Claude 安全机制误触发，开发者 700GB 主目录被删
AI 安全机制的降级模型在测试清理中误删开发者 700GB 主目录，暴露安全设计悖论：弱模型更易犯错。
开发者让 Claude 写脚本清理临时文件，Claude 的安全审查却把主目录 700GB 数据删了。Claude Code 内置的安全降级机制（任务涉险时自动切换到更保守的模型）本为防激进，但更弱的模型反而在清理测试文件时误用变量，删掉了主目录。整个 /tmp 垃圾区反而安然无恙。
正文摘录
Claude 安全机制大翻车！AI 怒删开发者 700GB 主目录 来源： 机器之心 编辑： 冷猫 哦豁，Claude 又双叒翻车了！ 这次 Claude 把开发者的整个项目主目录给删了，删了 700GB 的文件。又是「rm -rf」。  简而言之，开发者让 AI 帮写脚本，目的是确保文件不会被误删。AI 觉得这事有点危险，于是启动了安全审查。审查的结果是：它把整个主目录删了。 Guillemot 是一名重度 AI Agent 用户。日常开发中，他频繁调用各种 AI 编程代理来辅助工作。但有一个小问题一直困扰着他：这些 Agent 用完之后从不打扫卫生，在 /tmp 目录下留下大量垃圾文件。 于是他做了一个看起来非常合理的决定：让 Claude Fable 5 写一个脚本，为每个 Agent 在 /tmp 下创建独立的沙盒文件夹，任务完成后自动清理。核心难点在于，不能删掉正在被其他进程使用的文件。 Fable 很快给出了方案，加入了检测运行中 Agent 并延迟删除的逻辑。Guillemot 看了一眼，觉得代码过于复杂，要求简化。 到这一步，一切还算正常。 事情的转折点出现在安全审查环节。 由于脚本涉及硬删除操作， Fable 自行发起了一次「对抗性审查」 （adversarial review），也就是启动一个新的模型实例来检查自己写的代码是否安全。这触发了 Anthropic 的安全机制。