https://www.chenk.top/zh/tags/safety/Recent content in Safety on Chen Kai BlogHugozh-CNWed, 22 Apr 2026 09:00:00 +0000https://www.chenk.top/zh/claude-code-learn/05-hooks/Wed, 22 Apr 2026 09:00:00 +0000https://www.chenk.top/zh/claude-code-learn/05-hooks/<p>如果说 MCP 是 Claude 向外扩展能力的机制，那么 Hooks 就是你向内施加约束的手段——它强制执行你真正关心的规则，而不只是寄托于模型的自觉。</p> <p><figure class="article-figure"> <img src="https://blog-pic-ck.oss-cn-beijing.aliyuncs.com/posts/zh/claude-code-learn/05-hooks/illustration_1.png" alt="Claude Code 实战 (5)：Hooks，或如何不再担心 Yolo 模式 —— 图解" loading="lazy" decoding="async" class="content-image"> </figure> </p>https://www.chenk.top/zh/llm-engineering/11-safety/Mon, 06 Apr 2026 09:00:00 +0000https://www.chenk.top/zh/llm-engineering/11-safety/<p>安全是 LLM 工程中信噪比最低的话题：哲学讨论泛滥、营销话术盛行，而真正可落地的工程细节却十分稀缺。本章只讲工程细节——RLHF 名义上强调“安全”，实际优化目标是什么？拒绝校准为何失效？真实的红队测试长什么样？哪些幻觉评估指标能切实预测对客户的影响？此外，2024–2026 年间的一些不起眼但至关重要的论文（如 <em>Sleeper Agents</em>、refusal as a feature direction、weak-to-strong generalization）将重塑你对生产环境中对齐实践的理解。</p>