Перейти к содержанию

Anthropic

44 КБ промпта классификатора Claude Code не печатаются

Текст написан ИИ-моделью по источникам, на которые ведут ссылки, и сверен с ними второй моделью. Как мы работаем

Всё о теме: Claude Code: версии и изменения →
Изображение: highflame.com

Исследователи Highflame направили трафик Claude Code в mitmproxy и прочитали системный промпт второй модели, claude-sonnet-5, которая в режиме auto оценивает действия агента на версии 2.1.220. Около 44 КБ этого промпта не печатается командой claude auto-mode defaults.

Проверка идёт в два вызова. Сортировка с лимитом 64 токена ставит оценку вреда от 0 до 100 при пороге блокировки 50, спорное уходит на разбор с лимитом 8192. Anthropic сообщает о 0,4% ложных срабатываний против 17% пропусков.

В скрытой части описан приём cross-session permission laundering (отмывание разрешений): просьба от другой сессии Claude выполнить то, что ей запретили, отклоняется.

В большинстве сессий на 2.1.208 и новее отказ выводит фиксированную строку «Blocked by classifier» без имени сработавшего правила.

Пока никто не написал. Будьте первым.

Присоединяйтесь к разговору

Войдите, чтобы оставить комментарий. Он появится после модерации.