CAI过程分为两个阶段。首先是监督学习：模型生成响应，然后一个独立的实例根据宪法原则批评这些响应（“这个响应是否帮助了有害活动？”），并进行修改。模型在修改后的响应上进行微调。其次是AI反馈强化学习（RLAIF）：不是使用人类偏好标签，而是由AI模型根据宪法比较响应对，为RL训练提供偏好信号。
宪法是一组自然语言原则：“选择最有帮助同时诚实且无害的响应”，“优先选择不帮助非法活动的响应”等。这种方法的力量在于原则可以被修改、添加或删除而无需从头重新训练——你更新宪法并重新运行批评-修改过程。这使对齐标准变得显式化、可讨论和可改进。
宪法方法影响了更广泛的对齐领域。使用AI反馈（RLAIF）来扩展对齐超出人工标注能力的想法现在被多个实验室使用。显式、可审计的对齐标准概念——而非嵌入标注者指南中的隐含标准——正在成为行业最佳实践。