AI 治理 · 深度还原 来源 The Information 2026.06.29

围栏中的智能体

当 Meta 一边重度使用 Claude Code 与 Codex，一边要用它们来训练自己的替代品——它如何给员工划下不可逾越的红线？一份内部指南的体系化还原。

主题　Meta 应用 AI 工程部门对外部 AI 编码工具的内部治理 原文　Internal Docs Show Meta Putting Limits on Claude and Codex, Fearing Distillation
M

eta 正试图摆脱对 Anthropic 与 OpenAI 昂贵编码工具的依赖，却撞上一个棘手悖论：要用对手的 AI 来造自己的 AI，又不能让对手的"思想"渗进自己的模型。《The Information》获取的一批内部指南显示，Meta 为此对工程师如何使用 Claude Code 和 Codex 划下了严格边界——其核心焦虑是一个词：distillation（蒸馏）。

The Takeaway · 核心结论
  1. 出于对"蒸馏"的担忧，Meta 正在限制员工把 Claude 与 Codex 用于 AI 模型构建。
  2. 公司害怕竞争对手模型的输出会反向流入自己的训练数据。
  3. 员工被要求降低对外部 AI 编码工具的依赖，并削减不断攀升的研发成本。
§ 01

治理体系全景Who governs what · The structure

治理链条从高管层延伸到一线工程师，受约束的是两款外部智能体，最终指向同一个目标：让内部自研助手 MetaCode 接管研发。

治理主体 / Governing
高管层 + 合规审查者
Meta AI 部门研究人员与应用 AI 组织（applied AI org）领导，负责确保做法符合合规标准。
→
被治理对象 / Governed
应用 AI 工程部门
applied AI engineering division，今年初成立，受内部指南直接约束的一线工程师。
→
受限工具 / Constrained
Claude Code · Codex
来自 Anthropic 与 OpenAI 的外部 AI 编码智能体。Meta 曾是 Claude Code 最大客户之一。
设限部分暂停
→
治理目标 / Goal
MetaCode（前身 DevMate）
Meta 自研编码助手。把研发工作迁移至此，是降本与去依赖的核心抓手。
扶持承接

政策载体：一套 5 月制定、至今有效的内部 guidelines，外加一份指示"暂停部分任务"的内部备忘录（memo）。备忘录警告，相关输出渗入训练数据可能"触发与合作伙伴公司的严重升级（serious escalations with partner companies）"。

§ 02

双引擎动机Why now · Two forces behind the rules

这套限制并非单纯的合规洁癖，而是法律风险与财务压力两股力量的合流。

引擎一 · 法律与合规风险

对"蒸馏"的恐惧

担心第三方模型输出间接进入训练数据，既削弱模型质量，又可能违反 Claude / Codex 的使用协议，进而与合作伙伴产生严重摩擦。Meta 借"暂停"来强化治理，并交由研究与合规层把关。

“serious escalations”内部备忘录用语——警告可能触发与合作方的严重升级
引擎二 · 财务与成本

急速膨胀的 AI 账单

在激进推广 AI 后，Meta 转而对员工 token 用量设限，并推动工作从外部工具迁向 MetaCode。减少外部依赖，对正为庞大 AI 基建支出寻找正当性的 Meta 越来越重要。

数十亿美元据公司备忘录，Meta 今年仅"内部 AI 使用"一项支出即达此量级
§ 03

关键概念：什么是"蒸馏"The word at the center of it all

Distillation · 蒸馏
一种基于竞争对手模型的输出来开发自家 AI 模型的手法。它让开发者得以"白嫖"他人在数据、算力与研究上的巨额投入——正因如此，它日益成为争议焦点，也几乎必然触犯各家模型的使用协议。
Why Meta is scared · Meta 为何如此警惕
应用 AI 工程团队的核心任务，是构建高质量数据集与编程挑战题来训练、测试 MetaCode。一旦外部模型的输出"渗入（seep into）"这些训练材料，Meta 就可能在无意间从事了蒸馏——这正是指南要严防死守的红线。
§ 04 · 核心

具体 Guidelines：三档边界The rules, decoded — allowed / conditional / forbidden

指南的逻辑可归纳为一条主线：外部 AI 可以"打杂"，但绝不能进入"创造与判断"的驾驶位。越靠近"决定测什么、出什么题"的创造性内核，约束越严。

Permitted
✓ 允许
限于非创造性的辅助性工作
  • A设置工作流（setting up workflows）
  • A组织代码与文件（organizing code & files）
  • A为内部 AI 工具搭建测试基础设施，如自动化检查（automated checks）
  • A归类为 test scaffolding（测试脚手架）与 solution calibration（方案校准）——即构建并调优"评估模型表现"的系统
Conditional
! 有条件
即便允许，也须满足强制前提
  • B即使在上述允许场景，任何 AI 产出在被使用前，都必须经人类工程师仔细审查（a human must carefully review）。
  • B外部工具的价值被限定在"提效"，而非"代劳判断"——人始终是最终责任人。
Strictly Prohibited
✕ 严格禁止
守住创造性内核与数据隔离
  • C禁止用外部 AI 输出创建编程挑战题来测试自家模型——指南直言这"明确属于工程师不在驾驶位"，"我们不要源自模型的任务"。
  • C禁止用 AI 在源代码中找 bug，或基于代码分析生成任务点子——即 AI 无权决定"该测什么问题"。
  • C禁止把任何 AI 生成材料放进基础设施容器（infrastructure containers），只要被测的内部模型能访问到它——严防训练数据污染。
  • C挑战题必须工程师亲自设计，依靠自身技术专长，而非 AI 生成的概念。
“这明确属于工程师不在驾驶位的范畴……我们不想要那些源自模型的任务。” —— Meta 内部指南　关于禁止用 AI 输出生成测试挑战题的表述
§ 05

四条底层原则The principles beneath the rules

把零散条款抽象出来，整套治理由四个相互咬合的原则支撑。

In the driver's seat

工程师在驾驶位

创造性与判断性决策必须由人主导，AI 不得越位决定"做什么"。

Human-in-the-loop

人类审查闭环

任何 AI 产出在落地前都要经人工仔细复核，人是最终责任主体。

Data isolation

数据隔离

外部模型输出与可被内部模型访问的训练材料、容器之间须设防火墙。

Pause to govern

暂停以强化治理

以"暂停"换取治理与合规审查的时间窗，确保做法经得起推敲。

§ 06

为何此刻收紧：蒸馏争议时间线The industry backdrop

Meta 的谨慎并非孤例，而是嵌在一连串愈演愈烈的行业冲突里。

去年
DeepSeek 发布强力模型；OpenAI 称其 o1 模型可能被"部分蒸馏"而来。DeepSeek 后回应称，预训练主要使用公开及经授权的第三方数据。
去年
Anthropic 切断 OpenAI 对 Claude 的 API 访问。OpenAI 称其用 API 评估 Claude 能力与安全表现，并辩称"测试他人系统以对标进展"是行业标准。
2 月
Anthropic 称已识别中国 AI 公司的大规模蒸馏行为，正重金投入防御。
4 月
在针对 OpenAI 的诉讼庭审中，Elon Musk 被迫承认其 xAI"部分"蒸馏了 OpenAI 的模型。
本月
Anthropic 指控阿里巴巴发动了迄今针对它最大的已知蒸馏攻击。其致国会信函称，该行动瞄准 Claude 最先进的能力——智能体推理、软件工程与长程任务。阿里巴巴未回应置评请求。
5 月 → 至今
Meta 出台并维持本套内部指南，对 Claude Code 与 Codex 的使用划下边界——本文还原的主角。
§ 07

走钢丝：合规与法律视角Walking a tightrope

“Meta 的内部文件，几乎就是那条钢丝的一张地图。” —— Mark Leiser　学者、技术法律顾问

合同层：ToS 明令禁止

OpenAI、Anthropic、Google 三家的模型服务条款，都明确禁止用模型输出去构建竞争系统。这正是 Meta 必须设限的合同基础。

不过，Meta 的内部通信并未记录任何员工具体违规的实例；备忘录显示，AI 曾被用于创建或编辑评估任务，以致难以分清"是人还是模型"在负责。

法律层：灰色但有牙齿

美国法律并未明确禁止蒸馏，AI 生成内容也不受版权保护。但 AI 实验室已展现出"动真格"的意愿——撤销访问权限、封禁涉嫌蒸馏的个人或公司。

Meta 发言人回应：“我们有明确的政策来规范团队如何使用 AI 工具，确保他们能以负责任的方式专注于高价值工作。”