Fabrício Mainenti
RedatorSe há uma característica marcante nos modelos de IA generativa, é a sua insistência em fazer perguntas. Eles não conseguem encerrar uma interação sem perguntar: "Quer que eu faça mais alguma coisa?". Isso está no DNA deles; os LLMs são sistemas preditivos que precisam continuar avançando. As ferramentas atuais permitem restringir esse comportamento, embora o resultado possa não ser o esperado.
O problema
O Claude Code pode operar em modo automático, mas sempre perguntará ao usuário como prosseguir caso precise tomar uma decisão importante. Para tornar a experiência menos cansativa, a aplicação oferece a opção "Sim, e não pergunte novamente" — aquele tipo de caixa de seleção que marcamos, por exemplo, ao excluir uma pasta que contém muitos itens. É um "sim para tudo", deixando que as consequências sigam seu curso.
No caso do Claude Code, marcar a opção de não perguntar novamente significava que o comando aprovado era salvo exatamente como foi digitado — incluindo quaisquer senhas presentes nele — em um arquivo que poderia acabar sendo incorporado ao código gerado pela IA.
Como a Apiiro descobriu, isso levava ao vazamento de senhas de bancos de dados, credenciais de acesso a servidores SSH do usuário, chaves privadas e até mesmo tokens do GitHub e chaves da AWS.
Acesso público a dados sensíveis
Imagine a dimensão desse vazamento: qualquer pessoa que encontrasse esses dados — como uma chave de API privada — poderia causar um prejuízo financeiro significativo ao desenvolvedor. E as informações estavam acessíveis a qualquer um: nos próprios repositórios públicos do GitHub.
Para registrar uma permissão, o Claude Code salva o comando, tal como foi digitado, em um arquivo do projeto chamado .claude/settings.local.json. Se o comando contivesse uma senha, ela era armazenada em texto simples (sem criptografia).
Esse arquivo não foi feito para ser compartilhado, mas essa regra vale apenas para a máquina do desenvolvedor, não para o repositório. Se o arquivo já tiver sido enviado anteriormente, ou se houver outro computador colaborando no projeto, o conteúdo acaba sendo enviado ao GitHub junto com o restante do código.
O perigo do vibecoding
O comportamento do Claude Code faz sentido: para não incomodar o usuário — e visto que já possui sua permissão —, ele salva o comando exato para reconhecê-lo na próxima vez. Se o desenvolvedor não supervisionar o que está enviando e subir os arquivos diretamente para o GitHub, acaba compartilhando o acesso às suas próprias informações.
Não é algo por acaso: o vibecoding aumentou consideravelmente o uso do GitHub. Segundo o relatório Octoverse 2026 do GitHub, nos doze meses anteriores a 30 de setembro, foram registrados 17,9 bilhões de pushes e 34,3 bilhões de commits. Esse número de pushes supera o total de 2024 e 2025 somados.
Há, ainda, outro dado que demonstra o peso do vibecoding no GitHub: em setembro deste ano, mais de 40% dos pull requests tiveram origem em um agente de IA. Em março, esse índice era de 17%.
O que diz a Anthropic?
A empresa não emitiu um comunicado oficial, mas Boris Cherny, responsável pelo Claude Code, respondeu no Hacker News. Ele admitiu que a ferramenta nunca realizou a limpeza de segredos (secrets) nos dados que armazena, mas argumentou que o arquivo foi projetado para permanecer localmente — como o Claude Code o exclui do Git ao criá-lo, ele sustenta que os arquivos vazados foram criados manualmente e enviados posteriormente.
Enquanto a Anthropic busca uma solução definitiva, Cherny recomenda utilizar o modo automático no Claude Code e ativar a verificação de segredos no repositório. Ele também adiantou que a equipe está testando duas melhorias: a detecção de vazamento de dados pelo modo automático e um verificador básico de segredos integrado. Não há uma data definida para a implementação dessas mudanças.
Imagem de capa | Iván Linares (editada)
Texto traduzido e adaptado do portal parceiro Xataka Espanha
Ver 0 Comentários