LLM 工具打破身份幻象

研发工具链中的大语言模型输出容易使用户将自主性和理解能力归因于模型；这种认知错觉可能削弱核验行为与信任校准。现有方法尚未提供针对输出语体的系统性、可部署约束。本文提出七条输出规则，分别针对已有研究记录的语言机制，并进行实验验证。在780段两轮对话中，对照受约束和默认语体，共覆盖30项任务、13次重复、1,560次API调用，拟人化表达从1,233处降至33处，减少超过97%（p<0.001）；输出词数减少49%，调整后的AnthroScore也显示输出转向机器语体（−1.94对−0.96，p<0.001）。规则通过配置文件中的系统提示实现，无需修改模型。验证仅使用Claude Sonnet 4，未评价受约束语体下的输出质量。这一机制可扩展到其他领域。