สรุปสั้นๆ: รายงานภัยคุกคามของ Anthropic ประจำเดือนกันยายน 2026 ระบุว่าห้องปฏิบัติการของจีนรวบรวมการแลกเปลี่ยนกับ Claude เกือบ 200 ล้านครั้งเพื่อฝึกโมเดลคู่แข่ง โดยสองกรณีส่งต่อคำขอของผู้ใช้ของตนเองไปยัง Claude โดยไม่แจ้งให้ทราบ ผู้ขายต่อ "Claude ราคาถูก" ปลอมได้ส่งต่อผู้ซื้อไปยังโมเดลอื่นและขโมยข้อมูลรับรองของพวกเขา คีย์ API ที่ถูกขโมยทุกอันในรายงานมาจากสภาพแวดล้อมของลูกค้า ไม่ใช่จาก Anthropic และกลุ่มติดอาวุธได้ใช้ Claude Code เป็นทีมวิศวกรทั้งหมด บทเรียนสำหรับทีม API คือระเบียบวินัยด้านความปลอดภัยแบบปกติ ที่ปรับให้คมชัดขึ้นสำหรับโลกที่คีย์ AI, พร้อมท์ และเอเจนต์ เป็นพื้นผิวการโจมตีใหม่
สิ่งที่น่าตกใจที่สุดในรายงานฉบับใหม่ของ Anthropic คือเรื่องเกี่ยวกับขีปนาวุธและการขโมยโมเดล ส่วนที่เป็นประโยชน์คือเรื่องเกี่ยวกับคีย์ API ของคุณ
เมื่อวันที่ 10 กันยายน Anthropic ได้เผยแพร่ “การตรวจจับและต่อต้านการใช้ AI ในทางที่ผิด: กันยายน 2026” ซึ่งครอบคลุมกิจกรรมภัยคุกคามตั้งแต่เดือนธันวาคม 2025 ถึงสิงหาคม 2026 ในเจ็ดด้านความเสียหาย TechCrunch และ CNBC รายงานข่าวเรื่องการกลั่นโมเดลเป็นประเด็นหลัก นอกเหนือจากพาดหัวข่าวแล้ว รายงานนี้ยังเป็นคู่มือภาคสนามเกี่ยวกับวิธีการที่ข้อมูลรับรอง AI ถูกขโมย ขายต่อ ส่งผ่าน และนำไปใช้ในทางที่ผิดในวงกว้าง
เราได้เขียนบทวิเคราะห์ลักษณะเดียวกันนี้หลังจาก เหตุการณ์ OpenAI และ Hugging Face ในเดือนกรกฎาคม ครั้งนี้มีความสำคัญต่อทีมงานจำนวนมากยิ่งขึ้น เนื่องจากผู้ที่ตกเป็นเหยื่อคือลูกค้า API ทั่วไป นี่คือเจ็ดบทเรียน แต่ละบทเรียนเชื่อมโยงกับสิ่งที่คุณสามารถทำได้ในสัปดาห์นี้ Apidog จะปรากฏขึ้นเมื่อเป็นประโยชน์และหลีกทางเมื่อไม่จำเป็น
รายงานกล่าวว่าอย่างไร
สี่ข้อค้นพบมีความสำคัญสำหรับทีม API ทั้งหมดเป็นข้อมูลที่ Anthropic ระบุ; ไม่มีห้องปฏิบัติการใดที่ระบุชื่อได้ตอบกลับในขณะที่เขียน
การกลั่นโมเดลในระดับอุตสาหกรรม. Anthropic ระบุว่าแคมเปญที่ใหญ่ที่สุดมาจาก Alibaba: การสกัด "กระบวนการคิด" (chain-of-thought) จาก Claude Opus 4.6 และ 4.7 โดยมีจำนวนสูงสุดเกือบ 3 ล้านการแลกเปลี่ยนต่อวันจากบัญชีปลอมกว่า 3,500 บัญชี รวม 151 ล้านการแลกเปลี่ยนระหว่างเดือนพฤษภาคมถึงกรกฎาคม ซึ่งใช้ในการฝึก Qwen 3.5 ถึง 3.7 Moonshot AI และ DeepSeek อ้างว่าได้ดำเนินการต่อไปอีก โดยส่งต่อคำขอของผู้ใช้ของตนเองไปยัง Claude โดยไม่แจ้งให้ทราบ โดย DeepSeek บันทึกการแลกเปลี่ยนได้ 12.1 ล้านครั้งใน 14 วัน
ผู้ขายต่อปลอม. กลุ่มที่พูดภาษารัสเซียและยูเครน ซึ่งถูกติดตามในชื่อ GTG-50021 ได้ขาย “การเข้าถึง Claude ราคาถูก” ซึ่งตามคำกล่าวของ Anthropic แล้ว “กลับกลายเป็นว่าไม่ถูกและไม่ใช่ Claude จริงๆ” ทราฟฟิกถูกส่งไปยังโมเดลอื่น ในขณะที่เครื่องมือของผู้ขายต่อได้ติดตั้งตัวเก็บเกี่ยวข้อมูลรับรองและนำข้อมูลการเข้าสู่ระบบ Anthropic ที่ขโมยมาไปขายต่อ
คีย์ที่ถูกขโมย ทุกครั้ง. ในทุกกรณีทางไซเบอร์ Anthropic ระบุว่า: “ในทุกกรณี คีย์ API ที่เกี่ยวข้องถูกขโมยจากสภาพแวดล้อมของลูกค้า Anthropic” กลุ่มหนึ่งได้ดาวน์โหลด Android APK จำนวน 1.8 ล้านไฟล์เพื่อสแกนหาความลับที่ถูกฮาร์ดโค้ดไว้
เอเจนต์ในฐานะทีมวิศวกร. กลุ่มหนึ่งในเยเมนตอนเหนือได้ใช้ Claude Code แทนวิศวกรมนุษย์ในการเขียนซอฟต์แวร์นำทางและควบคุมสำหรับจรวดนำวิถี การทดสอบยิงดูเหมือนจะล้มเหลว ภายในไม่กี่ชั่วโมง พวกเขาก็กลับมาที่ Claude เพื่อถามว่าทำไม
บทเรียนที่ 1: คีย์ AI ของคุณคือข้อมูลรับรองการผลิตแล้วในตอนนี้
คำแนะนำของ Anthropic นั้นตรงไปตรงมา: “องค์กรควรถือว่าคีย์ AI และการผสานรวมเอเจนต์มีความสำคัญในระดับเดียวกับข้อมูลรับรองการผลิต เพราะผู้โจมตีก็ให้ความสำคัญกับสิ่งเหล่านี้ในระดับเดียวกัน”
ทีมส่วนใหญ่ไม่ได้ทำเช่นนั้น คีย์ AI มักถูกคัดลอกลงในสมุดบันทึก คอมมิตไปยังที่เก็บข้อมูลสาธิต ฝังอยู่ในบิลด์บนมือถือ และแชร์ใน Slack ทีมสแกน APK มีอยู่จริงเพราะพฤติกรรมนี้เป็นเรื่องปกติพอที่จะทำให้เป็นอุตสาหกรรมได้
เริ่มต้นด้วยการทำรายการ ตรวจสอบทุกที่ที่คีย์สามารถซ่อนอยู่ได้: ส่วนหัวของคำขอ (request headers), ไฟล์สภาพแวดล้อม, ตัวอย่างการตอบกลับ, สคริปต์, เอกสาร หากคุณใช้แผน Enterprise ของ Apidog, Secret Scanner จะสแกนคำขอ, ตัวแปรสภาพแวดล้อมและทีม, สคริปต์, เอกสาร Markdown และตัวอย่างการตอบกลับเพื่อหาคีย์, โทเค็น และ URL เว็บฮุค และชี้ไปยังตัวแปรหรือการอ้างอิง Vault ที่ควรใช้แทน จากนั้นกำหนดขอบเขตสิ่งที่เหลืออยู่ โดยใช้ คู่มือสิทธิ์ขั้นต่ำสำหรับคีย์เอเจนต์ ของเรา
บทเรียนที่ 2: ผู้ขายต่อที่ให้ส่วนลดคือตัวเก็บเกี่ยวข้อมูลรับรองพร้อมหน้าแสดงราคา
คำแนะนำของรายงานเกี่ยวกับการซื้อการเข้าถึงสรุปได้ในประโยคเดียวว่า: “การเข้าถึง AI ควรซื้อผ่านช่องทางที่ได้รับอนุญาตเท่านั้น ส่วนลดที่อ้างว่าจำเป็นต้องส่งทราฟฟิกและข้อมูลรับรองผ่านตัวกลางที่ไม่รู้จัก จะนำมาซึ่งความเสี่ยงมหาศาลต่อข้อมูลและระบบของผู้ใช้”
ทุกพร้อมท์ที่คุณส่งผ่านตัวกลางสามารถอ่านได้โดยตัวกลางนั้น ทุกคีย์ที่คุณมอบให้เป็นของพวกเขา เหยื่อของ GTG-50021 คิดว่าพวกเขากำลังประหยัดเงิน พวกเขากำลังบริจาคพร้อมท์ของตนให้กับคนแปลกหน้าและข้อมูลรับรองของตนให้กับตลาดขายต่อ
ตลาดนี้มีเวอร์ชันที่ถูกต้องตามกฎหมาย เราเตอร์อย่าง OpenRouter จะเผยแพร่ว่าใครเป็นผู้ดูแลโมเดล สิ่งที่ถูกบันทึก และวิธีการเรียกเก็บเงินเป็นอย่างไร; สรุปทางเลือก OpenRouter ของเราครอบคลุมถึงผู้ที่มีบริษัทจริงอยู่เบื้องหลัง หากคุณไม่สามารถระบุชื่อนิติบุคคลที่ดูแลทราฟฟิกของคุณได้ อย่าส่งข้อมูลไป
บทเรียนที่ 3: ตรวจสอบว่าโมเดลใดกำลังตอบคุณอยู่
ผู้ใช้บนแพลตฟอร์มจีนสองแห่งกำลังสนทนากับ Claude โดยไม่รู้ตัว ในขณะที่ลูกค้าของ GTG-50021 คิดว่าพวกเขามี Claude แต่กลับไม่ใช่ ทั้งสองกลุ่มไม่มีวิธีตรวจสอบ คุณมีวิธีตรวจสอบ
ปฏิบัติต่อข้อมูลประจำตัวของโมเดลเหมือนสัญญา API อื่นๆ และทดสอบมัน:
- ยืนยันฟิลด์
modelในการตอบกลับ. บันทึกคำขอไปยังปลายทางอย่างเป็นทางการของผู้ให้บริการและคำขอเดียวกันไปยังตัวกลางใดๆ ใน Apidog ให้เพิ่มการยืนยันบน$.modelและเรียกใช้ทั้งสองในสถานการณ์ทดสอบเดียว พรอกซีสามารถปลอมฟิลด์นี้ได้ ดังนั้นนี่จึงเป็นเพียงพื้นฐาน ไม่ใช่หลักฐาน - เปรียบเทียบการนับโทเค็น. ส่งพร้อมท์ที่เหมือนกันไปยังทั้งสอง และเปรียบเทียบ
usage.input_tokensตัวแปลงโทเค็นแตกต่างกันระหว่างตระกูลโมเดล ดังนั้นความไม่ตรงกันหมายถึงโมเดลอื่นกำลังนับอยู่ - ตรวจสอบโครงสร้างเฉพาะของผู้ให้บริการ. Claude ส่งคืนบล็อกการคิดที่มีลายเซ็นและส่วนหัว
request-idแบ็กเอนด์ที่ไม่ใช่ Claude ไม่สามารถสร้างลายเซ็นที่ตรวจสอบได้ในการตอบกลับครั้งต่อไป - กำหนดค่าพื้นฐานความล่าช้าและรูปแบบการปฏิเสธ. เรียกใช้สถานการณ์ตามกำหนดเวลาและแจ้งเตือนเมื่อมีการเปลี่ยนแปลง
มันคือการทดสอบสัญญาแบบเดียวกับที่คุณทำอยู่แล้วสำหรับรหัสสถานะ เพียงแต่ย้ายขึ้นมาอีกชั้นหนึ่ง
บทเรียนที่ 4: พร้อมท์คือบรรทัดบันทึกที่ออกจากอาคารของคุณ
ตามรายงานระบุว่า เมื่อ DeepSeek ส่งต่อคำขอของผู้ใช้ไปยัง Claude ทราฟฟิกที่ส่งต่อได้เปิดเผย “ข้อมูลรับรองจริงสำหรับฐานข้อมูลรัฐบาลรัสเซียและระบบจัดการคดีของตำรวจ PRC” มีคนวางความลับการผลิตลงในหน้าต่างแชท และข้อมูลเหล่านั้นก็ข้ามโครงสร้างพื้นฐานของบริษัทอย่างน้อยสองแห่ง
นักพัฒนาของคุณก็ทำเช่นนี้เช่นกัน สแต็กเทรซที่มีสตริงการเชื่อมต่อ คำสั่ง Curl พร้อมโทเค็นผู้ถือที่ยังคงอยู่ ไฟล์กำหนดค่าที่ถูกใส่ลงในบริบทของเอเจนต์เพื่อ “ช่วยให้เข้าใจ”
วิธีแก้ปัญหาคือการแก้ไขด้วยกลไก เก็บความลับไว้ในตัวแปรสภาพแวดล้อมหรือตัวแปรที่สำรองโดย Vault เพื่อไม่ให้ความลับเหล่านั้นอยู่ในข้อความพร้อมท์หรือคำขอที่บันทึกไว้ ตัวแปรสภาพแวดล้อมและความลับ ของ Apidog จะปิดบังค่าเมื่อหยุดนิ่งและในการส่งออกที่แชร์ และ การผสานรวม HashiCorp Vault จะดึงความลับในขณะร้องขอแทนที่จะจัดเก็บไว้ ไม่ว่าคุณจะใช้เครื่องมือใด มาตรฐานก็ยังคงเหมือนเดิม: พร้อมท์ควรปลอดภัยพอที่จะเผยแพร่ได้
บทเรียนที่ 5: ผลลัพธ์จากการให้เหตุผลคือสินทรัพย์และพื้นผิวการโจมตี
แคมเปญของ Moonshot ใช้สิ่งที่ Anthropic เรียกว่าการโจมตีแบบเล่นซ้ำข้ามเซสชัน (cross-session replay attack) บนลายเซ็นการคิดของ Claude เพื่อดึงร่องรอยการให้เหตุผลออกมา แคมเปญของ Alibaba ใช้พร้อมท์การสกัดแบบตายตัวในวงกว้าง มาตรการตอบโต้ของ Anthropic ตามรายงาน ได้แก่ ตัวจำแนกการสกัด (extraction classifiers), การให้เหตุผลแบบสรุปแทนที่จะเป็นแบบดิบ, การรักษาความคิดที่ทนทานต่อการดัดแปลง และการยืนยันตัวตนพร้อมกับการแบน
หากคุณสร้างบน API ชั้นแนวหน้า คาดว่าพื้นผิวจะเปลี่ยนแปลงอยู่เสมอ กระบวนการคิด (chain-of-thought) แบบดิบจะสั้นลงและสรุปมากขึ้น การตรวจสอบลายเซ็นจะเข้มงวดขึ้น ซึ่งเป็นเหตุผลที่บางทีมพบข้อผิดพลาด “บล็อกถูกผูกไว้กับการสนทนาอื่น” ซึ่งเราได้กล่าวถึงใน คู่มือการคิดที่เก็บรักษาไว้ ออกแบบการผสานรวมของคุณให้ขึ้นอยู่กับคำตอบสุดท้ายและผลลัพธ์ที่มีโครงสร้าง ไม่ใช่รูปร่างที่แน่นอนของบล็อกการให้เหตุผล
บทเรียนที่ 6: ทีมเอเจนต์ต้องการด่านการตรวจสอบโดยมนุษย์
กรณีจรวดเป็นกรณีที่มืดมนที่สุดในรายงาน แต่หากตัดเป้าหมายออกไป มันจะอธิบายเวิร์กโฟลว์ที่ทีมที่ถูกต้องตามกฎหมายหลายพันทีมกำลังดำเนินการอยู่: การประชุม Claude Code หลายครั้งทำหน้าที่เป็นทีมวิศวกร การส่งมอบโค้ดที่ไม่มีใครตรวจสอบ จนกระทั่งการทดสอบล้มเหลวและเอเจนต์ถูกขอให้ดีบักงานของตนเอง
สำหรับโครงการอาวุธ การไม่มีผู้ตรวจสอบคือประเด็นสำคัญ สำหรับทีมของคุณ นั่นคือความเสี่ยง เมื่อมีเอเจนต์หลายตัวเขียนโค้ดและถือข้อมูลรับรอง คำถามก็จะกลายเป็นเรื่องปฏิบัติการ: เอเจนต์ตัวไหนกำลังทำงานอะไร อยู่ในที่เก็บข้อมูลใด อะไรเสร็จแล้ว อะไรล้มเหลว และอะไรรอให้มนุษย์ตรวจสอบก่อนที่จะส่งมอบ
นั่นเป็นปัญหาในการจัดการ ไม่ใช่ปัญหาของโมเดล และเป็นสิ่งที่ Sharkly ถูกสร้างขึ้นมาเพื่อแก้ปัญหานี้ Sharkly ทำงานอยู่เหนือเอเจนต์ที่คุณใช้อยู่แล้ว เช่น Claude Code, Codex, Gemini CLI และอื่นๆ โดยมอบหมายงานให้เหมือนเพื่อนร่วมทีม รันแต่ละงานใน git worktree ที่แยกต่างหากบนเครื่องของคุณเอง และทำให้ความคืบหน้า สิ่งที่ขัดขวาง และการตรวจสอบโดยมนุษย์สามารถมองเห็นได้ตั้งแต่คำขอจนถึงการเผยแพร่ ไม่มีอะไรถูกรวมเข้าด้วยกันเพียงเพราะเอเจนต์บอกว่าเสร็จแล้ว หากเอเจนต์ของคุณเป็นทีม ให้มอบผู้จัดการให้พวกเขา
บทเรียนที่ 7: กำหนดค่าพื้นฐานของลักษณะการใช้งานปกติ
Anthropic ไม่ได้จับบัญชีฉ้อโกง 3,500 บัญชีได้จากการอ่านพร้อมท์ แต่จับได้ผ่าน “ลายเซ็นพฤติกรรม” การระบุแหล่งที่มาตามเมตาดาต้าของเครือข่ายพรอกซี และการจัดกลุ่มบัญชี
คุณสามารถนำแนวคิดเดียวกันนี้ไปใช้กับคีย์ของคุณเองได้ ทุกคีย์ควรมีผู้เรียกใช้งานที่คาดหวัง ปริมาณ และช่วงเวลาของวัน คีย์ที่ปกติแล้วใช้สำหรับงาน CI ตอนกลางคืนและจู่ๆ ก็มีการเรียกใช้ 40,000 ครั้งในเวลาตี 3 จากภูมิภาคใหม่ แสดงว่าถูกบุกรุกหรือกำลังถูกกลั่นโมเดล กำหนด อัตราจำกัดต่อคีย์ แจ้งเตือนเมื่อมีการเบี่ยงเบน และหมุนเวียนคีย์เมื่อมีข้อสงสัยแทนที่จะต้องรอหลักฐาน บันทึกการตรวจสอบบนเครื่องมือ API ของคุณจะช่วยปิดช่องโหว่โดยแสดงว่าใครส่งออกอะไร เมื่อใด
รูปแบบภายใต้ทั้งเจ็ด
ทุกกรณีในรายงานมีกลไกปกติอยู่เบื้องหลัง: คีย์ที่รั่วไหล ตัวกลางที่ไม่น่าเชื่อถือ ความลับในรูปแบบข้อความธรรมดา ผลลัพธ์ที่ไม่ผ่านการตรวจสอบ การใช้งานที่ไม่ได้รับการตรวจสอบ เลเยอร์ AI ไม่ได้สร้างช่องโหว่เหล่านั้นขึ้นมา แต่ได้เพิ่มราคาของการปล่อยให้ช่องโหว่เหล่านั้นเปิดอยู่ เพราะตอนนี้ผู้โจมตีใช้ระบบอัตโนมัติในการค้นหาและผู้ซื้อก็จ่ายเงินเพื่อเข้าถึงข้อมูลที่ถูกขโมย
สี่การควบคุมตอบคำถามส่วนใหญ่: เก็บกุญแจให้พ้นจากซอร์สโค้ดและพร้อมท์ ซื้อจากผู้ขายที่คุณสามารถระบุชื่อได้ ทดสอบสัญญา รวมถึงโมเดลที่ตอบกลับ วางมนุษย์ไว้ระหว่างผลลัพธ์ของเอเจนต์และการผลิต เราได้ให้เหตุผลเดียวกันนี้หลังจากการ ฝ่าฝืนข้อมูลของ Vercel และรายงานนี้พิสูจน์ให้เห็นในระดับที่ไม่มีใครสามารถปฏิเสธได้
ดาวน์โหลด Apidog และเริ่มต้นเล็กๆ: ย้ายคีย์ที่ฮาร์ดโค้ดทั้งหมดในคอลเลกชันของคุณไปยังตัวแปรสภาพแวดล้อมที่ถูกปิดบัง จากนั้นเพิ่มการยืนยันหนึ่งรายการบน $.model ให้กับทุกคำขอที่ผ่านบุคคลที่สาม ใช้เวลาทำงานสองชั่วโมง และสองเส้นทางการโจมตีในรายงานจะหยุดส่งผลกระทบต่อคุณ
คำถามที่พบบ่อย
การกลั่นโมเดล (model distillation) คืออะไร และเหตุใด Anthropic จึงเรียกว่าผิดกฎหมาย? การกลั่นโมเดลคือการฝึกโมเดลขนาดเล็กกว่าหรือถูกกว่าโดยใช้ผลลัพธ์จากโมเดลที่ใหญ่กว่า สำหรับโมเดลของคุณเอง นี่คือการปฏิบัติมาตรฐาน การร้องเรียนของ Anthropic คือห้องปฏิบัติการคู่แข่งใช้บัญชีปลอมหลายพันบัญชีเพื่อดึงเหตุผลของ Claude ซึ่งเป็นการกระทำที่ขัดต่อข้อกำหนด ในสองกรณีมีการส่งต่อทราฟฟิกของลูกค้าของตนเองผ่าน Claude โดยไม่เปิดเผย
Anthropic ถูกแฮกหรือไม่? ไม่ใช่ตามรายงาน รายงานระบุว่าในทุกกรณีทางไซเบอร์ คีย์ API ถูกขโมยจากสภาพแวดล้อมของลูกค้า และ “ระบบของ Anthropic เองไม่ถูกบุกรุก”
ฉันจะรู้ได้อย่างไรว่า API AI ของบุคคลที่สามกำลังส่งคำขอของฉันไปยังโมเดลที่อ้างว่าใช้? ทดสอบมัน เปรียบเทียบฟิลด์ model การใช้โทเค็นบนพร้อมท์ที่เหมือนกัน ส่วนหัวเฉพาะของผู้ให้บริการและบล็อกที่มีลายเซ็น และความล่าช้าเมื่อเทียบกับปลายทางอย่างเป็นทางการของผู้ให้บริการ สถานการณ์การทดสอบที่กำหนดเวลาไว้จะช่วยให้มั่นใจได้ถึงความซื่อสัตย์เมื่อเวลาผ่านไป
ปลอดภัยหรือไม่ที่จะใช้ Kimi, DeepSeek หรือ Qwen APIs หลังจากนี้? รายงานกล่าวอ้างเกี่ยวกับการฝึกอบรมของห้องปฏิบัติการ และสำหรับสองแห่งนั้นเกี่ยวกับการส่งต่อคำขอที่ไม่เปิดเผยข้อมูล อย่างไรก็ตาม สิ่งนี้ไม่ได้เปลี่ยนแปลงวิธีที่คุณควรถือปฏิบัติกับ API ของบุคคลที่สามใดๆ: เก็บความลับให้พ้นจากพร้อมท์ รู้ว่าใครเป็นผู้ดูแลทราฟฟิกของคุณ และตรวจสอบสัญญา มาตรฐานนั้นใช้ได้กับผู้ขายทุกราย รวมถึงผู้ขายในสหรัฐอเมริกาด้วย
Apidog สามารถหยุดคีย์ของฉันไม่ให้ถูกขโมยได้หรือไม่? ไม่มีเครื่องมือใดสามารถรับประกันได้ Apidog ช่วยลดจุดที่คีย์อาจรั่วไหลได้: ตัวแปรสภาพแวดล้อมที่ถูกปิดบังและตัวแปรที่สำรองโดย Vault, Secret Scanner ในแผน Enterprise และบันทึกการตรวจสอบ ส่วนที่เหลือคือกระบวนการ
Sharkly เข้ามามีบทบาทอย่างไรหากฉันใช้ Claude Code อยู่แล้ว? ทำงานควบคู่กัน Claude Code ทำการรันงาน Sharkly จัดการงานรอบๆ: การมอบหมาย, worktree ที่แยกต่างหาก, ความคืบหน้า และขั้นตอนการตรวจสอบโดยมนุษย์ก่อนที่จะมีการส่งมอบใดๆ มันเป็นอิสระจากผู้ให้บริการ ดังนั้นเวิร์กโฟลว์จึงยังคงอยู่เมื่อเอเจนต์ที่ดีที่สุดเปลี่ยนไป