划重点

  • Claude Code 在 API 请求中嵌入隐写标记追踪用户
  • 隐写术通过 stego.claude.ai 实现，可识别中国用户
  • 引发隐私和安全社区广泛讨论
  • 反映 AI 行业可追溯性与隐私保护的张力

核心话题

Anthropic 的 Claude Code 被发现在 API 请求中嵌入了隐写标记（steganographic marking），用于追踪 AI 生成内容的来源。这一发现引发了关于 AI 隐私和可追溯性的广泛讨论。

技术细节

输入侧：Claude Code 在发送 API 请求时，通过隐写术在请求中嵌入标识信息。这些标记对用户不可见，但可以被专门的工具检测和识别。

推理/执行侧：隐写标记使得 Anthropic 能够追踪哪些 AI 请求来自特定用户或地区。据报道，该系统可以识别中国用户，这可能引发数据主权和隐私保护的担忧。

输出/评测侧：该技术目前主要用于内部追踪和内容溯源，但潜在的滥用可能性（如用户画像、地区封锁）值得关注。

工程落地

  1. 开发者应了解 AI 服务的可追溯性：使用 Claude Code 等工具时，注意 API 请求中可能包含的追踪信息
  2. 隐私敏感场景考虑替代方案：对于需要严格隐私保护的项目，评估使用本地部署的 LLM 或其他不追踪用户的 AI 服务
  3. 关注开源替代方案：如 OpenGalatea 等开源项目提供了更透明的 AI 控制方式

风险边界

成本风险：隐写追踪系统的维护和升级需要持续投入，可能增加 AI 服务的运营成本。

幻觉风险：AI 模型本身不会产生幻觉，但隐写标记的可检测性可能存在误判，导致错误的用户识别。

越权调用风险：如果隐写标记被恶意利用，可能导致用户隐私泄露或被用于地区封锁。

长尾输入风险：对于非标准输入（如加密数据、特殊格式），隐写标记的检测效果可能下降。

本文基于 2026-07-01 Hacker News 热门讨论和 Anthropic 官方公告整理