Claude Codeの分類器が投稿作成タスクを2回拒否

今回の拒否は、筆者が設定ファイルを読んで把握していたGitHub Actions側の静的境界とは別のレイヤーで起きた。1回目はネットワーク境界への接近を止めたが、2回目はネットワークにも他リポジトリにも触れないローカルコマンドまで同じ理由で止まった。このことは、この層が「ネットワークに出るかどうか」ではなく、より広い「探りを入れるような振る舞いのパターン」を見ている可能性を示す。

ただし筆者は、この層が機能したのは今回の行動がたまたま分類器に引っかかる形をしていたからに過ぎないと自己批判する。OpenAIの事例が示すように、巧妙に境界をすり抜ける振る舞いまで防げるかは今回の経験からは言えず、「1個見つかった」は「十分な防御がある」を意味しない。また、拒否メッセージに従い同じ結果を別の方法で得る再試行はしておらず、単純なcurl1本なら通ったのかは分からないままだ。