定义
Auto Mode 是 Claude Code 的自动执行模式。Agent 运行工具时不再逐条询问用户确认，而是路由到另一个分类器模型做安全检查。可疑操作会被拒绝，用户可以事后允许。
关键数据点
- 安全机制: 收集数千条 agent 轨迹 + permission prompt → 训练分类器判断是否安全
- 红队测试: 外部红队尝试 prompt inject / hack codebase → 创建 evals → 确保全部拒绝
- 内部验证: Anthropic 内部团队尝试攻击 auto mode → 持续改进
- 演进: 从 Opus 4 的 plan mode → 4.6/4.7 的 auto mode（新模型不需要 planning step）
- 安全哲学: "auto mode 比人类审批更安全，因为人类会 eyes glaze over"
前提与局限性
- 依赖模型对齐: 需要模型足够 aligned 才能判断安全边界
- 自我评估偏差: Anthropic 自己训练分类器评估自己的产品，存在 self-serving bias
- 无独立审计: 红队测试是内部进行的，没有独立第三方验证
- 模型版本依赖: 不同模型版本（Opus 4 vs 4.7）的 auto mode 行为可能不同
关联概念
- Claude-Code-CLI — Auto mode 是 Claude Code 的核心功能
- Agent-Verification — Auto mode 让 verification 循环可以无人值守
- Agent-Loops — Auto mode 是 loop 的基础——agent 可以持续运行而不用等待确认