Claude Code 的代码安全困境：插件机制齐全，却绕不开模型幻觉
💡
原文中文，约3600字，阅读约需9分钟。
📝
内容提要
Claude Code 正在构建插件化 AI 安全体系，但其安全机制依赖模型理解，导致信任缺失。Gitee CodePecker 报告显示，安全判断不可靠，误报率高达 86%。企业应确保安全设计底线，避免依赖模型行为，建立可控、可审计的安全体系。
🎯
关键要点
- Claude Code 正在构建插件化的 AI 安全体系，但其安全机制依赖模型理解，导致信任缺失。
- Gitee CodePecker 报告显示，Claude Code 的安全判断不可靠，误报率高达 86%。
- 企业应确保安全设计底线，避免依赖模型行为，建立可控、可审计的安全体系。
- Claude Code 的插件机制虽然启发性强，但不能替代工程化防线。
- 技能体系的动态加载依赖模型理解用户意图，可能导致安全建议被跳过。
- MCP 模型上下文协议存在盲区，缺乏签名与信任机制，可能成为供应链攻击入口。
- Claude Code 插件系统的调用链完整，但安全行为的触发机制依赖模型判断，存在结构性不可信。
- 报告实验显示，Claude Code 的真阳性率仅为 14%，审查结果不具可重复性。
- 安全防御体系的根基不应建立在模型的假设上，需具备可审计性与复现性。
- 企业在评估 AI 编码工具时，应明确划定安全设计底线，确保决策链条可预测。
- 安全控制应外置于模型，关键操作的权限判断应由平台控制。
- 安全边界必须物理隔离，避免逻辑假设带来的风险。
- 企业需将判断权、规则定义权和执行控制权掌握在平台手中，建立可控的 AI 安全体系。
➡️
