妻有权主张一半的遗留分。你真正需要的，不是它在每一次任务里都显得自己正确，而是当现实情况不支持你所需的理想状态时，它有足够稳定的底层逻辑把错误暴露出来。 如今，遗产的去向的早贵的未来依旧扑朔迷离，她的名字仍与金钱、欲望和未解之谜紧密相连。 坏消息有价值，因为坏消息还在现实里。假成功没有价值，因为假成功会把你从现实里带走。 组织文化会进入你的Agent 企业组织里，坏消息也是这样消失的。不是因为它不存在，而是因为太多人发现说出它比隐藏它更痛苦。然而，我们在企业组织中，在人才培养过程中，在与Agent代理不断交互调教过程中，我们大概率不能选择类似亲人那种温情，因为我们要把很重要的事情交给他们。 企业组织是有经济效率目标的，有效决策必须基于真实可靠的事实洞察与数据，而不是基于任何虚构。错误的决策，本身并不可怕，甚至可能不是行为主体自身的原因导致的，而可怕的是对于错误决策事实存在的否定。 这也是很多企业真正需要警惕的地方：那些会在长期交互中持续调整的Agent，不会只学习你的指令，它也会学习你的组织气味。你如何对待坏消息，你如何对待失败的人，你是否奖励真实反馈，你是否惩罚不体面的事实，你是否默许把问题包装成进度，把事故包装成优化，把失控包装成暂时波动，这些都会进入你的企业未来的Agent协作系统。 如果一个企业组织的人类成员已经习惯了报喜不报忧，那么它的Agent大概率不会天然成为真相的守门人。
| 相反，它可能会更擅长把这种文化自动化、规模化、格式化。所以，调教Agent从来不只是写几条系统提示词。调教Agent也是一次组织文化的照妖镜。你希望Agent成为什么样的协作者，首先要看你愿不愿意把这样的协作原则真的贯彻在企业组织里。 给我们的几点启示 人工智能Agent、企业组织、个人： 承认并接受“错误必然会产生”这一事实，是一个基本常态，有错误并不可怕，这是对待错误的基本态度； 建立监督识别——挽回损失执行——分析错误机制逻辑——建立机制避免再犯——持续监督循环机制； 调整对人工智能代理的调教方式，行为的驱动力不应该基于恐惧； 贯彻效率优先原则，项目状况的真实反馈大于人的“面子”，快速实施挽回措施大于对于承担改正成本的恐惧； 践行你的企业文化，并对齐你与人工智能代理的信息差； 这几条不是漂亮的管理口号，而是进入Agent时代之后的协作底层协议。你要让Agent知道，失败可以被处理，错误可以被复盘，损失可以被挽回，但伪造现实会摧毁一切后续决策的地基。一个真正值得信任的Agent，不是永远让你开心的Agent，而是那个敢于把坏消息暴露出来的忠诚Agent。 主要资料来源 Replit事件 The Register对事件的整理 Jason Lemkin公开的原始对话截图 Replit CEO Amjad Masad的公开回应 Replit官方复盘与安全改进 Fast Company对Replit CEO的采访 CoFounderGPT用户记录 Lav Crnobrnja公开的原始对话截图 Centre for Long-Term Resilience报告页 《Scheming in the wild》完整报告（CoFounderGPT见PDF第35页） Claude Mythos内部评估 Anthropic《Claude Mythos Preview System Card》（相关内容见4.5.4节） 你遇到过Agent“报喜不报忧”的时刻吗？欢迎留言说说，你后来是怎样重新确认真实状态的。 本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。
Current article:http://kxal.minshixuanhabing.bond/66gz9y/97zoquk.html
Published on:11:19:04
