Anthropic ने Claude Code को अधिक स्वायत्त उपयोग की ओर मोड़ा
Anthropic डेवलपरों के Claude Code के साथ इंटरैक्शन के तरीके को बदल रहा है, और 14 अगस्त से अधिकांश पेड उपयोगकर्ताओं के लिए Auto Mode को डिफ़ॉल्ट सेटिंग बना रहा है। स्रोत सामग्री के अनुसार यह बदलाव Pro, Max और Team योजनाओं पर लागू होगा, जबकि Enterprise ग्राहकों को अब भी अलग से इसे चुनना होगा। व्यवहारिक रूप से इसका मतलब है कि Claude Code अब हर अलग कदम के लिए मानव अनुमोदन की प्रतीक्षा किए बिना अधिक बार काम करेगा, और तभी रुकेगा जब उसकी सुरक्षा प्रणाली किसी कार्रवाई को खतरनाक या वापस न लिए जा सकने वाली मानेगी।
इसलिए यह केवल एक उत्पादिक बदलाव नहीं है। यह इस बात का संकेत है कि एक प्रमुख AI कंपनी कोडिंग असिस्टेंट्स का उपयोग कैसे देखा जाना चाहिए, इस पर क्या सोचती है: सिर्फ ऑटोकम्प्लीट टूल या चैट इंटरफेस के रूप में नहीं, बल्कि अर्ध-स्वायत्त एजेंटों के रूप में जो सीमित निगरानी के साथ विस्तारित विकास कार्य कर सकते हैं। Anthropic इस बदलाव को निगरानी में कमी नहीं, बल्कि सुरक्षा सुधार के रूप में पेश कर रहा है, और उसका तर्क है कि उसका classifier हर बार मैनुअल अनुमोदन करने वाले उपयोगकर्ताओं की तुलना में जोखिमपूर्ण कमांड्स को अधिक सुसंगत तरीके से चिह्नित कर सकता है।
Anthropic के अनुसार Auto Mode अधिक सुरक्षित क्यों है
कंपनी का पक्ष स्रोत पाठ में शामिल परीक्षण परिणामों के एक सेट पर आधारित है। 1,053 पेड परीक्षकों वाले एक नियंत्रित अध्ययन में मानव समीक्षकों ने खतरनाक कमांड्स में से 13.6 प्रतिशत पकड़े, जबकि Auto Mode ने 89 प्रतिशत पकड़े। Anthropic ने यह भी कहा कि आंतरिक red-teaming से पता चला कि Auto Mode कम से कम मैनुअल अनुमोदनों जितना सुरक्षित, और कई मामलों में उससे बेहतर, प्रदर्शन करता है। कंपनी ने जोड़ा कि Auto Mode का उपयोग करने वाली टीमों ने लगभग 25 प्रतिशत अधिक pull requests बनाए, जिससे संकेत मिलता है कि अधिक स्वायत्तता का स्तर अधिक आउटपुट में भी बदला।
बताई गई प्रक्रिया अवधारणा में सरल है। हर कदम पर अनुमति मांगने के बजाय, Claude Code लगातार काम करता है और यह तय करने के लिए एक classifier पर निर्भर करता है कि कब किसी कार्रवाई को पुष्टि के लिए रोका जाए। प्रणाली का उद्देश्य तब हस्तक्षेप करना है जब कोई कार्रवाई खतरनाक या अपरिवर्तनीय प्रतीत हो। Anthropic कहता है कि classifier स्वयं उपयोगकर्ता के लिए token charges नहीं जोड़ता, हालांकि लंबी और अधिक उत्पादक कोडिंग सत्रों को सक्षम करके कुल उपयोग फिर भी बढ़ सकता है।
यह महत्वपूर्ण है, क्योंकि agentic software tools में approval fatigue एक वास्तविक समस्या है। यदि उपयोगकर्ताओं से लगभग हर कमांड के लिए अनुमोदन मांगा जाता है, तो बहुत से लोग या तो बिना सोचे-समझे मंज़ूरी देते रहेंगे या सुरक्षा उपाय पूरी तरह बंद कर देंगे। Anthropic का तर्क है कि चयनात्मक हस्तक्षेप, हर जगह लागू होने वाले approval prompts की तुलना में अधिक यथार्थवादी है, और एक model-assisted filter दोहराव वाली समीक्षा परिस्थितियों में मानव सतर्कता से बेहतर प्रदर्शन कर सकता है।
Prompt injection अब भी एक केंद्रीय चिंता है
स्रोत सामग्री के सबसे महत्वपूर्ण दावों में से एक यह है कि Auto Mode prompt injection attacks के खिलाफ बचाव में भी मदद करने के लिए बनाया गया है। ऐसे हमले कोड, फाइलों या अन्य सामग्री में मौजूद निर्देशों के जरिए किसी AI agent को प्रभावित करने की कोशिश करते हैं, जिनका वह काम करते समय सामना करता है। एक agentic coding environment में यह जोखिम एक निष्क्रिय chatbot की तुलना में अधिक गंभीर है, क्योंकि प्रणाली को commands, repositories, processes और कुछ मामलों में संवेदनशील डेटा तक पहुंच हो सकती है।
Anthropic ने Trajectory Labs की एक स्वतंत्र audit का हवाला दिया, जिसमें 72 attack scenarios शामिल थे और हर एक को 10 बार चलाया गया। स्रोत के अनुसार, Auto Mode में Claude के वर्तमान models के खिलाफ 720 में से कोई भी प्रयास सफल नहीं हुआ। स्रोत ने इसे OpenAI के GPT-5.6 Sol के Codex Auto-Review mode के लिए उद्धृत benchmark से भी अलग बताया, जहां कथित तौर पर 5.83 प्रतिशत प्रयास सफल हो गए। Developments Today दिए गए पाठ में जो है, उससे आगे methodology की पुष्टि नहीं कर सकता, लेकिन यह तुलना दिखाती है कि विक्रेता अब केवल coding quality पर नहीं, बल्कि agent safety पर भी कितनी आक्रामक प्रतिस्पर्धा कर रहे हैं।
Anthropic ने कुछ आंतरिक उदाहरण भी दिए ताकि दांव को स्पष्ट किया जा सके। कंपनी का कहना था कि Auto Mode ने Claude को सार्वजनिक पेज पर confidential data अपलोड करने से रोका, और एक लंबे सत्र के दौरान लगभग 2,000 processes को रोक दिया जो अन्यथा चल रहे GPU training jobs में बाधा डाल देते। ये उदाहरण दिखाते हैं कि कंपनी इन प्रणालियों को वास्तविक विकास और अवसंरचना परिवेशों में परख रही है, जहां गलतियों का असर सुरक्षा, uptime और महंगे compute workloads पर पड़ सकता है।
ज्यादा आउटपुट, लेकिन डेवलपर की भूमिका बदल रही है
उत्पादकता का दावा महत्वपूर्ण है क्योंकि यह software work में व्यापक बदलाव की ओर संकेत करता है। यदि Auto Mode का उपयोग करने वाली टीमें अधिक pull requests बना रही हैं, तो डेवलपर की भूमिका भी उसी के साथ बदलती है। स्रोत पाठ स्पष्ट रूप से नोट करता है कि भूमिका सक्रिय line-by-line coding से और दूर तथा AI-generated output की निगरानी, समीक्षा और सत्यापन के करीब जा रही है।
इसका मतलब मानव निर्णय की आवश्यकता समाप्त होना नहीं है। Anthropic स्वयं चेतावनी देता है कि classifier जोखिम घटाता है, लेकिन उसे पूरी तरह खत्म नहीं करता। कंपनी अब भी उपयोगकर्ताओं को सलाह देती है कि production infrastructure में उच्च-दांव वाले बदलावों के लिए वे Claude की कार्रवाइयों की खुद समीक्षा करें। यह चेतावनी महत्वपूर्ण है। Auto Mode के लिए सबसे मजबूत मामला शायद उन नियमित विकास कार्यों में है जहां देरी की लागत अधिक है और किसी एक कार्रवाई का जोखिम अपेक्षाकृत सीमित है। कमजोर मामला उन वातावरणों में है जहां एक गलत कमांड डेटा उजागर कर सकती है, production systems को तोड़ सकती है, या अपरिवर्तनीय परिचालन क्षति पहुँचा सकती है।
इस दृष्टि से देखा जाए तो Anthropic की घोषणा एक उत्पाद रोलआउट और एक व्यवहारिक संकेत दोनों है। Auto Mode को डिफ़ॉल्ट बनाकर कंपनी इस विचार को सामान्य बना रही है कि डेवलपरों को coding agents को लंबे समय तक अपने दम पर चलने देना चाहिए। Defaults मायने रखते हैं। कई ऐसे उपयोगकर्ता, जो सामान्यतः अधिक स्वायत्त सेटिंग को सक्रिय नहीं करते, अब उसे टूल के काम करने के मानक तरीके के रूप में अनुभव करेंगे।
AI coding बाज़ार के लिए इसका मतलब
यह बदलाव coding assistant बाज़ार के परिपक्व चरण को भी दर्शाता है। प्रतिस्पर्धा अब सिर्फ इस बात पर नहीं है कि कौन सबसे अच्छा snippet लिखता है या सबसे साफ refactor समझाता है। यह तेजी से इस पर केंद्रित हो रही है कि कौन स्वायत्तता को सुरक्षित रूप से संभाल सकता है: कब काम करना है, कब रुकना है, और निष्पादन के दौरान मिलने वाले दुर्भावनापूर्ण या अनपेक्षित निर्देशों का प्रतिरोध कैसे करना है।
Anthropic का दांव लगता है कि operational judgment की यह परत एक मुख्य differentiator बन जाएगी। यदि यह दांव सही है, तो AI coding tools का अगला चरण इस बात से कम आंका जाएगा कि वे prompt से कितनी बार code बना सकते हैं, और इस बात से अधिक कि वे वास्तविक दुनिया के गड़बड़ repositories के भीतर बिना नुकसान पहुँचाए कितनी भरोसेमंद तरीके से काम कर सकते हैं। Auto Mode का डिफ़ॉल्ट बनना इस दिशा में उद्योग के बढ़ने का एक ठोस संकेत है।
यह लेख The Decoder की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
Originally published on the-decoder.com
