跳到主要內容

【2026 最新】Claude Code Feedback 隱私稽核怎麼做?新手必學 5 步送出前檢查

最後更新: ·
Claude Code Feedback 隱私稽核 教學首圖

你在 Claude Code 做完一段工作,畫面跳出「How is Claude doing this session?」;你只是想按個分數,卻突然想到:這一下會不會把整段 Session、剛讀過的程式碼,甚至終端機輸出一起送走?這正是 Claude Code Feedback 隱私稽核要解決的問題。

先講最新結論:截至 2026 年 9 月 24 日,Claude Code 官方文件把「Session 品質評分」、「評分後另行同意分享逐字稿」與 /feedback 報告分成三條資料路徑。只看按鈕長得像評分,很容易把它們混成同一件事。

這篇專為第一次做 AI 工具隱私檢查的讀者寫。你不需要懂資安術語;我們會用一個無真實秘密的合成專案,帶你看懂帳戶類型、送出範圍、保存時間、可關閉的控制,以及什麼情況應該直接取消。

先說結論:Claude Code Feedback 隱私稽核只看三件事

一句話記住:送出風險=入口 × 你選的歷史範圍 × 帳戶條款。

  • 入口:只是回答 Session 品質評分、同意分享逐字稿,還是主動開啟 /feedback
  • 範圍:只含評分、目前 Session,還是同專案近 24 小時/7 天的其他 Session?
  • 身分:Free/Pro/Max 消費者帳戶、Team/Enterprise/API 商業帳戶,或 Bedrock、Google Cloud Agent Platform、Microsoft Foundry 等第三方供應商,適用的資料路徑不同。
Claude Code Feedback 隱私稽核三條資料路徑:Session 評分、逐字稿分享與 feedback 報告
先辨識入口,再決定是否送出:單純評分、逐字稿分享與 feedback 報告不是同一條資料路徑。

Claude Code Feedback 隱私稽核第一關:你按的是哪一個入口?

① Session 品質評分:「只投票」

官方資料使用文件明確區分:當 Claude Code 顯示「How is Claude doing this session?」時,你回覆評分,連選擇 Dismiss 在內,都只記錄評分;這一步本身不收集對話逐字稿、輸入、輸出或其他 Session 資料。

白話說,這像餐廳門口按笑臉或哭臉:第一下是滿意度,不等於把你整桌聊天錄音交出去。

② 評分後的逐字稿詢問:「另開資料袋」

評分之後可能出現另一個問題:「Can Anthropic look at your session transcript to help us improve Claude Code?」這是獨立的第二步。只有你明確選 Yes,才會分享目前對話逐字稿、subagent 逐字稿與磁碟上的 raw session log。

官方同頁也把邊界寫得很具體:已知 API key 與 token 模式會先被遮蔽,但原始碼、檔案內容與其他對話內容會照原樣進入 payload。這批 Session 品質調查後分享的逐字稿最多保存 6 個月,且官方表示它不影響模型訓練設定,也不能用來訓練 AI 模型。

因此不能把「會遮蔽已知 token 模式」翻譯成「所有秘密都會被清乾淨」。私有 URL、客戶名稱、未符合常見格式的憑證、商業邏輯與剛印在終端機裡的資料,都可能不是標準 secret pattern。

/feedback/bug/share:「正式報告」

這三個命令走同一條回報路徑。依現行命令文件,對話框會讓你決定包含多少歷史並在送出前確認;資料使用文件再補充三個範圍:預設只含目前 Session,或擴大到同一專案近 24 小時、近 7 天的其他 Session。

這條路會把包含程式碼的對話歷史送進 feedback payload,官方保存期是 5 年。對消費者帳戶而言,現行 Consumer Terms 也明載:即使已在帳戶設定退出一般模型訓練,當你針對 Materials 主動提供 Feedback 時,相關 Materials 仍可被用於模型訓練。

真正的判斷不是「能不能回報 bug」,而是:能否把問題縮成一段不含真實秘密的最小重現,再只勾目前 Session。

④ Claude.ai 的 thumbs up/down:「另一個介面」

不要把 CLI 的 Session 品質評分,和 claude.ai 回答下方的 thumbs up/down 混用同一個結論。Anthropic 的消費者資料說明表示,透過 thumbs up/down 提供 feedback 時,會保存整個相關對話,最長 5 年;資料會先與使用者 ID 解連結,且可能用於服務分析、研究與模型訓練。

第二關:先分清 consumer、Work/Team 與 API

同一台電腦上的 Claude Code,可以因登入方式不同而落在不同條款。最實用的做法不是猜方案名稱,而是先問:「這次 Session 的憑證來自個人 Claude 帳戶、組織帳戶、Anthropic API key,還是第三方雲端?」

  • Free/Pro/Max:屬消費者路徑。一般聊天與 coding session 是否用於模型改進,由帳戶的 Model Improvement 設定控制;但主動送出的 Feedback 是獨立例外。
  • Team/Enterprise/API:屬商業路徑。官方政策是預設不以程式碼或 prompts 訓練生成模型,除非客戶另行選擇提供資料;feedback 仍有自己的提交與保存規則。
  • Bedrock/Google Cloud Agent Platform/Foundry:/feedback 預設不直接上傳 Anthropic,而是在 ~/.claude/feedback-bundles/ 寫入本地檔案;在你自行轉交前,不會離開電腦。

若你平常在 Claude、Claude Code 與 Cowork 之間切換,可先讀Claude、Claude Code、Cowork 差異;若你同時比較其他 coding agent,則搭配Claude Code vs Codex,把「產品介面」與「資料條款」分開判斷。

Claude Code Feedback 隱私稽核:5 步無秘密 dry run

步驟 1:建立只裝假資料的實驗資料夾

痛點:直接在工作專案測,最小重現還沒做完,Session 已經讀過大量檔案。解法:先建立隔離的合成 repo,只放明確標記為假的內容。

mkdir -p ~/claude-feedback-lab
cd ~/claude-feedback-lab
printf 'API_KEY=fake_test_only\n' > .env.example
printf 'print("hello feedback lab")\n' > demo.py
git init
claude

驗收點很簡單:資料夾裡沒有任何真實客戶資料、私有 repo 歷史、可用 credential 或公司內部文件。你看到的每一行,都應該是即使公開也沒有損失的合成內容。

步驟 2:確認這次 Session 用哪種身分

痛點:個人訂閱與公司 API key 可能在同一台機器交替使用。解法:先在 Claude Code 查看登入/狀態資訊,再對照組織管理頁;不要因為畫面上都寫 Claude Code,就假設條款相同。

Pro/Max 使用者也可輸入 /privacy-settings 查看與更新隱私設定;消費者帳戶的網頁路徑則是 Settings → Privacy → Help Improve Our AI Models。這個設定控制一般新聊天與 coding sessions 的模型改進使用,不等於替你取消已主動送出的 feedback。

步驟 3:開啟 /feedback,只觀察、不送出

痛點:使用者常把「開啟對話框」誤認為「已經上傳」。解法:在合成 Session 輸入 /feedback 測試隱私範圍,讀完同意文字與歷史範圍後取消。官方文件寫明,Claude Code 在你選擇送出之前不會傳送草稿。

這一步只記三件事:預設勾選哪個範圍、能否縮到目前 Session、送出前是否另有確認。不要為了「看看會怎樣」在真實 Session 按到最後一步。

步驟 4:把真實問題縮成最小重現

痛點:bug 可能真的需要 context,但整個 repo 並不需要。解法:複製一個最小檔案、保留錯誤訊息結構、把名稱與數值改成假資料,然後在新的 Session 重現。

  1. 只留下能觸發問題的最少檔案。
  2. 把 token、URL、email、客戶名、內網主機與資料列換成假值。
  3. 重新執行一次,確認假資料仍能重現。
  4. 只選「目前 Session」,再重新閱讀送出摘要。

這和建立AI Agent Harness的觀念相同:不是期待模型「自己小心」,而是把資料邊界設計成即使出錯也只暴露最小範圍。

步驟 5:不需要回報時,關閉入口並清理實驗資料

痛點:每次靠臨場判斷,久了總會有人按錯。解法:個人可在 Claude Code 的 settings.json 設定兩個環境變數,分別關閉 feedback 命令與 Session 品質調查:

{
  "env": {
    "DISABLE_FEEDBACK_COMMAND": "1",
    "CLAUDE_CODE_DISABLE_FEEDBACK_SURVEY": "1"
  }
}

若組織要一次管理多人,應使用管理式設定或組織政策,而不是要求每位成員自己記得。Team/Enterprise 的 Primary Owner 或 Owner 也能在 Organization settings → Data and Privacy → Rate chats 關閉成員的 thumbs feedback。

最後,在合成專案目錄執行 claude project purge,可刪除 Claude Code 為該專案保存的本地狀態。Claude Code 本機逐字稿預設放在 ~/.claude/projects/,是明文檔案,預設清理期為 30 天;本機保存與送往 Anthropic 是兩個不同的風險面。

什麼時候不要按送出?4 個硬停條件

  • Session 已碰過真實 secrets:不要把自動遮蔽當成秘密掃描器;先重建合成 Session。
  • 你不知道目前用哪種帳戶或 provider:先查身份,再決定適用的條款與資料路徑。
  • 問題無法縮到目前 Session:不要直接勾 24 小時或 7 天;先問官方支援能否接受手動整理的最小附件。
  • 公司政策沒有授權:個人看到按鈕,不等於有權分享雇主、客戶或第三方程式碼。

省 token 的做法也能幫你縮小資料面:把冗長歷史拆成乾淨、可重現的短 Session。可搭配Claude 省 token 10 招,把「少送不必要 context」變成日常習慣,而不只是出事前的清理。

Claude Code Feedback 隱私稽核 FAQ

1. 按 Session 評分就會上傳整段對話嗎?

不會。依 2026 年 9 月 24 日的 Claude Code 文件,品質評分本身只記錄 rating;逐字稿分享是後續獨立詢問,必須再選 Yes

2. 按 Dismiss 會送逐字稿嗎?

不會。官方把 Dismiss 列在只記錄評分的選項中;它不是逐字稿同意。

3. /feedback 預設會帶多少歷史?

目前 Session。你也可以主動擴大到同專案近 24 小時或 7 天;隱私最小化的預設做法是留在目前 Session。

4. 自動 redaction 能保證秘密都被刪掉嗎?

不能。官方只承諾遮蔽已知 API key 與 token 模式,同時明說原始碼、檔案內容與其他對話內容會照原樣上傳。真正安全的作法是先做合成最小重現。

5. 關閉 Model Improvement,就代表 feedback 不會用於訓練嗎?

不能這樣推論。消費者條款把主動提供 Feedback 列為退出一般訓練後仍可使用相關 Materials 的例外;送出前要把 feedback 當成獨立同意。

6. 使用 Bedrock/Google Cloud Agent Platform 時,/feedback 會直接送到 Anthropic 嗎?

預設不會。現行文件說它會先建立本地 feedback-bundles;除非你之後自行轉交,否則檔案留在電腦上。

7. 不送 feedback,本機就不會留下程式碼嗎?

不一定。Claude Code 為續接 Session 會在本機保存明文逐字稿;工具讀到的檔案內容與命令輸出也可能寫進紀錄。這要靠本機權限、清理期與 claude project purge 管理。

8. 公司團隊最該做的第一件事是什麼?

先定一條統一政策。明確規定誰能送、只能用合成最小重現、允許的歷史範圍與替代支援管道,再用組織設定關閉不需要的入口。

給新手的 5 個重點

  1. Session 評分、逐字稿分享、/feedback 是三條不同資料路徑。
  2. 評分本身不等於上傳逐字稿;後續選 Yes 才是分享。
  3. /feedback 預設只選目前 Session,不要無理由擴大到 24 小時或 7 天。
  4. 自動遮蔽只是一層保護,合成最小重現才是主要防線。
  5. 每次送出前都重查入口、範圍與身分;任何一項不清楚就取消。

如果你想把這種「先定邊界、再讓 AI 動手」的思路擴展到完整工作流,可進一步讀如何打造 AI Agent Harness,或到AlphaLab 課程把 AI 工具、Agent 與自動化串成可驗收的系統。

接著閱讀

左右滑動查看更多推薦

結語:先把 Session 變得可以分享,再決定要不要分享

Claude Code Feedback 隱私稽核的重點,不是叫你永遠不要回報問題,而是把回報從一次衝動點擊,改成可驗收的資料交付。現在就建立一個只含假資料的 lab,開啟 /feedback 走到最後確認前再取消;只要你能清楚回答「哪個入口、多少歷史、哪種帳戶」,就已經掌握這套稽核方法。

ALPHALAB 社群

有問題?來 Telegram 聊

和 Terry、編輯、其他網友一起討論這篇文章。提問、分享觀點,回覆更即時。

加入 Telegram 討論

📩 訂閱 AlphaLab 電子報

每週最多三封:一封 Weekly 週報與最多兩封關鍵 Alpha Signal。

我們不會 spam,隨時可退訂。