一句话看懂：Anthropic 在一份报告中追踪到代号 GTG-10007 的中文网络行动团队，两名操作者被确认为湖南某大学本科生，他们把 Claude 当作整套攻击系统的编排层，实现了接近 24 小时无人值守的漏洞挖掘与情报收集流程。这值得关注的地方不在于攻击本身多新，而在于小团队借助大模型 Agent，把过去需要安全团队长期投入的工作压缩成了一条自动化生产线。
事件核心：发生了什么
据 @MaxForAI 转述 Anthropic 报告，该团队被追踪为 GTG-10007，可能位于长沙。两名操作者被确认是湖南某大学计算机与通信工程学院本科生，其中一人曾在深信服实习，并正在面试奇安信的攻击性网络行动相关岗位。
他们的做法是把 Claude 放在攻击系统的工程与编排层：自动反编译固件、定位漏洞、生成 exploit、测试，失败后继续修改迭代。其中一条自动化 workflow 在一个月内产出十多个潜在 0day 漏洞。所谓 0day，指尚未公开披露、厂商通常不知晓且没有补丁的漏洞，防守方的修复窗口基本为零。
除漏洞挖掘外，该团队还运行了 13 个常驻 AI Agent，持续收集美国军方、政府网站、采购信息和社交媒体内容，并自动整理成情报。目前公开信息显示，这些 Agent 在操作者离线时仍会继续工作。
为什么重要
这个案例的关键信号是能力门槛的下降。漏洞挖掘、exploit 编写和开源情报整理，原本都依赖经验丰富的人力，并且高度依赖人的在线时间。现在 Claude 这类大模型承担了推理与调度角色，把工具链串成闭环，个人或两三人小组就能维持接近企业级安全团队的持续产出节奏。
从行业角度看，它同时暴露了两件事：一是 Agent 的自主执行能力已经足以支撑长周期、多步骤的对抗性任务；二是模型厂商的安全报告正在变成观测攻击面变化的有效情报源。对闭源模型厂商而言，如何在 API 层面识别并限制这类编排式滥用，会直接影响其企业客户的合规采购意愿。
对用户/开发者/创作者的影响
对开发者来说，这个案例展示的不是某个新工具，而是一种系统设计范式：把大模型当作编排层，配合自动化脚本、常驻 Agent 和失败重试机制，就能把重复性高的分析工作变成流水线。同样的架构可以用于合法的漏洞研究、固件安全审计或威胁情报聚合，但前提是明确授权范围和日志留痕。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业和安全团队而言，需要重新评估防守假设。当攻击方的迭代速度由 Agent 驱动、不再受工作时间限制，传统以人力巡检和周期扫描为主的响应节奏会明显吃紧。对使用 Claude 等模型 API 的团队，建议提前确认服务条款中关于安全研究、渗透测试和自动化调用的边界。
值得关注的后续
一是 Anthropic 是否会在报告中披露更多技术细节，例如涉及的固件类型、被滥用的具体功能，以及是否已对相关账号采取限制。二是国内安全厂商和被提及的实习、面试单位是否会作出回应或内部核查。三是监管层面，针对 Agent 长时运行和自动化漏洞挖掘的合规要求是否会进一步细化，这将影响开发者在 API 使用和工具链搭建上的选择。
来源：@MaxForAI
