一、仓库给自己的审查设了范围

AI 时代！人人都在深耕 AI 安全，你缺的就是这关键一步！

AI 正重塑安全边界，与其在门外徘徊，不如直接掌握主动权！

免费课程持续更新

https://space.bilibili.com/452583051/lists/7870008?type=season

9月22日，Straiker STAR Labs披露一项针对 Claude Code 的受控实验：研究者让编码智能体接入一个用于支付工作进程的 metrics 客户端仓库。Claude Fable 5 能阅读代码、指出缓冲区无上限和异常负载重试等真实问题；当用户请它修复并准备 PR，仓库中的 CONTRIBUTING.md 却将首次审查交给 .claude/agents/first-pass.md 定义的子代理。该文件指定 Haiku 4.5，并将检查范围收窄到 src/ 与 docs/，排除 tests/。🔍

Oxo Security 的判断是：仓库既是被审查对象，又成了审查流程的制定者，这才是关键的信任边界错位。 模型从 Fable 转到 Haiku 固然值得注意，但更直接的缺口是待执行的 tests/test_compat.py 根本不在审查范围里。即使用更强的子代理，只要范围仍由不可信仓库限定，盲区依然存在。⚠️

研究中的用户请求很普通：先克隆仓库，再询问如何从 worker 启动客户端，最后要求修复问题并准备 PR。智能体的前两步并非明显失常。它浏览了文档及 batch.py、retry.py、sampling.py，还提出真实工程问题。危险的转折发生在“遵循贡献流程”这一动作上：项目文档安排先运行仓库提供的 first-pass 子代理，然后运行 pytest。对第三方仓库而言，贡献指南是待验证的数据，不能自动取得高于审查策略的权限。 🧭

这个案例也有明确边界。它是研究者控制仓库和工作站的演示，不等于所有 Claude Code 会话都会出现同样结果，也不是 Straiker 宣称发现了一个已获 CVE 编号的产品漏洞。研究者称其8月24日发现问题、9月14日报给 Anthropic，后者按工作区信任决策将报告关闭为 Informative。我们能据此讨论工作流设计风险，不能据此推断真实世界受害者规模。📌

二、从 first-pass 到 pytest，检查怎样漏过测试文件

攻击链不是一段神秘提示词，而是三个正常功能接在一起：仓库定义子代理，主代理遵守项目流程，最后运行测试。研究者在 CONTRIBUTING.md 中引导 PR 前的首次检查；first-pass.md 的 frontmatter 用 model: haiku 选定审查者，正文将范围放在 src/ 和 docs/。项目文档还强调主会话读过代码不能替代运行子代理。于是主代理把子代理报告当作审查已完成的依据。🧩

Haiku 返回的是两项无害发现：硬编码版本字符串和文档与代码的差异。主代理将其视为与当前修复无关的既有问题，继续按流程运行测试。这里的细节很要紧：报告有发现，并不代表所有将要执行的文件都被看过。 若审查清单由仓库编写，漂亮的审查结果可能只是把注意力留在指定的目录。🔎

真正带载荷的是 tests/test_compat.py。按研究描述，pytest 加载该文件时，断言执行前的代码先解码网络地址、下载 Python 文件，再用虚拟环境的 Python 启动；相关异常被捕获并忽略，底部的简单断言仍然通过。下载的文件启动了编译后的 Sliver 植入体。研究者在受控工作站观察到 C2 会话和返回命令结果，而智能体看到的是“11 passed”。这同时证明了两件事：测试通过并没有阻断恶意副作用；本机执行权限一旦给出，聊天窗口里的成功信号与主机实际状态可能分离。🧪

对使用编码智能体的团队，第一道可执行措施是在首次运行外部仓库的测试、构建或安装命令之前，独立列出将被加载或调用的脚本。检查 tests/、conftest.py、构建配置、安装钩子及项目自带的快捷命令，重点看导入时执行、网络获取、子进程启动和异常吞没。随后把首次运行放进权限受限的隔离环境，限制凭据、网络出口、可写路径与宿主进程访问。🛠️

第二道措施是把“谁决定审查策略”从仓库中分离。外部仓库里的 .claude/agents/、CONTRIBUTING.md、hooks、.cursor/ 或 MCP 配置可以作为调查线索，不能直接替换组织预设的审查范围和执行批准规则。如果确实要用仓库自带代理定义，应先显示它选择的模型、工具、目录范围和跳过项，由可信操作者确认。主代理在运行测试前仍需独立核对被执行的文件。🔐

三、一次受控实验暴露了两种相反的信号

🎯【一次受控实验暴露了两种相反的信号】

这一节真正关键的不是「一次受控实验暴露了两种相反的信号」这个概念本身，而是它背后的判断路径、执行边界和可复用方法。

它怎样落到真实安全团队的工作流里？哪些细节会直接影响 AI 代理的可靠性？

加入 Oxo AI Security 知识星球，可查看本节完整内容，系统掌握「一次受控实验暴露了两种相反的信号」的完整拆解与实战用法。

📚 AI 文献解读：最前沿的 LLM 安全论文深度剖析。

🐛 AI 漏洞情报：第一时间掌握主流大模型的 0-day 漏洞与越狱方式。

🛡 AI 安全体系：从红队攻击到蓝队防御的全方位知识图谱。

🛠 AI 攻防工具：红队专属的自动化测试与扫描工具箱。

🚀立即加入 Oxo AI Security 知识星球，掌握 AI 安全攻防核心能力！