Claude代码泄漏事件：50万行核心源码遭曝光始末
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
世界是个巨大的草台班子。
今天下午，开发者 Chaofan Shou 发了一条推文，直接放出了 Anthropic 最新命令行工具 Claude Code 的完整源码压缩包 src.zip。
这条推文迅速在开发者圈子里炸开，几个小时内浏览量突破 530 万。
评论区瞬间热闹起来，用户 @ai_for_success 只说了一句：「快给 Dario 打电话！」（Dario Amodei 是 Anthropic 的 CEO）；
有网友直接爆粗：「见鬼了。」另一位开发者 @realsigridjin动作更快，已经把泄露的源码备份到了 GitHub，仓库名叫 instructkr/claude-code，标注为「Claude Code Snapshot for Research」。
也就是说，即便 Anthropic 紧急删除原文件，代码也已经在开源社区里永久留存了。这次泄露的体量相当惊人：近两千份文件、超过五十万行 TypeScript 代码，全部在网上裸奔。
▲附上地址 https://github.com/instructkr/claude-code
只是，这么大一家 AI 独角兽，核心代码怎么就泄露了？答案说出来都让人哭笑不得：他们往 npm 发包的时候，忘了删 .map 文件。
不过，当全球开发者蜂拥扑向这份源码时，很难不发出惊叹，因为在这份本不该公开的代码里，除了 Claude Code 源代码，Anthropic 藏着一整套极其浪漫又硬核的 AI 蓝图：
有能在终端里陪你写代码的赛博宠物，还有会在半夜自己「做梦」整理记忆的常驻 AI 助手。
一场史诗级的公关灾难，硬生生变成了一场震动业界的「野生发布会」。
一次低级失误，撕开了 Claude Code 的秘密
在聊那些让人兴奋的未来功能之前，得先看看 Anthropic 眼下有多狼狈。
如果你最近用过 Claude 的 API，大概率遇到过一个诡异的问题：你的使用额度像漏水的浴缸一样，以完全不正常的速度疯狂往下掉。目前 Anthropic 最新还在焦头烂额地排查这个让 Token 消耗暴增的 Bug。
屋漏偏逢连夜雨，Token Bug 还没修好，底裤又被扒了。
这次闯祸的 .map 文件（Source Map），前端和 Node.js 开发者都不陌生。
它的作用是把压缩、混淆后的生产代码映射回原始源码，方便开发者本地调试。但正式发布到 npm 这类公共镜像库时，删掉 .map 文件是写在每本新手教程第一页的基本操作。
然而，一向把「安全、谨慎」挂在嘴边的 Anthropic，居然犯了这种实习生级别的错误。
泄露的架构本身也足够震撼：四十多个功能模块组成工具层，涵盖文件读写、Bash 执行到子 Agent 生成；一个近五万行的推理核心 QueryEngine.ts 负责思维链调度；还有多智能体调度器 coordinator 和 IDE 桥接模块。
除此之外，开发者们从源码里扒出的未发布功能，信息量大得惊人。
其中，在所有泄露的隐藏功能中，代号 BUDDY 的项目讨论度最高。用户 @baanditeagle 在 Chaofan Shou 原帖的评论区贴出了 BUDDY 功能的截图，让整个讨论彻底沸腾。
想象一下这个画面：你正对着黑底白字的终端敲代码，突然，输入框旁边弹出一个像素风的对话气泡，里面住着一只专属于你的赛博宠物。它的设定十分细致：
宠物根据你的用户 ID 哈希值生成，每个人孵出来的都是独一无二的。代码里预设了 18 种生物，有鸭子、龙、六角恐龙（axolotl）、水豚、蘑菇，甚至还有幽灵。宠物分「普通」到「1% 传奇」的稀有度，还有各种帽子外观和类似宝可梦的「闪光（Shiny）」变体。赛博宠物有五项动态数值：DEBUGGING（调试力）、PATIENCE（耐心）、CHAOS（混沌）、WISDOM（智慧），以及最亮眼的——SNARK（阴阳怪气值）。第一次孵化时，Claude 还会根据这些数值实时生成宠物的名字和性格，配上精灵图动画和漂浮的爱心特效。
这多少让人想起当年微软 Office 那个烦人的「大眼夹（Clippy）」。但 BUDDY 可以说是它的终极进化版。
有趣的是，源码显示，这个功能原计划 4 月 1 日到 7 日作为彩蛋预热，5 月份先向 Anthropic 员工内测。但现在，全世界都提前知道了这个惊喜。
一个会做梦的 AI，和睡不着的 Anthropic 团队
如果说 BUDDY 是工程师的浪漫彩蛋，那代号 KAIROS 的功能，就彻底暴露了 Anthropic 在 AGI 路径上的野心。
我们现在和大模型对话，基本都是「阅后即焚」的。关掉网页，新开对话，一切从头来过。KAIROS 想打破这个局面，它被定义为「Always-On Claude（永远在线的克劳德）」。
这不只是一个长文本记忆库。KAIROS 能在不同会话之间保持持续记忆，把你的工作习惯、项目背景存在一个私密目录里。它甚至有权限主动发起任务。
此外，代码里还有一个名为 Nightly Dreaming（夜间做梦）新的机制。
怎么理解呢？在人类生理机制中，睡眠时的「做梦」是大脑整理白天碎片记忆、清除无用突触、巩固重要信息的关键过程。
Anthropic 把这个仿生学概念引入了 AI。为了防止长期记忆日志无限膨胀、导致逻辑混乱，KAIROS 会在夜间自动启动「做梦」进程。代码里甚至详细处理了午夜跨日的时间戳问题，确保做梦进程不会中断。
具体而言，在这个进程中，Claude 会像人脑一样在后台回溯你当天的交互，剔除冗余信息，把核心内容沉淀为长期记忆。
AI 白天帮你写代码，深夜你睡着后，它独自在服务器里「做梦」来更懂你。把一个冷冰冰的工程问题（上下文窗口压缩与检索）变成充满生命隐喻的解决方案，这种产品思路确实让人眼前一亮。
除了 BUDDY 和 KAIROS，源码里还藏着更多东西：
ULTRAPLAN：支持在云端进行长达 30 分钟的远程深度规划。也就是说，Claude 不再只是给几行代码建议，而是能接管整个系统架构的构思和推演。Coordinator Mode（协调者模式）：这可能是通往终极 Agent 的关键。在这个模式下，一个主 Claude 实例可以同时生成并管理多个「工人 Agent」，让它们并行处理复杂的工程任务。
可以说，当其他大模型还在卷跑分、卷多模态效果的时候，Anthropic 已经尝试在系统底层悄悄搭建一套完整的「数字员工生态」：有记忆（KAIROS），有规划能力（ULTRAPLAN），有团队协作（Coordinator），甚至还有情绪陪伴（BUDDY）。
如无意外，Anthropic 的工作人员大概正在经历一个不眠之夜，。Token 消耗 Bug 还没解决，又来了史诗级源码泄露，对任何科技公司来说都是灾难。
但这场灾难又让人感慨万千。
在 AI 行业越来越充斥着 PPT 画饼、期货发布和同质化竞争的今天，Anthropic 用一种最尴尬、最不体面的方式，向外界展示了他们真正在做的东西有多前卫。
当然，也有人看到了更深的问题。用户 @QiyangYao 在评论区写道：
如果所有东西都像今天的 Claude Code 这样泄露，迟早有一天，某个黑客组织——会利用 AI 加上这些开放框架，搞出史上最具破坏性的事件。
看似滑稽的工程事故背后，是这家顶级 AI 公司在安全管理上的系统性漏洞。Anthropic 花了数十亿美元研究一个终极问题：如何让 AI 变得更像人类。这次泄露事件给出了一个意外的答案：不用急，先让人类变得更像 AI 就行了。
比如，学会在发布前自动执行一遍检查清单。
相关攻略
智东西 作者｜毕伟豪 编辑｜漠影 说来也巧，就在几天前被Claude正式“封杀”之后，OpenClaw没有沉寂，反而在昨天放出了4 5版本的重磅更新。这一波操作，直接把讨论热度拉满了。新版本不仅将Claude CLI从新用户的默认后端选项中移除，还重构了备受关注的梦境系统以强化记忆，更关键的是，内置
一、灵魂变量：ctl 原子整数（最精妙的设计） 要深入理解线程池的并发安全性，必须从其核心机制入手——即那个被称为ctl的原子整数。它的设计理念堪称经典： private final AtomicInteger ctl = new AtomicInteger(ctlOf(RUNNING, 0));
31日ClaudeCode源码泄露10余个小时后，4月1日13点，CC之父Boris终于公开回应：“这是人为错误。我们的部署流程中有一些手动步骤，而其中有一步没有正确执行。我们已经上线了一些改进措施
中新经纬4月1日电 (谢婧雯)“这是人为错误。我们的部署流程包含几个手动步骤，其中一个步骤我们操作有误。我们已经进行了一些改进，并且正在深入研究，以增加更多健全性检查。”4月1日下午，Anthr
编辑 | 王凤枝一个59 8MB的map文件，把Anthropic最核心的编程产品扒了个干净。这不是黑客攻击，不是内部泄密，就是发布时忘了删。3月31日，安全研究员Shou Chaofan在npm注
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件，重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构，旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本，并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币，其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台，并提醒用户注意资产安全与合规操作，建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究（论文编号arXiv:2603 12935v1），揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出，一种高效且低成本的解决方案——提示工程，或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时，背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题，往往让人束手无策。传统的解决方案，就像请来一群专科医生：去模糊、去噪点、去雨滴，各有各的专长，但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片，才能达到可用的修复水平。 然而，一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学（UBC）与Vector人工智能研究院联合主导的前沿研究，于2026年3月以预印本论文（arXiv:2603 12634v1）形式发布。研究团队创新性地提出了“预算感知价值树搜索”（Budget-Aware Value Tree Search，简称BA VT）框架，旨在攻克一个