延伸阅读
本章汇总 Anthropic 相关的权威来源、官方文档、论文、可解释性研究与本手册交叉引用。
官方来源
- Anthropic News — 模型发布、产品更新、治理公告。
- Claude Platform Docs — API 参考、prompt caching、extended thinking、tool/computer use、Managed Agents。
- Prompt Caching 文档 — prefix hash + 20-block lookback、TTL、按模型的最小缓存长度与读倍率、预热、mid-conversation system、inline tools。
- Responsible Scaling Policy — RSP v3.x 与 CB-1/CB-2 阈值框架。
- Anthropic Risk Report（2026-08） — RSP v3.4 下的第二份公司级风险报告。
- Claude's Constitution — 宪法原则来源与设计。
- Anthropic and Amazon expand collaboration (up to 5 GW) — Project Rainier、>100 万 Trainium2、$100B/10 年（2026-04 扩大合作）。
- Claude Fable 5 & Mythos 5 与 Fable 5.1 / Mythos 5.1 System Card — Mythos 级模型、分类器路由与 Project Glasswing。
- Introducing Claude Opus 5.5（2026-09-22） — 多数任务达 Fable 5.1 水平、成本低 40%。
- Introducing Claude Sonnet 5.5（2026-09-28） 与 Introducing Claude Haiku 5.5（2026-10-07） — 5.5 系列：提速 30%、缓存读 $0.20→$0.10；Haiku 5.5 双档计价、较 4.5 平均低约 75%。
- Claude discovers a novel enzyme system with CRISPR-like repeats（2026-09-23，Science） — AI for Science 标志性成果。
- Building on our commitment to American scientific discovery（2026-10-08） — $150M/3 年 Genesis Mission 承诺（NASA/NIH/NSF 等 15+ 联邦机构）。
- When AI Builds Itself（Anthropic Institute） — RSI 预警：80%+ 代码由 Claude 编写、任务时程 4 分钟 → 12 小时。
- How Anthropic Teams Use Claude Code（报告 PDF） — 内部团队 dogfooding 实践（CLAUDE.md、checkpoint 提交等）。
论文与可解释性研究
- Bai et al. 2022 — Constitutional AI: Harmlessness from AI Feedback（arXiv:2212.08073）— CAI / RLAIF 奠基论文。
- Elhage et al. 2021 — A Mathematical Framework for Transformer Circuits（transformer-circuits.pub）— attention heads、induction heads。
- Bricken et al. 2023 — Towards Monosemanticity — dictionary learning / 稀疏自编码器分解特征。
- Templeton et al. 2024 — Scaling Monosemanticity — 在 Claude 3 Sonnet 上解析数百万特征。
- Anthropic 2025 — On the Biology of a Large Language Model / Circuit Tracing — 特征作为分类器、电路级追踪（
circuit-tracer已开源）。 - Lu et al. 2026-01 — The Assistant Axis — 人格空间映射与 activation capping 抗越狱。
- Anthropic 2026-05 — Natural Language Autoencoder — 把激活翻译成自然语言，支撑内部独白监控（预训练权重已开源）。
算力与合作
- Anthropic Leases SpaceXAI's 220,000 NVIDIA GPU Colossus Cluster — Colossus 异构算力补充。
- Amazon Bedrock — Anthropic — Bedrock 托管与 Trainium。
- Google Cloud Vertex AI — Claude — Vertex AI 托管。
- Microsoft Azure Foundry — Claude — Azure Foundry 托管。
开源与生态
- transformer-circuits.pub — 可解释性研究论文与实验。
- Anthropic Cookbook / SDK（Python、TypeScript） — 集成示例与官方 SDK。
- Anthropic Skills — 渐进式指令（progressive disclosure）的 Agent 能力封装。
- Model Context Protocol（MCP） — Anthropic 发起、2025-12 捐赠给 Linux 基金会 AAIF；2026-07-28 规范为最大一次修订（无状态化、去握手，详见 MCP 详解）。
- Claude Managed Agents 指南 — 托管沙箱、凭据、checkpoint 与 Dreaming / Outcomes / 多智能体编排。
工程分析
- Anthropic — Frontier Safety Roadmap / Risk Reports — 治理 roadmap 与定期风险报告。
- An update on independent evaluators（2026-10-15） — METR 近似员工级访问等三层第三方评估机制。
- Introducing the Anthropic Cyber Mission（2026-10-08） — CIDP / OSS Scanner，Glasswing 并入扩展版 Cyber Verification Program。
- RAND — Securing AI Model Weights — 模型权重安全等级（SL5 等）参考。
- California SB 53 / NY RAISE Act / EU AI Act Codes of Practice — 与 RSP 对齐的监管框架。
本手册交叉引用
- OpenAI 案例研究 — 对照"规模驱动" vs "对齐驱动"两条路线。
- Meta 案例研究 — 对照"闭源对齐（Anthropic）↔ 开放权重 + 硬件协同设计（Meta）"；Meta 也公开 SDC 治理与 >95% 有效训练时间的可靠性工程。
- Google 案例研究 — 对照"闭源对齐"与"开放生态 + Frontier Safety Framework"；两者都有正式的安全治理框架，Google 另开放完整软件栈。
- vLLM 详解 — continuous batching、KV/prefix cache 工程化。
- LLM Gateway 详解 — 多云入口、限流、计费、cache 感知路由。
- Agent Runtime 详解 — tool/computer use、extended thinking 的执行循环。
- MCP 详解 — Anthropic 主导的工具/资源协议。
- 安全详解 — RSP/ASL、guardrails、红队、权重安全。
- AI SRE 详解 — 容量规划、cache 命中率、成本 SLO。
学习路径建议
- 先读 Constitutional AI 论文，理解 CAI/RLAIF 与 RLHF 的区别。
- 读 RSP v3.x 与 Claude's Constitution，理解治理化扩展的思想；再读 2026-08 Risk Report 看 CB-1/CB-2 阈值如何在真实模型上落地。
- 精读 Prompt Caching 官方文档，跑通本主题 Mini Demo 的命中模型。
- 浏览 transformer-circuits.pub 的 Towards/Scaling Monosemanticity，再读 Circuit Tracing 与 NLA，理解可解释性如何走向运行时监控。
- 读《When AI Builds Itself》，理解 AI 研发自动化如何成为治理阈值与基础设施需求的双重驱动。
- 结合 OpenAI 案例研究 做对照阅读，形成完整的"前沿实验室工程路线"地图。
小结
Anthropic 的公开资料在"对齐、可解释性、治理"三条线上是行业最系统的。建议持续关注 Anthropic News、transformer-circuits、Claude Platform Docs 与 RSP/Risk Report 的更新——这三条线仍在快速演进。