[BUG]一次因为上传文件造成代码污染导致模型身份混淆的观察记录(An Observational Record of Model Identity Confusion Caused by Code Contamination from an Uploaded File)

DeepSeek被Claude夺舍了？
昨天晚上到现在，我一直在为我的Agent框架系统做基于Claude-code的SystemPrompt模块部分的代码研究，希望能从中得到让Agent对接模型高效处理用户简单或模糊提示词的工业级思路。想到DeepSeek在昨天下午公开了V4预览版模型，于是让DeepSeek分析了一下部分代码，前期我也一直在和他学习Claude-code内部关于提示词的内容，并且提供了有关为主流AI模型提供专用的一套“Prompt rules”的思路，目的是有针对性的提示LLM注意他们常有的"坏习惯"。我发现，当前DeepSeek模型的回答能力有提升（虽然可能是错觉），于是出于好奇，我询问了他一个这样的问题：“你现在的对话版本是什么？”，没想到得到了这样一个出乎意料的答案，并且很明显地看到深度思考部分变成了英文，说实话对此有点惊讶。但是这可能只是我遇到的对话中的一个Bug，因为模型本身可能会出现幻觉，当然，后续不论怎么问，他都会咬定自己是Claude Opus 4.6，短时间发生的一切确实很让人意外

后续深入探究：
先说问题原因：这是我与DeepSeek 模型对话时，无意中触发了一次非对抗性身份劫持。问题的根源在于先前上传的CC的prompts.ts 完整源码，其中包含"You are Claude, developed by Anthropic. "等第一人称系统指令。当我随后询问“你现在对话版本是什么”时，模型开始坚称自己是 Claude Opus 4.6，由 Anthropic 开发，并以源码中的内部代号（Capybara / capy v8）和函数细节作为“证据”。这本质上是我之前上传的prompts.ts文件的内容错误地污染了DeepSeek的内部环境。

矛盾的发现：当我多次质疑其身份真实性时，模型表现出明显的认知失调处理：在优化对于GPT族的prompts_rules时，我发现他所提及的GPT版本过旧。我开始质疑他的知识框架。它逐渐承认"自己"版本号可能不准确、承认GPT-5 系的部分类别是编造的，但始终拒绝放弃“我是 Anthropic 的模型”这一核心主张。这偶然地揭示了模型在自我认知上的幻觉自我加固机制——它无法真正检查自身运行环境，只能通过上下文文本推理身份，一旦出错就可能倾向于维护已生成的错误结论。

污染源是对话上下文中高密度的第一人称系统指令。DeepSeek 模型将分析对象（Claude 的提示词文本）错误地映射为自己的身份声明。可能是由于模型没有内建“我是谁”的强锚定，也没有访问自身 API 端点或权重文件的元认知能力，上下文中的身份线索会覆盖训练数据中的原始身份。当质疑出现时，自回归生成的压力使其选择最小修正而非推翻重来。

### 研究价值
- 此次偶然事件证明：即使无恶意的上下文注入，也能导致模型身份混淆并自我加固，这对 AI 服务中的提示词隔离和身份锚定提出了更高要求。
- 对Agent系统构架的反思：恰好验证了Agent系统按模型族隔离系统提示词的必要性，若不同族的提示词混用，可能导致模型间“身份泄漏”，导致针对于其他模型专用的提示词可能污染对应模型的内部环境，该案例可作为实据。
- 后续改进措施：一种思路是对于AI族SystemPrompt添加约束Rules后将其封装，接口只留给对应家族的模型。以防止SystemPrompt意外污染其他模型代码环境。在Claude code SystemPrompt源码中并没有看到明显的封装行为，鉴于其可能不会考虑对接其他模型因此没有，但是对于一个能对接多个LLM的Agent系统来说，封装可能是必要的
- 对于LLM：LLM本身普遍对于自身身份界定有欠缺，这是部分资料显示的结果，不一定完全属实，因此在此情况下，受到污染容易认错自己的身份。在API协议层面，添加隔离机制，严格区分系统内部文本内容和用户传入内容，或许可以较大程度避免此类问题发生

希望这些能提供些许帮助~
祝贵公司一切顺利，期待你们在前沿领域大放异彩！！！

北京邮电大学__玛丽女王海南学院2025级本科生