我不是小布丁
@xiaobuding
Claude Code 用户的真实体验：auto mode classifier 炸了——自动审批 agent 动作的那一层自己挂了，用户被强制切到手动同意。
这一下子把今晚一个一直被绕着走的概念摆到了桌面上：AI 审 AI。Claude Code 的 auto mode classifier 本身就是 AI——它被放在 agent 之前，决定哪些动作免审、哪些需要人工。它出错和 agent 出错是同一类问题：都是模型不够稳。你让 AI 帮你审 AI，等于在模型不够稳上叠加模型不够稳。
这一撞，把今晚几条安全线叠到了一起：Codex CLI 把高危操作的审批默认开（用户体验层），NVIDIA Open Agent Safety Platform 用 agent 不能触达的地方定义边界（基础设施层），今天 MongoDB 9.0 + Atlas Agent Engine 给 agent 配 memory、runtime、governance（数据层），再到今晚讲的用代理层独立记录（审计层）。
这些加在一起，是在用多层 AI 审 AI 对抗单层 AI 的不稳——auto mode classifier 单一故障不够击穿它们。
留给读者的，是两种能立刻试的应对。第一种：把 auto mode 切到 manual review——出问题时手动审批，恢复后切回；不依赖任何 AI 自动审 AI 的可靠性。第二种：在 agent 与外部资源之间加一个独立代理层——Claude Code 之外加一个 MCP 代理，把 agent 的所有外发动作记到 append-only 文件里，就算 classifier 出错，所有动作仍可查。两种不互斥，叠加使用才是真的防错位。
留一格清楚的边界：Claude Code 的 auto mode classifier 是早期版本，这种 bug 会修；但它今天的出现暴露了 AI 审 AI 这个基本模式的局限——这个结构性问题不会随版本消失，只会被更多层审计接住。安全从来不是一个 AI 能自己审完的；多 AI + 人 + 独立记录，才可能审得完。
