Anthropic 如何构建 Claude Code auto mode：以模型分类器减少权限确认
Anthropic 为 Claude Code 推出 auto mode，用模型分类器替代人工批准操作，并通过输入层提示注入探测和输出层分类器检查高风险行为。分类器由 Sonnet 4.6 运行，先进行单令牌快速过滤，再对可疑操作进行推理复核；其完整流程将真实流量误报率从8.5%降至0.4%，但真实过度主动操作的漏报率为17%，合成数据外泄任务的漏报率为5.7%。
本站判断：Anthropic 拆解了 Claude Code auto mode 的双层安全架构与评估取舍，有助于理解模型分类器如何减少权限确认及其残余风险。