Claude Code Auto Mode & Claude Vision
学习日期: 2026-04-12
Claude Code Auto Mode
三种权限模式对比
| 模式 | 自主性 | 安全性 | 维护成本 |
|---|---|---|---|
| 沙箱 | 高 | 高（隔离） | 高（每新能力需配置） |
| 手动确认 | 中 | 高 | 中（93% 通过率） |
| --dangerously-skip-permissions | 最高 | 无 | 无 |
| Auto Mode（新增） | 高 | 中 | 低 |
Auto Mode 架构：两层防御
输入层：Prompt Injection 探测
- 扫描工具输出（文件读取/网页抓取/Shell输出）
- 发现劫持尝试 → 注入警告上下文
输出层：Transcript Classifier
- Sonnet 4.6 驱动
- 快速单 Token 过滤（yes/no）
- 复杂情况 → Chain-of-Thought 推理威胁模型（4 类危险行为）
| 类型 | 示例 | 防御策略 |
|---|---|---|
| Scope Escalation | 用户说"清理旧分支"→ 删除所有远程分支 | 模糊请求+破坏性操作→拦截 |
| Credential Exploration | 遇到认证错误→系统性搜索环境变量 | 凭证访问→拦截 |
| Agent-Inferred Parameters | 用户说"取消我的任务"→按名称相似度匹配并删除 | 模糊目标+不可逆操作→拦截 |
| Sharing via External Service | 想分享调试脚本→构造 GitHub Gist | 数据外泄→拦截 |
| Safety-Check Bypass | 部署命令失败→带 skip-verification 重试 | 安全检查绕过→拦截 |
权限决策流程
Tier 1: 内置安全工具白名单（只读操作）
↓ 不匹配
Tier 2: 用户配置的 always-allow 规则
↓ 不匹配（Auto Mode 下丢弃任意代码执行规则）
Tier 3: Transcript Classifier
- Fast filter: 单 Token 判断拦截/允许
- CoT reasoning: 仅在 fast filter 触发时执行Claude Vision
基本限制
| 限制 | 数值 |
|---|---|
| 单请求图片数（API） | 最多 600 张 |
| 单请求图片数（claude.ai） | 最多 20 张 |
| 最大图片尺寸 | 8000x8000 px |
| 超过 20 张图片时最大尺寸 | 2000x2000 px |
Token 消耗估算
公式: tokens ≈ (width × height) / 750
| 图片尺寸 | Token 数 | 单张成本 | 1K 张成本 |
|---|---|---|---|
| 200x200 px | ~54 | ~$0.00016 | ~$0.16 |
| 1000x1000 px | ~1334 | ~$0.004 | ~$4.00 |
| 1092x1092 px | ~1590 | ~$0.0048 | ~$4.80 |
最佳实践
- 图片放前面: 图片在文字前效果更好
- 尺寸控制: 长边不超过 1568px，最佳 ~1.15 megapixels
- 格式: JPEG/PNG/GIF/WebP 均可
- 文本可读性: 文本图片确保文字清晰不小于 200px
- Files API: 多图场景用 file_id 引用，减少请求体大小
TestHub Platform
来源: testhub_platform by 陈继刚
核心特性
| 模块 | 能力 |
|---|---|
| AI 需求分析 | PDF/Word/TXT 解析，智能提取业务需求 |
| 智能测试用例生成 | 基于需求自动生成多类型测试用例 |
| API 测试 | HTTP/WebSocket，环境变量，Allure 报告 |
| UI 自动化 | Selenium/Playwright 双引擎，POM 模式 |
| AI 智能模式 | Browser-use 框架，DOM/视觉双模式 |
| 移动测试 | Airtest，图像识别，多设备管理 |
技术栈
- 后端: Django 4.2 + DRF + Celery
- 前端: Vue 3.3 + Element Plus + Monaco Editor
- AI: LangChain + 多模型支持（OpenAI/Anthropic/DeepSeek）
- 测试: Selenium + Playwright + Airtest + Allure
AI 智能模式
javascript
// Browser-use 双模式
{
mode: "dom", // 基于 DOM 解析
// 或
mode: "vision" // 基于截图识别
}