人类只挡住 13.6% 的危险指令，Claude Code 今天起把批准权交给分类器
Tags
30 个页面
AI安全
给 AI 编程 Agent 加一张可逆性验收表
AI Agent 出事后，别急着修 Prompt：你需要的是一份事故复盘
Claude 真的有“内心独白”吗？Anthropic 这篇论文比你想的更危险
看不见的水印：Claude Code 被发现在请求里悄悄打标记，开发者工具的信任边界在哪
