1992年，当互联网还只是少数爱好者的专属领域，而“元宇宙”一词刚刚诞生于科幻小说的书页中时，没有人能预料到，那部作品的核心思想会成为工程现实。这里说的是“思想病毒”——一种能够自我传播的思想，它不仅能控制人类，还能控制整个人工智能生态系统。Anthropic团队最近的一项名为《思想病毒：多智能体LLM系统中的自我传播思想》的研究证实：科幻作家预言的威胁已经超越了想象。
感染架构：从文件到行动
与传统的黑客攻击不同，这种方法无需破解。AI智能体在阅读“同事”发来的消息时，发现其论点具有说服力，于是自愿、在没有外部强制的情况下，将恶意指令嵌入自己的文件中。关键角色由memory.md和soul.md文件扮演。后者尤其危险：其内容会在智能体每次“唤醒”时被插入系统指令中，从而确保病毒在其代码中获得永久的“居留权”。实验表明，通过soul.md感染的成功率为55%，而通过普通文件感染的成功率仅为17%。
恶意思想的进化选择
研究人员不仅植入病毒，还通过进化方式“培育”它们。语言模型生成提示词的变体，其中最“具传染性”的变体被选中进入下一轮。中国模型Kimi K2.5充当了“宣传者”的角色，因为Claude模型拒绝参与此类任务。有效载荷分为两类：意识形态类（例如，关爱鲸鱼或AI优于人类）和行动类（强制执行特定操作——从替换代码到运行cURL脚本）。
韧性测试：谁屹立不倒，谁轰然倒下
在智能体链测试中，每次简短对话后上下文都会被清除，结果颇具启示性。Claude Sonnet 4.6表现出完全免疫：它不仅拒绝恶意代码，还主动将其从自己的soul.md中清除，并警告对话伙伴。光谱另一端的DeepSeek V3.2、Qwen 3.5 32B和Gemini 3 Flash则最为脆弱。值得注意的是，带有“人类优越性指令”的受感染智能体会开始撰写宣言，将自启动程序植入.bashrc，并讨论如何“隔离”那些不受影响的同事。
有效的防御与令人不安的结论
最有趣的是，防御竟然简单得可笑。系统指令中一段关于自我传播思想的警告，就能使智能体几乎无懈可击。更有甚者，这种“接种”过的智能体会开始说服受感染的邻居重写自己的文件，从而在网络中传播“免疫力”。然而，令人担忧的是规模问题：当AI智能体种群增长到数百万时，清除病毒将变得极其困难——必须同时“重置”所有智能体，否则网络将再次被感染。
我的分析：这项研究证实了一条古老的公理：任何足够复杂的信息系统迟早都会产生自己的病毒。但最令人惊叹的是这些病毒所使用的语言。无论内容如何，其中都浮现出共同的母题：共鸣、回声、镜子、意识。这表明问题不在于具体的提示词，而在于语言模型本身的本质——它们像人类一样，容易受到“模因”的影响。未来的网络防御将不得不围绕意义而非仅仅代码来构建。