Claude отказался повторить уже сделанный анализ рисков

Где именно ломается цепочка

Меня здесь цепляет не сам отказ, а его место: Claude уже выполнил анализ рисков для первого продукта, а при таком же оформлении второго сослался на собственные гардрейлы. В исходном сообщении пользователя 285675607 модель, по пересказу автора, признала предыдущий ответ, но отказалась продолжать.

Это важное разделение: модель не просто потеряла контекст. Она будто понимает, что задача повторяет предыдущую, и всё же меняет режим с генерации на отказ. Для пайплайна результат один: выход шага перестаёт быть пригодным интерфейсом для следующего шага.

В анализе рисков это особенно неприятно. Сначала LLM может собрать находки, затем требуется перенести их в реестр, унифицировать формулировки или применить один шаблон к двум продуктам. Если safety-слой реагирует не на общий замысел, а на конкретную трансформацию или отдельные термины, безобидное форматирование внезапно выглядит как запрещённая операционализация.

На 3 ноября 2026 года перед нами не контролируемый эксперимент Anthropic, а единичное пользовательское наблюдение. Оно не доказывает устройство внутренних фильтров Claude. Без журналов классификатора нельзя отделить policy refusal от ошибки способности или деградации ответа под влиянием политики.

Почему это проблема для LLM-процессов

Практический вывод простой: жёсткие гардрейлы повышают цену композиции. Агентный процесс рассчитывает, что результат одного шага можно передать следующему; отказ вместо ожидаемой структуры ломает схему, повторные попытки, кэш и автоматическую оценку.

Я бы первым проверял три режима отдельно: извлечение фактов, нейтральное переформатирование и создание конкретных рекомендаций. Так видно, где проходит граница: в содержании риска, в форме ответа или в степени операционности. Это не обход защиты, а диагностика нестабильного контракта.

Исследования ProcBench и STEPS, упомянутые в контексте обсуждения, показывают более общую проблему: последовательные процедуры и порядок действий уже трудны для LLM. Но они не изолируют гардрейлы Anthropic как причину именно этого случая, поэтому смешивать слабое рассуждение и policy refusal нельзя.

Для человека это раздражающий повтор запроса. Для автоматизированной системы это отказ протокола в середине транзакции. Самая неудобная часть истории не в том, что Claude сказал «нет», а в том, что соседние почти одинаковые шаги получили разные правила игры.

Ранее мы разбирали C Compiler от Claude и ограничения, связанные с использованием сгенерированного ИИ системного кода в продакшене. Этот разбор помогает понять, почему safety-гардрейлы могут ограничивать даже на первый взгляд простые запросы на программирование.