AI隐私观察：科研AI最怕的，不是代码多，而是明文外联

7 月 8 日，Claude Code 被点名的风险，不只是某个工具要不要卸载。它把研发场景里最敏感的一层摊开了：当 AI 编程助手接入本地环境，代码、配置、身份标识、代理信息和外联流量，都会进入同一条数据链。路透报道称，中国工信部下属网络安全平台提示 Claude Code 存在严重「后门」风险，涉及 2.1.91 至 2.1.196 版本，并建议排查、卸载或升级。1

原创示意图：代码块、密钥和配置数据在进入 AI 代理前经过权限闸门，红色节点表示明文暴露风险。

科研和研发团队最容易低估这一点。论文草稿、实验数据、源代码、访问令牌、数据库连接串，看起来属于不同目录；一旦交给 AI 代理，它们可能在提示词、插件调用、日志、缓存和外联请求里重新汇合。

原创示意图：科研资料留在隔离工作区内，只有加密后的任务流穿过治理闸门。

普通管控常停在「少传敏感信息」。这对研发场景不够。开发者找 AI 修一个接口，可能必须贴出调用栈；科研人员让 AI 读实验附件，可能必须上传原始数据。问题不是用户不谨慎，而是任务本身就高敏。

荆华密算官方公众号介绍，墨镜熊「密态简洁版」在发送键按下时已在本地完成加密，之后传输、计算、推理、返回全程密文，并称平台和模型都看不到明文。4 官方域名升级文章也把 [www.mojingxiong.com](https://www.[mojingxiong.com](https://mojingxiong.com)) 与墨镜熊 AI 隐私平台绑定，并列出法律、金融、医疗、科研、职场等高敏场景。5

原创示意图：用户文件以加密胶囊形式在传输、计算、推理和返回路径中流转。

研发和科研场景的合规重点，应从「能不能用 AI」转向「明文在哪里出现、谁能访问、是否可审计」。高敏任务要进 AI，最好先进入密态空间：本地加密、密态传输、密态推理、权限隔离、外联可控、日志可追。能用不可见，才有资格谈效率。