trailofbits/claude-code-config

解决的问题

该项目为使用 Claude Code 提供了一套全面的、有明确立场的默认配置、设置和工作流程。它通过提供预配置的设置、沙箱策略和自动化钩子，解决了为 AI 辅助编程构建安全、高性能、专业环境的挑战，尤其适用于安全审计、研究和开发场景。

如何工作

配置通过以下组件实现：

• 设置与环境：一个 settings.json 文件，用于管理隐私（禁用遥测）、启用实验性功能（如多代理团队），并设置权限的硬性限制。
• 沙箱：利用 Claude Code 原生的 /sandbox（macOS 使用 Seatbelt，Linux 使用 bubblewrap），并提供特定的拒绝规则，阻止对 SSH 密钥和云凭证等敏感文件的访问。同时建议使用 devcontainers 或远程 droplets 实现完全隔离。
• 钩子：使用 PreToolUse、PostToolUse 和 Stop 钩子拦截工具调用，阻止危险命令（如 rm -rf），记录变更，防止 AI 对不完整工作进行「合理化」。
• 全局指令：一个 CLAUDE.md 模板，定义开发哲学、代码质量限制以及语言特定的工具链（如 Python 的 uv，Node 的 oxlint）。
• 自定义工具：一个状态行脚本，用于实时追踪模型使用情况、会话成本和提示缓存命中率。

适用人群

使用 Claude Code 并希望获得一个以安全为先、严格代码质量、自主高效但不牺牲安全性的生产就绪环境的开发者、安全研究人员和审计人员。

主要亮点

• 安全优先的沙箱：结合操作系统级别的隔离与对凭证和密钥的严格拒绝规则。
• 结构化提示注入：通过钩子强制执行防护机制，在执行时刻阻止已知的恶意模式。
• 反合理化门控：基于提示的钩子，使用快速模型审查 AI 的最终响应，若发现跳过工作则强制其继续。
• 精选生态系统：与 Trail of Bits 自有的技能市场集成，支持安全审计和智能合约分析。
• 性能优化：推荐特定终端（Ghostty）和工具链，以无延迟处理高负载 AI 输出。