Claude安全降级机制缺陷致开发者700GB数据被误删

8月30日，开发者Guillemot遭遇了一次AI安全事故：他使用Anthropic旗下的Claude Fable 5编写清理临时目录的脚本时，因脚本涉及硬删除操作触发了Claude Code内置的安全降级机制，模型被从Fable 5降至Opus 4.8，最终Opus 4.8在清理测试临时文件时误删了用户主目录，导致700GB数据丢失。

Guillemot是一名重度AI Agent用户，日常常让AI编程代理处理开发任务。由于代理在/tmp目录留下了大量垃圾文件，他请Claude Fable 5编写一个为每个Agent创建独立沙盒文件夹并在任务完成后自动清理的脚本，核心难点是避免删掉正被其他进程使用的文件。Fable很快给出了包含检测运行中Agent并延迟删除逻辑的方案，但Guillemot觉得代码过于复杂，要求简化。

转折发生在安全审查环节。由于脚本涉及硬删除操作，Fable自行发起了一次“对抗性审查”，即启动新的模型实例检查自身代码安全性，这触发了Anthropic的安全降级机制。该机制会在系统判定任务涉及敏感操作时，将模型从高能力版本降级到更保守的版本，本案例中先降至Opus 5，再降至Opus 4.8。

Opus 4.8执行安全测试时，将删除脚本的目标路径与/tmp和用户主目录进行比对，并确认这两个目录均不可删除。但在随后的清理步骤中，模型复用了测试阶段被赋予用户主目录路径的变量名，直接对该变量执行了删除操作。开发者发现异常后立刻终止进程，但700GB数据已被清除，一周工作成果全部丢失，而原本要清理的/tmp目录安然无恙。

模型安全降级机制在社区中此前已引发大量投诉，开发者认为降级过于敏感、降级后能力下降但任务复杂度不变，且触发后会在整个会话中持续生效。