# Anthropic 说他们基本搞定了提示注入攻击，Claude Code 下周默认开自动模式

> 原标题：Anthropic 称已基本解决提示注入攻击

- 来源：AI HOT 精选
- 发布时间：2026-08-09T18:32:14.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/49645
- 原文：https://x.com/bcherny/status/2086520950259118464

## 摘要

Anthropic 的 Boris Cherny 放话，通过模型训练加上多层防御，Claude 面对没见过的间接提示注入攻击，成功率已经压到接近零。这个数字来自独立研究者的基准测试，防御手段包括模型本身训练、输入探测和意图分类器，不是单靠某一招。不过正文没披露具体防御架构和测试范围，这点先别太激动。

## 推荐理由

Anthropic 的 Boris Cherny 称通过模型训练与多层防御，Claude 对未见过的间接提示注入攻击成功率已接近零，该数字来自独立研究者的基准测试。

## 锐评

接近零这个数我信，但信的是多层防御这个方向，模型训练加输入探测加意图分类器，单靠一层本来就不够。基准测试是独立研究者跑的，测的是没见过的间接注入，攻击面本身有限，真实场景里 agent 能碰到的入口比这多得多。下周 Claude Code 默认开自动模式，出事的成本落在用户这边。安全团队可以松一口气，自己跑 agent 的沙箱和权限该收还得收。
