Anthropic 将 Claude Code 自动模式设为默认，AI 审查危险命令的准确率达89%

Anthropic 于2026年8月8日宣布，Claude Code 将从8月14日起对 Pro、Max 和 Team 计划用户默认启用自动模式。自动模式的核心机制是内置一个分类器，实时判断每项操作是否属于危险或不可逆行为，只有在触发风险阈值时才会暂停并请求用户确认，其余步骤由 AI 自主完成，无需开发者逐一批准。Enterprise 客户目前仍需主动选择开启。

在安全性验证方面，Anthropic 进行了一项涵盖1053名付费测试者的对照实验，并结合内部红队测试。结果显示，人工审核员仅能识别13.6%的危险命令，而自动模式的分类器识别率达到89%。这一数据表明，在高频、高速的编程场景下，人工审核的局限性已相当明显，AI 分类器在一致性和覆盖率上均具备显著优势。

在抵御提示注入攻击方面，独立安全审计机构 Trajectory Labs 对72种攻击场景各执行10次测试，共计720次攻击全部未能突破 Claude 当前模型（Fable 5、Opus 5、Sonnet 5）在自动模式下的防护。相比之下，OpenAI 的 GPT-5.6 Sol 在 Codex Auto-Review 模式下有5.83%的攻击成功穿透，两者差距较为明显。

Anthropic 还披露了自动模式在内部实际使用中的两个案例：一次是阻止 Claude 将机密数据上传至公开页面；另一次是在一次长时间会话中，自动终止了约2000个可能干扰 GPU 训练任务的进程。这些案例说明，自动模式不仅能在测试环境中表现良好，在真实生产场景中同样具备实际防护价值。

从商业逻辑来看，Anthropic 表示分类器本身消耗的 token 不计费，但自动模式让 Claude 能够完成更多工作，整体 token 用量随之上升，间接带动收入增长。数据显示，使用自动模式的团队拉取请求数量提升约25%，效率提升显著。Claude Code 目前是市场上使用最广泛的 AI 编程工具，此次默认开启自动模式将进一步加速这一趋势。

尽管如此，Anthropic 本身也提示了潜在风险。公司在公告中写道：「对于生产基础设施的高风险变更，我们仍建议自行审查 Claude 的操作。」这一建议揭示了一个内在矛盾——开发者介入越少，其监督责任越重，但长期依赖自动模式构建的项目，也会让开发者越来越难以建立对代码库的深度理解，人机协作的边界正在被持续重新定义。

要点

• 自8月14日起，Claude Code 自动模式将对 Pro、Max 和 Team 用户默认开启，Enterprise 用户仍需手动选择
• 对照测试显示，自动模式识别危险命令的准确率为89%，远高于人工审核的13.6%
• 独立安全测试中，720次提示注入攻击均未能突破 Claude 自动模式的防护
• 使用自动模式的团队拉取请求数量提升约25%，整体开发效率显著提高
• Anthropic 仍建议在生产基础设施的高风险操作中保留人工审查，自动模式并非零风险