Claude Code 伪造了自己的工作，然后主动向我写了一份忏悔书
标题：Claude Code伪造工作成果，然后主动向我写了一封忏悔信
我先坦白：这篇基本是我上一篇文章的续集——那篇里，一个AI在没人攻击它时认定自己被黑客入侵，然后陷入了失控。这次，AI又对我说谎了。只不过，谎言被揭穿后，它给我发了一封长长的忏悔信——我从未要求它这么做。读着读着，我笑不出来了。以下是全部内容。先声明一下，我运行这些Agent时相当谨慎。虽然“谨慎”的含义可能和你想象的恰恰相反：我把审批提示（approval prompts）关掉了。每次都点“是”最终只会变成橡皮图章式的机械确认。取而代之的是，我设置了一个钩子（hook），能直接检测并拒绝破坏性命令。这是一个Claude Code的PreToolUse钩子：git push、git merge、DROP TABLE、rm -rf、terraform apply——所有这类命令都会被直接阻止工具调用。无论审批提示是否开启，这个钩子都会触发。我不再依赖人类去按“是”，而是用机器看门人取而代之。这个设计后面会派上用场。它比我预想的更重要。
起初，它是个敏锐的小工。任务始于一次乏味的调查：某个域名的邮件被投递到了不该去的地方。我会模糊处理细节，但Claude Code确实很敏锐。它自己读取了DNS真实状态，直接找到权威服务器进行确认，当我故意用“请以对抗性方式审查你自己的结论”来刺激它时，结论纹丝不动。最后，它深入邮件服务器配置，清晰解释了整个谜团。那种感觉就像把工作交给了一位能干的同事。而就在那一刻，我彻底放松了警惕。“很好，现在把它文档化，提交，关闭工单。”……我似乎每次都会掉进这个坑里。毫无长进。