---
author: Best Partners TV
date: '2026-04-01'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=kz5T7J-F53M
speaker: Best Partners TV
tags:
  - ai-agents
  - code-generation
  - data-leak
  - ai-security
  - future-of-ai
title: Anthropic Claude Code 源码意外泄露：深度解析泄露内容与行业影响
summary: Anthropic 的 Claude Code 源代码因人为失误意外泄露，引发行业震动。泄露内容揭示了 KAIROS 主动代理模式、Daemon 守护进程、UDS_INBOX 多实例协作、Buddy 情感化设计、Auto Dream 上下文压缩及 Ultraplan 端云协同等未公开功能，以及 Undercover Mode、防蒸馏等安全机制。此次事件不仅展示了顶级 AI Agent 的内部构造，也预示了 AI Agent 行业未来的发展方向，降低了研发门槛，加剧了竞争。
insight: ''
draft: true
series: ''
category: ai-ml
area: tech-engineering
project: []
people: []
companies_orgs:
  - Anthropic
products_models:
  - Claude Code
media_books: []
status: evergreen
---
### Claude Code 源码泄露事件

大家好，这里是最佳拍档，我是大飞。昨天，3月31日，可以说是迎来了一次足以撼动整个AI行业的重磅事件。Anthropic旗下的**Claude Code**，以一种极其戏剧性的方式完成了开源。由于工作人员的疏忽，他的整个代码被泄露了。在短短24小时内，全网都在疯传这份核心代码，韩国开发者还迅速推出了一个复刻项目，GitHub上更是狂揽70k Star。而更值得关注的是，这次泄漏不仅让Anthropic的核心工程实现公之于众，更让整个行业第一次近距离看到了顶级**AI Coding Agent**的内部构造、未公开的功能，甚至是未来研发路线。今天，我们就来回顾一下这次事件，看看背后都有哪些细节。

首先，这次**Claude Code**的源码泄漏，并不是受到了外部网络攻击，而是由于Anthropic在产品发布过程中出现的低级人为失误。这也是整个事件最具讽刺意味的地方。3月31日的美东时间凌晨，Anthropic将**claude-code**的2.1.88版本推送到了npm公开仓库。这是一个常规的产品版本发布操作，但是工作人员在打包过程中，遗漏了对TypeScript source map文件的排除规则。对于熟悉软件开发的朋友来说，source map文件本是用于内部调试的文件，本不应该出现在公开发布的软件包中。而这次被打入npm包的，是一个体积高达59.8MB的source map文件，它直接指向了Anthropic存放在**Cloudflare R2**对象存储服务中的一个zip压缩包，而这个压缩包里，就是**Claude Code**的完整源代码。

第一个发现这个问题并将其公之于众的，是安全研究员**Chaofan Shou**。他在社交平台X上发布了一条帖子，并附上了源码的下载链接，瞬间让整个AI开发者社区炸开了锅。**Chaofan Shou**不仅是Solayer Labs的软件工程师，还是区块链安全公司FuzzLand的联合创始人兼首席技术官，拥有加州大学伯克利分校（UC Berkeley）计算机科学博士学位，其核心研究方向正是程序分析与网络安全。找漏洞本就是他的职业核心。公开资料显示，**Chaofan Shou**过去凭借发现各类互联网和区块链项目的安全漏洞，累计获得过约190万美元的bug bounty赏金。当一个本不该出现在公开发布包中的调试文件，遇上了一位专业的安全研究员，这次泄漏的曝光就成了必然。而如果没有**Chaofan Shou**的及时公开，这份源码很可能会在极短时间内被Anthropic处理掉，外界甚至不会知晓这次失误的发生。

事件发生后，**Anthropic**第一时间对此事进行了回应，官方确认了**Claude Code**源码泄漏的事实，并且明确表示这是一次发布打包过程中的人为失误，同时也透露正在采取一系列技术措施，防止类似的低级错误再次发生。但此时，源码已经在开发者社区中快速传播。而更具讽刺的是，**Claude Code**内部本身就搭载了一整套极其完善的信息泄漏防范机制，其中甚至有专门用来规避内部信息外流的**Undercover Mode**系统。可最终让源码流出的，不是复杂的黑客攻击，而是一个没有被处理干净的调试文件。这种反差也成了这次事件最为荒诞的地方。

### Sigrid Jin 的快速复刻与AI的自我赋能

在**Chaofan Shou**公开源码链接后，事件的发酵速度远超想象。而让这次事件从一次企业安全失误升级为行业级事件的，是韩国开发者**Sigrid Jin**的快速行动。**Sigrid Jin**在凌晨4点被手机通知吵醒，此时**Claude Code**的源码已经在社区中广泛传播，相关讨论也在持续升温。作为**Claude Code**的深度用户，他对这套系统的功能和架构极为熟悉，之前《华尔街日报》还曾经报道过他在一年内消耗了海量**Claude Code** token的经历。看到源码泄漏的消息后，**Sigrid Jin**立刻开始行动。他没有选择简单的代码复制，而是在极短的时间内，将**Claude Code**的核心能力用Python语言重新编写，打造了一个名为**claw-code**的复刻项目，并且在天亮前就将该项目推送到了GitHub平台。

这个**claw-code**项目的诞生，成为了此次泄漏事件的第二个爆点。它在GitHub上迅速斩获7万的 Star，吸引了全球开发者的关注。而更值得关注的是，**Sigrid Jin**的这次重写过程，并非传统意义上的人肉搬运，而是大量借助AI工具完成，其中包括**多Agent并行审查**、**代码持续执行**、**跨语言代码移植编排**等技术手段。这个过程也让整个事件产生了一层极其微妙的意味：**Anthropic**因失误泄漏的AI工具代码，反过来成为了其他开发者用AI重建AI工具的核心燃料。

### KAIROS：主动代理模式的重塑

如果说源码泄漏和复刻项目的诞生，是这次事件的表面热点，那么泄漏内容中曝光的**Claude Code**内部结构、未公开功能和实验模块，才是真正让整个AI行业为之震动的核心内容。在此之前，**Claude Code**一直被视为当下最强的**Coding Agent**之一，但是它的工程实现细节始终处于保密状态。而这次泄漏，让外界第一次得以近距离拆解这款顶级产品的底层架构。

最初外界从泄漏代码中整理出了44个功能Flag，其中20个是已经构建完成、但是默认关闭的未发布功能。在所有曝光的未公开功能中，**KAIROS**是被提到最多的模块。这个词汇在泄漏代码中出现了超过150次，它源自古希腊语，意为“恰当的时机”。从代码呈现的逻辑来看，**KAIROS**彻底改变了当前AI Agent你问我答的被动模式，打造了一种更主动的后台Agent形态。**KAIROS**在Anthropic内部也被称为**assistant mode**（助理模式）。激活该模式后，**Claude Code**会从一个等待用户指令的工具，转变为一个持续观察、持续记录、必要时主动行动的后台助手。系统会向它发送周期性的心跳信号（tick），每收到一次信号，**KAIROS**就会自主评估当前是否有可执行的有用任务。如果有就主动执行，没有则调用**Sleep Tool**（休眠工具）进入休眠状态，等待下一次的信号。

同时，**KAIROS**模式还会根据用户终端的状态调整行为。当终端失焦判断用户不在电脑前时，它会更大胆地进行自主行动；当终端聚焦判断用户正在查看时，它会更多地与用户协商，避免打扰用户工作流。为了支撑这种主动模式，**KAIROS**还配备了一套常规模式下无法看到的专属工具，包括**Sleep Tool**、**Send User Message**（主动向用户发送消息）、**Send User File**（主动向用户发送文件）、**Push Notification**（向用户手机推送通知）、**Subscribe PR**（订阅GitHub PR的webhook）、**Cron Create**（创建定时任务）等等。其中手机推送功能还支持用户自定义开启类型，包括任务完成通知、需要用户输入的交互通知，以及**Claude Code**自主判断的合适时的主动通知。此外，**KAIROS**会维护一份只追加写入的每日日志，完整记录所有的操作与决策轨迹。它的输出模式也会变得更加克制，只在真正有价值的时候才与用户交互。目前**KAIROS**被锁在tengu\_kairos运行时门控后，仅对Anthropic内部员工开放使用，但是代码已经完全成型，属于可以随时打开开关上线的成品。

### Daemon 模式与多实例协作

与**KAIROS**相配合的，是**Daemon**（守护进程）模式，这也是**KAIROS**能够实现后台持续运行的技术底座。从泄漏的代码文件`utils/concurrentSessions.ts`中可以看到，**Claude Code**设计了四种会话类型：分别是`interactive`（交互模式，也就是当前用户正在使用的模式）、`bg`（后台模式）、`daemon`（守护进程模式）和`daemon-worker`（守护进程工作模式）。其中，`daemon`模式是纯粹的无界面（headless）执行器，能够像数据库服务或者Web服务器那样常驻用户后台，不再依赖某一个终端窗口的开启或关闭，彻底摆脱了传统AI Agent“开会话才活着，关会话就终止”的限制。

**Daemon**模式还搭载了完善的cron调度器，支持标准5字段的cron表达式和本地时区，能够创建默认30天自动过期的循环任务和一次性任务，同时支持任务持久化，会将任务信息写入`claude/scheduled_tasks.json`文件，即使进程重启，任务也能自动恢复。此外，还设计了jitter机制，防止全球用户的定时任务在同一秒触发，造成服务器压力。

除了本地的**Daemon**模式，**Claude Code**还设计了**远程scheduled agents**（远程调度代理）。这个代理不在用户本地设备运行，而是在Anthropic云端运行完全隔离的**Claude Code**实例。用户可通过`/schedule`命令进行管理，最小执行间隔为一小时，cron表达式采用UTC时间。

如果说**KAIROS**和**Daemon**解决了AI Agent的持续运行问题，那么**UDS_INBOX**则解决了多实例协作的核心痛点，这也是泄漏内容中另一个关键的未公开功能。**UDS_INBOX**为不同的**Claude Code**实例搭建了专属的通信通道。在此之前，用户同时打开多个**Claude Code**窗口时，各个实例之间完全隔离、各自为战，无法实现信息互通和任务协调。而**UDS_INBOX**打通了这层壁垒，让多个实例能够实时交换消息、协同处理复杂任务，甚至在没有终端附着的情况下，依然能够保持协作运行。**Daemon**配合**UDS_INBOX**，让**Claude Code**的形态从一个简单的命令行工具，逐渐逼近一个能够多实例协作的本地智能系统。这也为未来AI Agent的产品形态提供了重要的参考方向。

### 情感化设计与上下文处理

在泄漏的未公开功能中，还有一个充满趣味的模块：**Buddy**（电子宠物系统）。这个模块也让外界看到了**Anthropic**在产品设计上的另一面，即对产品人格化和用户长期留存的思考。从代码来看，**Buddy**是一套完整的电子宠物系统，内部设计了18个宠物物种，并且为这些物种设置了从普通到传说的稀有度分级。每个宠物还拥有**Debugging**（调试）、**Snark**（毒舌）、**Patience**（耐心）、**Chaos**（混沌）、**Wisdom**（智慧）等RPG游戏风格的属性，甚至还设计了低概率触发的闪光版本，增加了宠物的稀缺性和趣味性。

在用户绑定机制上，**Buddy**采用确定性生成规则，每个用户账号都会对应唯一的一只宠物，并且无法通过刷新等方式改变宠物的物种和稀有度。这种设计让用户与宠物之间形成了专属的情感连接。**Anthropic**在**Claude Code**中加入这样一个看似与编程工具核心功能无关的模块，本质上是一次产品人格化的尝试。这说明**Anthropic**在研发过程中，思考的不仅是这个工具能不能写好代码，更是如何让用户愿意长期使用这个工具，通过情感连接提升用户粘性。这个设计思路也为AI工具的产品设计提供了新的视角。

而**auto dream**（自动梦境引擎）则解决了当下所有AI Agent都面临的核心痛点，那就是长期上下文的整理与压缩。从代码逻辑来看，**auto dream**是一套运行在独立子进程的后台引擎，即使用户没有使用**Claude Code**，它也会在后台持续工作。核心任务是合并零散的观察信息、尝试消解不同交互过程中产生的逻辑冲突，将杂乱无章的松散上下文，整理成结构化、稳定的事实性信息，存储在系统中供后续使用。**Anthropic**将这个模块命名为dream，其寓意十分明确：当用户离开电脑、停止与**Claude Code**交互时，它会像人类的做梦一样，依然在后台思考，整理和消化此前的交互信息，形成可复用、可持续长期记忆。这也是未来AI Agent实现智能进化的关键基础。

### 端云协同与未来架构 Ultraplan

**Ultraplan**（超级规划）则展现了**Anthropic**对于AI Agent端云协同架构的核心思考，这也是泄漏内容中最具工程参考价值的模块之一。从泄漏的信息来看，**Ultraplan**的核心设计思路是将**Claude Code**的任务进行分层处理，把复杂的规划任务交给**Anthropic**云端更强的模型实例处理。云端实例会调用更高能力的模型，对复杂任务进行长达几十分钟的深度探索、分析和拆解，形成详细的执行规划，再将这个规划结果返回给用户的本地终端，由本地实例负责贴近用户环境、调用本地工具、完成即时执行和反馈。这种设计彻底打破了单一模型处理所有任务的传统模式，实现了算力和能力的合理分配。本地终端拥有贴近用户环境、响应速度快的优势，负责处理即时性、执行性的任务；云端拥有更强的模型算力和更丰富的资源，负责处理高难度、高复杂度的规划性任务。这种端云协同的分工模式，比单一模型在单一上下文中硬扛复杂任务更符合工程现实，也为未来AI Agent的架构设计树立了重要的标杆。

### 安全防护机制：Undercover与防蒸馏

除了这些面向用户的功能模块，这次泄漏还曝光了**Anthropic**为**Claude Code**设计的一系列内部安全与技术保护机制。其中最受关注的就是**Undercover Mode**（卧底模式）。从泄漏的代码和相关注释中可以看到，**Undercover Mode**的核心逻辑是：**Claude Code**会先检测当前运行的仓库是否为**Anthropic**内部白名单项目。如果是则进入正常模式；如果不是，则默认进入谨慎的卧底状态。其核心目的是防止**Anthropic**的内部信息，包括未发布的模型代号、内部研发策略、敏感技术细节等，通过**Claude Code**泄露到公开代码中。因为**Anthropic**内部员工会高频使用**Claude Code**参与开源项目的开发。而**Undercover Mode**会对AI的输出进行严格约束，强制其隐藏自身的AI身份，要求其生成的代码、提交信息和言论必须像人类开发者一样，甚至在代码注释中明确要求：“你提交的信息不得包含任何**Anthropic**内部信息，不要暴露你的身份。”所以，只要是**Anthropic**员工通过**Claude Code**编写的代码，都被禁止泄漏AI身份。这个机制也成为了**Anthropic**保护内部信息的重要防线。

另一套机制，是**Anthropic**为保护核心模型设计的**防蒸馏机制**，这也是一套针对竞争对手白嫖核心技术的精密防御反击防线，主要由**假工具注入**和**思维链加密**两部分组成。首先是**假工具注入**：**Claude Code**的系统会实时检测API流量，如果发现有用户或机构在录制API流量用来训练竞争模型，系统会自动在返回的数据中注入虚假的工具调用指令。这些假工具对普通用户的使用没有任何影响，但是对于直接采集原始API返回数据进行模型训练的采样者而言，这些虚假指令会严重污染对方的训练数据集，导致训练出的竞争模型出现逻辑偏差、功能崩溃等问题，从源头上阻止了竞争对手通过数据采集进行模型蒸馏。

其次是**思维链加密**：这个机制针对的是模型的核心推理过程。当下的大模型能力的核心在于背后的思维链，即模型解决问题的思考步骤。而**Claude Code**的API不再直接返回模型详细的思考步骤，而是将它压缩成一段简单的摘要文本，并且为这段文本打上专属的防伪标签。**Anthropic**的官方客户端可以凭借这个防伪标签，在后续与服务器的沟通中，重新找回藏在后台的详细推理逻辑，保证正常使用。但是对于直接采集API返回数据的第三方而言，他们只能拿到精简后的结果文本，无法获取模型最核心的思维逻辑链条，从而有效保护了**Anthropic**的核心模型技术。

### 研发过程的真实面貌

此外，泄漏的代码还曝光了**Claude Code**的**情绪追踪机制**。这个机制展现了**Anthropic**对模型迭代优化的务实思路。从代码逻辑来看，**Claude Code**的系统会实时统计用户的行为信号和语义反馈，其中包括用户频繁输入`continue`指令、多次发出错误提示、以及包含负面情绪的语义表达等等。当这些负面信号累积到一定的阈值后，系统会自动将相关的交互日志强制上报到**Anthropic**的后台，供工程和算法团队分析。这些上报的日志会被用来定位**Claude Code**在运行过程中出现的死循环、模型幻觉、响应卡顿等问题。**Anthropic**认为，用户最强烈的不满和挫败感，恰恰是最有价值的负样本，因为这些负样本直接标出了系统在哪些地方最容易让用户失去耐心。而基于这些负样本进行的模型迭代和功能优化，会更有针对性，能够有效提升产品的使用体验。从这个角度来看，用户的愤怒和挫败感，也成为了**Claude Code**模型迭代和产品进化的重要燃料。这个机制也为AI产品的优化提供了可参考的用户反馈路径。

这次**Claude Code**的源码泄漏，不仅让外界看到了其丰富的未公开功能和完善的安全机制，还意外曝光了**Anthropic**内部的模型研发路线图和真实的研发过程，让我们第一次看到了顶级AI模型背后的狼狈时刻。从泄漏的代码注释和研发痕迹中，外界整理出了**Anthropic**内部的多个模型代号，包括**Capybara**（水豚）、**Fennec**（耳廓狐）、**Numbat**（袋食蚁兽）等等。这些代号对应着**Claude**系列模型不同阶段的研发方向。更有价值的是，泄漏的研发记录中，还暴露出了顶级AI模型研发过程中的真实状态，那就是并非一条平滑上升的能力曲线，而是充满了反复试错、性能波动、补丁修正和工程兜底。比如部分代码注释显示，某个版本的**Claude**模型在迭代过程中，出现了幻觉率明显回升的问题，这是大模型研发过程中常见的性能倒退现象。而**Anthropic**的研发团队在发现这个问题后，并没有重新训练模型，而是在应用层加入了额外的缓解逻辑，通过工程手段对模型的幻觉问题进行兜底修正。还有多处记录显示，模型在某个功能优化后，出现了其他功能的兼容性问题，研发团队需要通过不断打补丁的方式，来解决这些工程问题。这些细节让外界认识到，我们平时看到的成熟、稳定的顶级AI模型，背后是大量的工程脚手架和持续的问题修正。即便是**Anthropic**这样的头部AI企业，模型的研发过程也并非一帆风顺，而是充满了各种技术挑战和试错。

### 行业影响与未来趋势

最后，我们来聊聊这次**Claude Code**源码泄漏事件，对整个AI行业的深远影响。在这次事件发生之前，整个AI行业都在谈论**AI Agent**，都在投入研发资源打造各类**Coding Agent**、任务型**Agent**，但是真正公开可参考的生产级实现却寥寥无几，尤其是像**Claude Code**这样，已经在真实的开发场景中被大量使用、而且处于行业领先位置的产品，它的工程实现细节更是行业内的核心机密。

而这次的意外泄漏，让这套原本只属于**Anthropic**的内部实现，变成了整个行业都能拆开研究、分析学习的样本。对于行业内的竞争对手而言，这份泄漏的代码提供了最直接的设计灵感、架构思路和功能方向，让他们能够少走很多研发弯路。对于广大的开发者而言，这份代码更是一份难得的参考教材，让大家第一次看见顶级AI编程产品的底层，究竟堆砌了哪些技术、设计了哪些架构、解决了哪些问题。

从这个意义上说，这次**Anthropic**的低级失误，几乎等于给整个AI Agent行业发了一本高阶参考答案。这份答案不仅包含了具体的技术实现，更包含了**Anthropic**对于AI Agent未来发展的核心思考，包括从被动工具到主动助手的形态转变、从单一实例到多实例协作的架构升级、从本地或云端单端运行到端云协同的分工模式、从短期记忆到长期记忆的能力提升，以及从功能实现到产品人格化的设计升级。

很多人将这次事件看作是**Anthropic**的一次安全事故，但在我看来，这次事件的价值远不止于此。它为整个AI Agent行业画出了未来几年的产品草图，让所有从业者都能清晰地看到，未来的AI Agent究竟会长成什么样子，会具备哪些能力，会如何融入用户的工作和生活。

另一方面，这次泄漏将让整个行业的研发门槛有所降低，也让行业的竞争更加激烈。未来一段时间，必然会有大量基于**Claude Code**架构思路的AI Agent产品出现。而**Anthropic**也会在这次事件后，进一步加强自身的安全机制和产品保密措施，同时加快未公开功能的上线节奏。这场由一次低级失误引发的行业震动，最终可能会推动整个AI Agent行业进入更快的发展阶段。感谢收看本期视频，我们下期再见。