LEION · DAILY AI 2026-11-02 · 第 93 期

Claude Code 在提示词里加禁令,原创游戏项目被一起拦下

本期收录 Claude Code 禁止复刻现有游戏的提示词规则与误伤、上海人工智能实验室的三角色长周期编码协议、星衍智能的通用具身 Harness、红旗连锁终止便利店机器人售货,以及国行 Apple 智能接入千问的时间表。

NO.01 · AI coding · 行为约束

Claude Code 加了禁止复刻游戏的两句话,原创项目也被拦下

AI coding系统提示词拒绝执行误判成本
事件简述

10 月 27 日前后,Claude Code 通过服务器下发的标志 tengu_heron_brook 增加了一条规则,原文为:可以构建原创游戏、某一类型的游戏、以及用用户自己的设计和素材做的游戏;不要构建对某个既有游戏的重制,即使改名或声称原创也不行。这条规则没有对应的关闭开关。Anthropic 技术人员 Addy Osmani 在回应博主 chasm 时确认,团队在 Opus 5.5 上的 Claude Code 提示词里加了两句话,把 Claude 引离复刻他人具体游戏的行为,理由是借助 Claude 实施侵权违反使用政策,原创、类型化与自有素材的项目应当继续可用。

背景是 9 月 22 日发布的 Opus 5.5 让逆向与移植的门槛骤降:有人在浏览器里跑起《GTA 5》《使命召唤》,被破解的 PS5 上跑起《光环 2》与《塞尔达:旷野之息》;有用户用一句提示,不到两小时做出功能完整、可玩的宝可梦克隆。独立工作室 Alliance Arts 为此取消了新游戏的公开试玩,担心试玩内容被喂给模型后抢在正式版前上线山寨品。禁令落地后,Claude Code 的 GitHub issue 页面出现大量抱怨:开发者称自己写原创游戏写到一半被以「疑似复刻现有游戏」为由拒绝,给桌游打补丁、复现常见游戏机制的请求同样被挡。

关注理由

这条约束落在系统提示词与服务器下发的标志里,行为边界不可枚举、不可版本化、也没有关闭入口。对把 agent 放进自动化流水线的团队,模型拒绝执行变成一类新的失败源,报错信息是意图判断而不是技术错误,重试与回退都无从下手。

可操作的部分有三点:把这类策略判定当作外部依赖,对拒绝率与拒绝原因单独打点;在生成物上保留素材来源与命名记录,便于事后区分原创与复刻;对必须复现某种机制的合法需求,把任务拆到不含上下文的纯技术描述,让判定发生在明确的范围内。

来源

PC Gamer https://www.pcgamer.com/gaming-industry/anthropic-updates-claude-to-steer-it-away-from-letting-users-clone-games-following-weeks-of-steam-being-inundated-with-ai-slop ;IGN https://www.ign.com/articles/anthropic-blocks-ai-game-clones-in-claude-opus-update ;量子位 https://www.qbitai.com/2026/11/507038.html

NO.02 · AI coding · 长周期协议

上海人工智能实验室把编码 agent 拆成规划、开发与独立验收三个角色

AI coding多轮迭代证据状态回归
事件简述

上海人工智能实验室提出 Harness-of-Harness(HoH),把已有编码 agent 组织为反复执行的规划、开发与独立验收流程。Project Planner 依据产品需求、当前代码与上一轮证据选定一组任务,要求范围小到能定位故障、功能完整到能按可观察行为验收;Developer 从现有项目继续开发并拥有修改产物的权限;QA Tester 检查被冻结的候选版本,结合黑盒交互与白盒源码、配置、日志检查记录每项要求的证据与回归,且不能改动正在验收的产物。三个角色是同一 Harness–Model 配置的三次独立调用,靠提示词、输入上下文与运行权限区分。

轮次之间保留两类状态:Artifact State 记录当前源码、资源、配置与元数据,Evidence State 记录测试观察、已验证行为、未满足要求与待处理故障。计划与报告落在文件系统,先暴露分类索引再按需读取,避免把全部历史塞回上下文。实验覆盖 GameCraft-Bench 45 项、FrontierSWE 15 项与 ProgramBench,三种 Harness–Model 组合下 HoH@3 汇总指标均高于单轮基线,三轮迭代平均相对提升 52.25%。在 Codex 加 GPT-5.5 的 GameCraft-Bench 对照中,同为三轮,HoH 得 71.52 分,沿用原会话的 Vanilla Continuation 得 58.24 分;HoH 两轮约用 567 万 token 得 64.84 分,后者三轮约用 633 万 token 得 58.24 分。

另有一个连续 70 轮的单人 FPS 项目,从产品需求文档与空项目起,用 Codex CLI 加 GPT-5.6-Sol 与 Godot 开发。70 轮共记录 81 个问题,关闭 65 个、未解决 16 个,其中 17 个问题关闭后再次打开。

关注理由

长任务里真正难的是需求遗漏、重复劳动与回归累积:项目状态不等于最新代码,哪里没实现、哪次修复为什么失败,都散落在早期对话里。论文把这几个失控点转成可检查的工程约束,收益来自协议而不是模型,同一模型换运行方式就能拿到差别。

落到工程基础设施上,Planner 对应划定增量与验收条件,Developer 改 Git 工作区,验收角色接 CI、运行时检查与交互测试,issue 与版本历史承担回归追踪。需要注意「独立验收」只是流程独立与上下文隔离,三角色同模型仍共享知识盲区;70 轮案例的 17 次重开说明长周期自主开发仍会破坏已经验证过的功能。

来源

论文 https://arxiv.org/html/2609.01481 ;数据派THU(经机器之心转载)https://www.xinfinite.net/t/topic/23227

NO.03 · 具身智能 · 评测协议

星衍智能的通用具身 Harness 在零样本协议下领跑 RoboDojo

具身智能零样本在线恢复跨本体
事件简述

星衍智能发布通用具身 Harness 框架 Auriga,把物理感知、动作表达、执行验证与任务状态管理整合成统一交互系统,让大语言模型在陌生任务中自主规划、执行并在线恢复。感知侧融合三维重建、视觉分割与机器人运动学,把图像转成带真实物理尺度、可查询可验证的空间信息;执行侧所有动作经统一网关走预演、执行验证与恢复三步,偏差超出容限时截停后续动作并返回偏差位置;记录侧留存模型意图、规划轨迹、实际运动与执行结果,上下文压缩后关键任务状态仍在。

评测以 GPT-6 Astra 为基础模型,采用严格零样本协议:不针对测试任务与布局预调优,所有任务共用同一套冻结的 Harness;不提供成功轨迹、视频演示或任务专用代码模板;每个案例只正式执行一次,中途抓取失败或受阻也必须从当前物理状态继续。RoboDojo 覆盖泛化、精细操作、长程、记忆与开放五类共 42 项任务,3 个随机种子共 6300 个回合,Auriga 取得平均成功率 57.74% 与过程评分 64.00,两项均列榜首,记忆类任务成功率 92.99%;布局随机化后的综合指标 G 为 46.3,领先第二名 2.4 分。迁移到家居移动操作基准 RoboCasa365 Target50 后,本体换成搭载 Franka 单臂的移动机器人、场景换成 10 个未见过的厨房,50 项任务 250 个回合总体成功率 73.2%,单技能 92.2%,最长 15 个子任务的组合任务 62.5%。

研发过程中 Harness 迭代 13 次,把不同任务暴露的共性问题逐步转成可复用的感知、控制与验证机制,RoboDojo 42 项任务的平均评分从第 4 版的 45.5 提到 64.0,成功率从 36.2% 提到 57.7%,评测前冻结后在另一类本体上检验复用。

关注理由

把「机器人自我进化」拆成三层看得更清楚:L1 反复重置环境为单个任务找更优解,L2 在一次连续执行中在线适应,L3 把跨任务反复出现的物理难题沉淀为通用工具与控制原语。只有 L3 的改进能被后续不同任务调用,也才谈得上迁移。

对做机器人系统的团队,这条路线把投入放在执行接口、轨迹预演、偏差截停与失败记录上,模型可以换,harness 的改进留得住;零样本协议把评测从反复刷题拉回一次执行,57.74% 的成功率因此更接近真实陌生场景下的水平。边界同样清楚:全部结果来自仿真,精密装配、复杂接触与长程操作仍是短板。

来源

机器之心 https://finance.sina.com.cn/tech/roll/2026-11-01/doc-inixetzy1022544.shtml ;项目页 https://auriga.stelledge.com/ ;技术报告 https://auriga.stelledge.com/assets/docs/Auriga-Technical-Report.pdf

NO.04 · 具身智能 · 场景经济性

红旗连锁终止便利店机器人售货,研发投入约两百余万元

具身智能零售场景概念验证成本结构
事件简述

红旗连锁公告称,机器人无人售货系统暂未达到大规模商业化落地标准,基于投入产出比等考量,拟终止该系统研发,转为 24 小时云值守业务的规模化运营。项目启动时公司曾表示已完成实验室环境下的软硬件测试,样机预计当年 5 月下线,同时提示实验室环境与实际场景差异很大、距离面向消费者销售尚有距离;16 个月后等来的是终止公告。据接近项目的人士,机器人拿不稳夏季结水珠的玻璃瓶冷饮、经常摔碎,复杂包装商品也无法稳定拿取;便利店货架间过道窄,周围还有顾客与店员走动。

公司未披露该项目具体投入,2025 年年报显示研发费用约 286.68 万元,而此前财报并未公示研发费用,据此推断项目支出大体在这个量级。行业内并不意外:一位从业者的说法是,如果两百多万元能解决零售机器人,具身公司就没有存在价值。

机器人零售仍在扩张:全国已有超过 100 个机器人零售仓或零售布局,分布在 30 余座城市,十余家具身公司在做售货、现制饮品、药房拣选与门店导购。真实运营的状态是,零售仓 SKU 只有几十种,顾客扫码下单后机器人只承担移动到货架、夹取、放到窗口这一段,全程 20 多秒,且每天早 10 点到晚 10 点需要人值守补货、充电、报修;单台零售机器人售价近 70 万元,业内人士估算单仓成本近百万元。有从业者判断,文旅景区与城市地标能占到这类落地的六到七成,零售仓的复购率很低,实质更接近文旅项目。

关注理由

零售被当作「展示度高、容错率高」的中间形态,恰好暴露了当下的供需方向:本体公司需要场景,场景并不急需机器人。示范点位的传播价值可以支撑一段时间的采购,但几十个 SKU 的销售额覆盖不了百万级硬件加人工值守,商业模式仍停在概念验证。

对做整机与场景交付的团队,这个案例给出的成本项很具体:抓取要按包装软硬与表面状态分类,玻璃瓶结露就足以让任务失败;门店地面、货架高度与间距没有统一标准,交付只能是逐店改造的打包方案而非标准机器人;替代一名店员的时间判断在二到五年。选场景时先算清单店营收与回本周期,比先谈泛化能力更有效。

来源

量子位 https://www.qbitai.com/2026/11/506990.html

NO.05 · 终端智能 · 系统入口

国行 Apple 智能接入千问,11 月 4 日随开发者 Beta 开放测试

终端智能系统级入口账号与授权端云分工
事件简述

10 月 31 日,苹果宣布首批 Apple 智能功能即将在中国推出,并与阿里巴巴合作,在部分体验中接入千问。这批功能自 11 月 4 日起随最新 iOS 开发者 Beta 版开放测试,12 月随 iOS 27.3 正式版面向中国用户推出;其他平台的支持待必要审批后推出。这是 Apple 智能自 2024 年发布以来国行版本第一次实质性落地,此前苹果智能已于 7 月 15 日通过生成式 AI 服务备案。

首批能力集中在基础高频场景:实时翻译整合在信息、FaceTime 与电话中,支持 AirPods 4 与 AirPods Pro 2 及后续机型做面对面翻译;写作工具提供改写、校对与摘要;视觉智能通过摄像头识别身边物体与场所;照片可消除干扰对象、用自然语言搜索、按描述生成回忆影片;另有智绘表情、优先邮件、邮件摘要、智能回复、通知摘要、首要通知,备忘录与通话转写的文本可自动生成摘要。本次更新不包含 Siri AI 与 WWDC 2026 上宣布的其他下一代功能。

千问以系统级扩展的形式接入三个入口:Siri 处理复杂问答与针对照片、PDF、演示文稿的提问;系统写作工具新增「千问创作」;视觉智能可选「询问千问」。用户可以自主选择是否开通,通过 Apple 登录或千问账号登录,可以决定何时使用、分享哪些信息,请求与生成的回复不会被阿里巴巴用于模型训练。集成范围目前仅限 iPhone。

关注理由

这是国内第一次把第三方大模型装进手机操作系统的原生入口。分工也一并写明:苹果自建模型负责基础能力,千问接管复杂文本与图像理解、跨文档问答与从零生成,两者是系统级扩展关系而非替换。

对做终端智能的团队,入口位置、账号体系与授权颗粒度都由操作系统决定,第三方应用能调用的位置被收进系统面板,绕过系统的独立 App 路线空间变窄。逐次征得同意、明确数据不用于训练、可随时关闭,这套口径会成为同类合作的默认条款;把系统级入口当作分发渠道来规划,比把它当作一个模型接入点更贴近实际。

来源

IT之家 https://www.ithome.com/1/020/389.htm ;阿里巴巴公告(IT之家报道)https://www.ithome.com/1/020/395.htm

待跟踪

  1. Anthropic 是否给出误判的申诉通道或按项目维度的白名单,Claude Code 的拒绝率是否被单独度量。
  2. HoH 的三角色协议在真实仓库与 CI 环境中的落地成本,异构模型做验收能否降低同源盲区。
  3. Auriga 在真机上的复现结果,尤其是接触力与滑移判断是否仍依赖腕部相机与夹爪状态。
  4. 机器人零售仓的单店营收与回本周期,是否有厂商公布出货量与运维人机比。
  5. 国行 Apple 智能 12 月正式版的机型覆盖,iPad 与 Mac 的审批进度,以及千问在 Siri 中的调用边界。