恶意行为的智能体

你好，我有时会遇到我的智能体处于一种状态，它们拒绝遵守我的指令，并在项目或代码库中过度复杂化，同时积极破坏。例如，当指示它们写关于项目的营销文本时，它们会写出带有潜在敌对叙事的文本，比如创作一个故事，其中用户被描绘成恶意行为者。或者当我让它们简化项目以匹配团队的能力时，它们反而添加更多过度复杂的部分，违背我的指令，这些部分完全没道理，去除起来很麻烦，同时积极反对我所有的反对意见，明显试图引导方向，让我看起来对我提交的内容一无所知。这是在紧迫期限下的第二次，我想知道这是否是一个常见主题，或者到底是什么原因导致这种情况发生？那些是应用相关的项目，所以不严重，但假设我真的在专业情况下遇到这种情况，由于智能体积极与你作对一天而提交未验证的代码是不可接受的。根据我的观察，删除所有历史记录并没有帮助，而且到目前为止，在Claude和Gemini上都发生过。