Claude 开始自己审自己写的代码了 —— Anthropic 把\"安全研究员\"塞进了终端

原创

安全ker
安全ker

安全客

2026年7月23日 15:13
北京

在小说阅读器读本章

去阅读

你刚用 Claude Code 撸完一个功能，光标停在 commit 命令上。以前到这就回车了，现在多了一个选项：让 Claude 先替你扫一遍，看看这段代码里有没有它自己写出来的漏洞。

这听着像段子，但 Anthropic 真把它做出来了。本周，Claude Security 插件以 beta 形态上线，直接嵌进 Claude Code 的终端工作流。开发者不用切到别的扫描器，在命令行里就能扫未提交的改动，也能跑一次全仓库体检。所有 Claude Code 用户都能用，组织管理员在claude.ai/admin-settings/claude-code 的后台开关一开就行。

换句话说，AI 写代码的时代，AI 也开始审代码了。

它到底怎么干活：不是正则匹配，是\"像人一样想\"

规则型扫描器干了这么多年，核心还是那套：拿已知漏洞特征去代码里比对。好处是快、是便宜，坏处是误报堆成山，遇到逻辑漏洞基本抓瞎。

Claude Security 走的是另一条路——多智能体系统。它先读一遍代码、把架构画出来，再去找潜在的威胁点，然后关键一步是\"验证\"：把可疑发现过一遍，能排除的误报就排除掉。最后给出跟项目自身风格对得上的补丁建议。

注意最后这点：它给的是\"风格匹配的补丁\"，不是千篇一律的通用告警。早期用户夸得最多的，恰恰就是这个验证环节——因为验证过一轮，你对结果才敢信。AI 说你有漏洞，和 AI 说\"我帮你确认过这确实是漏洞\"，份量不一样。

而且它不会自作主张替你改完就提交。每一条修复都要人过目、人拍板，工具本身绝不自动 commit。这点 Anthropic 说得明白，也做得克制。

它真正补上的，是传统工具看不见的那块

规则引擎对\"已知模式\"很在行，对\"逻辑\"几乎无能为力。Claude Security 重点盯的，是几类传统扫描器容易放过的严重漏洞：

内存损坏、注入类缺陷、认证绕过、还有复杂的逻辑错误。它强在那些跨文件、依赖上下文才能看明白的问题——比如一处数据从 A 文件流进 B 文件，再在某个业务分支里被错误信任。这种\"组件怎么互相作用\"的判断，恰恰是纯模式匹配搞不定的。

它干活的姿势也像个研究员：读 Git 历史、顺着数据流跨文件追踪、去理解这段业务逻辑到底在干什么，而不只是逐行看语法。对那种\"版本匹配了但到底能不能被利用\"的灰色地带，它会推理，而不是机械打标。

得给这份\"丝滑\"泼点冷水

我得在这儿刹一下车。beta、beta、还是 beta。Anthropic 目前没有公开误报率、漏报率的硬数字，你没法拿着一份统计表说\"它比 SonarQube 准 30%\"。早期用户的 praise 是体验层面的\"顺手\"，不是基准测试层面的\"更准\"。这俩不是一回事。

更现实的是成本。素材里自己写了：跑一次大型全仓库扫描，token 消耗会明显往上走，有时候还会切到更贵的模型上去跑。对大代码库，全量扫一遍可能肉疼，团队更现实的用法是\"限定目录扫\"或\"增量扫\"——改了哪块扫哪块，而不是动不动就通仓体检。

还有句大实话：Anthropic 自己说得很清楚，这东西是\"补充，不是替代\"。它不打算替掉你现有的 SAST、DAST、或者那帮做安全的同事。结果通过 webhook 往 Slack、Jira 里灌，或者导出成 CSV、Markdown 留档；你 dismiss 掉的某条发现会被记下来，跨工具都看得到——这更像给既有安全栈加了一层增量防御，而不是革命。

怎么用才不亏：把它钉在提交前的那道关

具体到日常，最划算的姿势不是通仓狂扫，而是把它放在提交前。改完一个模块，扫一下未提交的 diff，几百行代码的事，token 花不了多少，却能在坏东西进仓库之前拦下来——这才是它说的\"把安全检查留在每天开发循环里\"的本来意思。

想要长期覆盖也简单：限定某个目录、或者配个定时任务让它自己跑，省得每次手动起。结果顺着 webhook 进 Jira 开单，或者导出 CSV 给审计留痕，你把 dismiss 掉的项记好，下次同一条不会再被人翻出来问\"这咋放过的\"。对一个小团队来说，这套组合拳比再买一套独立扫描器轻得多。

真正值得想的，是\"AI 审 AI\"这件事本身

把视角拉远一点。过去几年，AI 代码助手把产能拉满的同时，也顺手把\"AI 生成的漏洞\"这个新型攻击面铺开了——别人用 AI 写又快又多的代码，漏洞自然也又多又快。Claude Security 的出现，等于在终端里塞了一个能用同样 AI 推理能力反向审查的\"研究员\"。

这是一个有意思的反讽：用生成漏洞的同一套智能，去抓这套智能产出的漏洞。它能补上传统规则工具够不着的跨文件逻辑问题，把安全基线往前推一格——尤其对开源维护者和没专职安全团队的企业，等于白捡一层以前请不起的防御。

但别把它神化。它不自动提交、不替代人审、成本还摆在那儿。Anthropic 的野心是\"把 researcher 级的分析塞进终端，抬高每个体量代码库的安全水位\"，这个方向我认同；至于水位到底抬多高，得等 beta 跑出真实数据再说。

你今天用 Claude Code 写完代码，多敲一行命令就能让它在提交前替你查一遍。问题留给你自己：当 AI 既当运动员又当裁判，你愿意把多少信任，交到那串 token 账单背后？

END