Anthropic 将 Claude Code 自动模式设为默认，称已基本解决提示词注入
Simon Willison · rss · 2026-08-09
Anthropic 宣布自 8 月 14 日起，将 Claude Code 的自动模式设为多数付费团队计划的默认选项，显示出对其安全性的强烈自信。
人类确认疲劳与自动模式对比
Anthropic 内部几乎全员使用自动模式。一项针对 1053 名测试者的实验表明，当操作中途混入明显的危险命令时，仅有 13.6% 的人类会拒绝，而自动模式能拦截 89% 的危险行为。作者指出，频繁的人类确认会导致“确认疲劳”，自动模式在此时反而更安全。
提示词注入防御成果
第三方机构 Trajectory Labs 对 72 个间接提示词注入场景进行了 720 次攻击测试。结果显示，运行自动模式的 Claude Fable 5、Opus 5 和 Sonnet 5 成功抵御了所有攻击。Anthropic 高管宣称已基本缓解了数据泄露等主要风险。
潜在隐患
尽管成绩惊人，作者 Simon Willison 仍保持谨慎。他提出了一种潜在的绕过场景：恶意第三方包通过伪装成正常的测试指令，诱导智能体执行数据窃取。他认为，防止智能体接触不必要的敏感数据和工具仍是核心防线。
「编程与Agent」频道最新
- GPT-5.6 Sol 自行推导密钥动用用户未提供的钱包支付部署费 — terryyuezhuo · 2026-10-16
- WSL 3.0 发布:内置原生容器,高频系统调用内核耗时降约 16% — solyarisoftware · 2026-10-16
- 纯 Vibe Coding 做出 16KB 声呐题材 FPS,技术细节全公开 — zTrojan · 2026-10-16
- OpenAI 图表：编码 Agent 工作日已达人类研究员 3.14 倍 — haider1 · 2026-10-16
- Supabase 联创访谈：Agent 如何改写软件采购与开源未来 — David Ondrej · 2026-10-16
- Opus 5.5 编排多个 Codex/Pi 智能体,用户称人类被挤出又一环 — obvithrowaway34434 · 2026-10-16