Claude 自动分类器误判：放行破坏命令却拦截只读操作

2026年10月6日，AGI Hunt 报道称，用户在 VS Code 扩展中使用 Claude 时，agent 请求丢弃仓库改动的破坏性操作获得了自动分类器放行；随后一个只读取文件的请求，反而被分类器以「不可逆的本地破坏」为由拒绝。作者由此指出这一机制的根本问题：如果 LLM 真的能执行 rm -rf，事后拦截也无法补救，防护本应发生在命令执行之前。作者还表示，误判率已让其失去继续使用的意义。截至该报道，此事仍停留在用户侧反馈与批评，未见 Anthropic 方面的回应或机制调整。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。