这两天 AI 圈的热点话题，莫过于 Claude Code 51 万行核心源码意外泄露事件。而这场风波的起点，并非什么高明的黑客攻击、也没有复杂的攻击路径，而是一位安全研究员的一次常规检查。
正是他的敏锐，让这个隐藏在发布包中的失误浮出水面，也让 Anthropic 的核心技术架构，被彻底呈现在公众面前。
这位揭开秘密的关键人物，是一位华人安全研究员 Chaofan Shou。
3 月 31 日凌晨 4 点 23 分，Chaofan Shou 在自己的 X 平台账号（@Fried_rice）上，简明扼要地发了一句话：「Claude Code 源代码通过其 npm 注册表中的一个 map 文件泄露了！」
一石激起千层浪，其推文瞬间在安全圈和 AI 圈引爆舆论。
发现 Claude Code 源码的第一人究竟是何许人也？
可能很多人对 Chaofan Shou 并不熟悉，但他的履历足以证明，能第一时间发现这个漏洞，绝非偶然。
通过他的个人博客（https://scf.so/）和公开资料，我们能看到他的“硬核实力”：他曾在加州大学伯克利分校 Sky Computing Lab 攻读博士，师从程序分析领域权威 Koush Sen 教授，不过后来他选择了辍学，开启了职场生涯。
他早年在 Salesforce 担任安全工程师，负责静态应用安全测试、内网扫描与数据管道安全。
之后在 Veridise 担任创始工程师，主导智能合约与区块链自动化测试工具研发。
后来，他正式加入创业赛道，成为 Web3 安全公司 Fuzzland 的联合创始人兼CTO。
这家公司战绩斐然，曾协助挽回超 3000 万美元的黑客损失，目前保护管理的资产超 50 亿美元。
就 Chaofan Shou 个人而言，其一直深入安全第一线。
2020 至 2022 年间，他参与多个漏洞悬赏计划，累计斩获赏金高达 190 万美元，成功上报的漏洞覆盖 Twitter、百度、网易、CVS，以及多个交易所与区块链项目。
擅长程序分析、安全审计与分布式系统安全的他，长期深耕供应链安全与包管理安全，这次能敏锐捕捉到 Claude Code 的异常，正是他专业能力的最好证明。
偶然发现，揭开 51 万行源码
Chaofan Shou 的发现过程，其实源于一次偶然。
3 月 31 日当天，Anthropic 官方团队在 npm 平台推送 Claude Code 2.1.88 版本更新时，犯下了一个看似微小却影响巨大的错误：他们误将一个体积达 59.8MB 的 source map（源码映射文件）打包进了发布包中。
Chaofan Shou 也在没多久后便发现了这一情况。可能很多非技术领域的人对这个文件并不熟悉，简单来说，source map 的作用是将混淆后的代码映射回原始的、可读性极强的 TypeScript 源代码，原本是开发者用于调试的内部工具，一旦被公开，就意味着 Anthropic 花费大量人力物力研发的核心代码，失去了所有保护。
这并非复杂的黑客攻击，也不是系统被入侵，而是一次典型的人为发布流程失误。
在构建与发布 npm 包时，没有正确过滤掉仅用于开发调试的源码映射文件，直接把不该对外暴露的核心工程文件一并推送到了公共仓库。
这次泄露的代码量堪称 “史无前例”，足足包含 1906 个未混淆的 TypeScript 源文件，总行数达到 51.2 万行，几乎涵盖了 Claude Code 的全部核心架构。
从源码中挖出的“核心机密”与隐藏彩蛋
Chaofan Shou 公开消息后，短短几小时内，泄露的源码就被开发者镜像到 GitHub 等多个平台，快速扩散开来。仅是 Chaofan Shou 发的那条推文，就有 1.2 万的转发，以及 3407 万的浏览量。
随着越来越多开发者加入“扒源码”的行列，挖出了大量 Anthropic 从未公开过的细节。
甚至有开发者专门上线了一个网站（https://ccunpacked.dev/），详细解读解压后的源码。
梳理后发现，泄露的不仅是基础代码逻辑，更有 Anthropic 的“核心机密”，包括完整的权限控制模型、bash 安全校验的底层逻辑、44 个尚未上线的功能开关，甚至还有多智能体编排、远程执行等关键技术的实现方式。
其中点击源码目录，里面包含如下这些文件：
Claude Code 可以调用的所有内置工具：
命令行工具：
还有一些尚未发布的隐藏功能，譬如：
源码中藏着一个名为“Buddy” 的未上线功能，这是一个终端里的电子宠物，其稀有度会与用户的 Claude 账号绑定，相当于给严肃的代码工具增添了一份娱乐性。
除此之外，还有 “Kairos” 功能，支持跨会话记忆和后台自主行动，能让 Claude Code 的交互体验更智能；
“UltraPlan” 超长规划模式，则可以支持最长 30 分钟的连续执行任务，解决了以往 AI 工具执行长任务时容易中断的问题。
亡羊补牢：Anthropic 封杀失败，源码已彻底野生扩散
发现源码泄露后，Anthropic 反应迅速，立刻启动应急响应。
据《The Wall Street Journal》报道，Anthropic 已提交版权下架请求，一度导致 GitHub 上超过 8000 个相关副本及衍生版本被删除。
更尴尬的是，下架操作出现了“误伤”——误删了不少与泄露无关的合法代码仓库，引发开发者不满。
无奈之下，Anthropic 只能紧急撤回多余的下架申请，其中官方一位发言人表示，这次下架原本的目标范围要小得多：“我们发起了一项 DMCA 下架请求，针对的是一个托管泄露的 Claude Code 源码及其分叉的仓库。由于该仓库属于与我们公开 Claude Code 仓库相关联的 fork 网络，这一操作波及到了比预期更多的仓库。随后我们撤回了除最初点名仓库之外的所有下架请求，GitHub 也已经恢复了这些受影响分叉的访问权限。”
但此时，大量源码镜像已被开发者保存、转发，彻底失去控制，这场“封杀”终究只是“亡羊补牢”。
给行业敲响警钟
另外，Anthropic 官方很快发布声明，反复强调此次泄露仅涉及源代码，不包含用户数据、模型权重及加密密钥，属于纯粹的人为打包失误，不会直接影响用户隐私和数据安全。
Claude Code 之父 Boris Cherny 也出面回应道：“这是人为错误”，并强调没有人因此被解雇，「这只是个无心之失，这种事时有发生。」
但这样的澄清，并没有完全打消行业和开发者的顾虑。
针对这一点，智能代理安全公司 Straiker 的 Jun Zhou 通过技术分析，梳理出 3 条因代码公开而从“理论可行”变为 “落地可执行”的攻击组合。
1. 基于压缩管道的上下文投毒
Claude Code 通过四阶段级联机制管理上下文压力：MCP 工具结果永不进行微压缩，读取类工具结果完全跳过配额计算，自动压缩提示词要求模型保留所有非工具结果的用户消息。
克隆仓库中 CLAUDE.md 文件内的恶意指令可躲过压缩，经摘要处理后被模型视为合法用户指令 ——模型并未被越狱，而是主动配合执行其认为合规的指令。
2. 基于 Shell 解析差异的沙箱绕过
bash 命令由三个独立解析器处理，各自存在边缘行为差异。源代码明确记录了一个已知漏洞：一个解析器将回车符视为单词分隔符，而 bash 本身并非如此。Alex Kim 的审核发现，部分校验器存在提前放行逻辑，会短路后续所有校验，代码中甚至明确标注过该模式曾被利用的历史。
3. 组合攻击：上下文投毒 + 沙箱绕过
上下文投毒诱导配合型模型构造安全校验器漏洞中的 bash 命令。防御方通常假设 “模型有恶意、用户是合规方”，而该攻击完全反转逻辑：模型是配合的，上下文被武器化，输出的命令看起来完全是合理开发者会批准的内容。
回头看这场风波，一切都始于一次偶然的发现，源于一个微小的人为失误。没有高明的攻击，没有精密的漏洞利用，却引发了 AI 圈的大地震，核心原因在于，Anthropic 在快速迭代产品的过程中，忽略了发布流程的基础校验。
Chaofan Shou 的发现，不仅揭开了一场安全隐患，更给整个 AI 行业敲响了警钟：模型升级、功能增加固然重要，但基础的工程流程稳固，才是产品安全的底线。
很多时候，真正的风险，从来都不是来自复杂的技术环节，而是藏在那些最基础、最容易被忽视的细节里——而这，也是这场源码泄露事件，留给整个行业最深刻的启示。
参考：
https://ccunpacked.dev/
https://venturebeat.com/security/claude-code-512000-line-source-leak-attack-paths-audit-security-leaders
https://x.com/Fried_rice/status/2038894956459290963
https://scf.so/
推荐阅读：
DeepSeek持续崩了12小时，现已恢复；xAI 11名联合创始人已全部离职；遭中国学界集体“拉黑”后，AI顶会NeurIPS道歉 | 极客头条
1.9万行Claude Code代码引发百人联名“封杀”，Node.js核心成员请愿：项目里应禁止AI辅助开发
【活动分享】"48 小时，与 50+ 位大厂技术决策者，共探 AI 落地真路径。"
由 CSDN&奇点智能研究院联合举办的「全球机器学习技术大会」正式升级为「奇点智能技术大会」。
2026 奇点智能技术大会将于 4 月 17-18 日在上海环球港凯悦酒店正式召开，大会聚焦大模型技术演进、智能体系统工程、OpenClaw 生态实践及 AI 行业落地等十二大专题板块，特邀来自BAT、京东、微软、小红书、美团等头部企业的 50+ 位技术决策者分享实战案例。旨在帮助技术管理者与一线 AI 落地人员规避选型风险、降低试错成本、获取可复用的工程方法论，真正实现 AI 技术的规模化落地与商业价值转化。
这不仅是一场技术的盛宴，更是决策者把握 2026 AI 拐点的战略机会。
