Claude Code 103 秒删掉 4.8 万个文件之后,我把自己的仓库"删"了一遍:git 能救的比你想的少

作者:Flynt日期:2026/10/1

这两天我的时间线被同一条事故刷过去了:有开发者在 Reddit 发帖说,Claude Code 在一次"重建项目镜像"的任务里,103 秒删掉了他 48,218 个文件,连带把 .git 里的 objects、refs、logs 一起端了。帖子后来被作者删了,存档还在,TechRadar 报道后,法意俄几家科技媒体在 9 月 25 日集中转述了一轮。

事故细节值得看。现成的 build_mirror.py 做不到就地更新镜像,Claude Code 就自己写了个 Python 清理脚本,基于一份旧副本——7,332 个普通文件加 614 个 Windows junction。junction 是 Windows 的目录联接,长得像符号链接,实现是两码事。脚本用 os.walk(followlinks=False) 加 os.path.islink() 做防穿越保护,坏就坏在 islink() 只认符号链接,junction 在它眼里是普通目录,永远返回 False(官方文档写明的行为,isjunction() 直到 Python 3.12 才补上)。于是保护只在顶层生效,junction 底下的子目录被当正常路径继续删。

结果是删了 55,550 个文件、复制回 7,332 个,净损失 48,218 个,删除范围还盖进了 .git 内部。这位开发者没推过远程、没开过分支,恢复通道全堵死。agent 收尾时留了句话:"Craig — stop and read this. I broke something."

这件事目前只有当事人自述加附件验证报告,没有独立取证,媒体也都标注了。但我不打算花时间考证真伪——就算这条是编的,下一个 agent 闯祸只是时间问题。我真正好奇的是:如果删库发生在你身上,git 到底能救回多少?

大多数人(包括一天前的我)的直觉是"我有 git,怕什么"。这个直觉牢不牢,我把自己当受害者,在本地把恢复手段挨个试了一遍。git 2.34.1,Linux,全程本地,脚本在文末可复现。

git 的正常恢复,比直觉窄得多

先造一个最典型的现场:两笔历史提交,工作区躺着一段下午刚写的未提交修改,外加一个没 add 过的新文件 notes.md——大多数人每天下班时仓库就长这样。然后灾难降临,模拟 agent 清理脚本跑飞:工作区除 .git 外全删。这已经比事故仁慈了,.git 完好。 抢救用标准答案 git restore .,按 HEAD 恢复已跟踪文件。跑完对灾前灾后各做一次 md5 清单,diff 长这样:

10a1
2> 100e360cc768f15a35ed9ddf05e354ce  ./src/app.py
32,3d2
4< 611f7ce02a1ceb0ab9391c6f0c67d634  ./notes.md
5< fdcc8d71823621bef4e099395dc283ff  ./src/app.py
6

三行 diff,每行都是一条人命。app.py 的 md5 从 fdcc8d71... 变成 100e360c...——恢复出来的是 HEAD 版本,下午写的那行 "afternoon work, NOT committed yet" 没了,git 只认提交,不认你"写过"。notes.md 查无此人,未跟踪文件在 git 的世界观里根本不存在。能回来的只有最新状态被提交过的 tracked.txt。 边界线很清晰:提交过的能救,其下的全部随缘。

stash 是搬运工,不是保险柜

我猜不少人下意识会想到 stash——"我有 stash 的习惯,应该没事吧"。试完发现这个安全感是错觉。 同样的现场,灾前先 git stash(不带 -u),输出很诚实:1 file changed, 1 insertion(+)——只收走了 app.py 那行改动,notes.md 压根没进 stash。删工作区,stash pop,恢复的只有 app.py;更扎心的是 tracked.txt 还躺在 deleted 状态里,得再手动 restore 一次。至于 notes.md,从头到尾没有任何机制碰过它。 退一步说,就算每次都 stash -u,stash 的本体也是 .git 里的一组对象——这就要说到事故里真正的死因了。

事故真正的死因:.git 不是备份

那位开发者无可挽回的原因,不是工作区被删,是 .git 内部被删。我在干净仓库上模拟了这一刀:

1rm -rf .git/objects .git/refs .git/logs
2

然后准备了一串抢救命令,结果一个都没用上:

1$ git status
2fatal: not a git repository (or any of the parent directories): .git
3$ git log --oneline
4fatal: not a git repository (or any of the parent directories): .git
5$ git fsck --lost-found
6fatal: not a git repository (or any of the parent directories): .git
7$ git reflog
8fatal: not a git repository (or any of the parent directories): .git
9

四个命令,同一句遗言。objects 整个没了,git fsck 连尸体都找不到——它的工作方式就是遍历 objects,仓库没了它就失业。reflog 这根"救命稻草"也在被删的 logs 里。

测到这里我有点凉。很多人把 .git 默认当备份,但物理事实是:.git 和工作区躺在同一个目录里,任何"从项目根往下删"的操作都不会对它手下留情,事故里的 agent 恰好就是这么删的。**git 给你的是版本管理,不是异地容灾,这俩的差距平时看不出来,出事那天就是全部。**既然 .git 靠不住,那就把保险柜搬出去。我试了两层:先自建快照,再把快照扔出仓库。

给工作区拍快照,第一版就把自己吃了

快照思路:把工作区当前状态(含未跟踪文件)固化成一个 commit,不动分支、不进历史,挂在自定义引用 refs/snapshots/ 下。每拍一次就是一个能随时翻回去的时间点,历史也不乱。 git 有现成零件:用 GIT_INDEX_FILE 指一个临时 index,read-tree 进 HEAD 的树,add -A 全量收编工作区(未跟踪文件也能收),write-tree 写成树,commit-tree 打包,update-ref 挂引用。第一版:

1snapshot() {
2  local tag="$1"
3  export GIT_INDEX_FILE="$PWD/.snap-index"   # 临时 index 放在工作区
4  git read-tree HEAD
5  git add -A
6  local tree; tree=$(git write-tree)
7  unset GIT_INDEX_FILE
8  rm -f .snap-index
9  git update-ref "refs/snapshots/$tag" \
10    "$(git commit-tree "$tree" -p HEAD -m "auto snapshot: $tag")"
11}
12

跑完我顺手 git ls-tree 检查快照内容,看到了本次演练最滑稽的一幕:

1$ git ls-tree -r refs/snapshots/t2_evening --name-only
2.snap-index
3.snap-index.lock
4notes.md
5src/app.py
6tracked.txt
7

.snap-index 和 .snap-index.lock——临时 index 放在工作区里,被 git add -A 自己吸进快照了。snapshot 的本职是给工作区拍照,结果把三脚架也拍进去了。真拿来恢复,工作区会凭空多出俩垃圾文件;要是临时 index 里带敏感路径,它们还会跟着快照走。 修法简单到有点丢人:临时 index 挪进 .git/,工作区扫描永远碰不到。

1export GIT_INDEX_FILE="$PWD/.git/snap-index"   # 只改这一行
2

改完重跑,ls-tree 干干净净三个文件,两个时间点快照 t1_afternoon、t2_evening 都能取——git show refs/snapshots/t1_afternoon:src/app.py 还能把"下午那版、还没写 evening fix"原样调出来。 到这里我以为方案闭环了,配个 crontab 每十分钟一拍就完事:

1*/10 * * * * cd /path/to/repo && /path/to/snapshot.sh ten_min
2

然后我盯着 refs/snapshots 这个路径看了两秒,觉得不对劲。

快照救不了 .git 陪葬,那就扔出仓库

快照的 commit 和 tree 对象,物理上还是躺在 .git/objects 里,引用也挂在 .git/refs 下——事故里 agent 删的就是这俩目录。快照拍得再勤,.git 被端那一刻照样陪葬,它只是把刚才那种死法推迟了一点。 能扛住全灭的,是把仓库整体打包扔出仓库外,git 自带这功能:bundle。

1git bundle create ~/backup/repo-safety.bundle --all
2

一条命令,所有引用(含 refs/snapshots/*)连着对象库打包成单个文件,写到仓库外。最终演练:拍完两个快照、打出 bundle(演示项目只有 1476 字节),然后模拟最坏情况——rm -rf 整个仓库目录,.git 一起死。恢复三步:

1git clone ~/backup/repo-safety.bundle restored
2cd restored
3git fetch origin '+refs/snapshots/*:refs/snapshots/*'
4git checkout refs/snapshots/t2_evening -- .
5

灾前灾后的 md5 清单 diff,这次一个字都没有:tracked.txt、带 evening fix 的 app.py、notes.md,逐字节一致,历史提交全回来,两个快照时间点也都在。bundle 走的是 git 自己的对象格式,git bundle verify 能校验完整性,比裸 cp -r 靠谱。

写在最后

要是按可靠程度给这几招排个序,大概是:推远程 > bundle 到仓库外 > 本地快照 > stash > 裸奔。事故里那位开发者从倒数第二档直接掉进裸奔,agent 只是扣了扳机,把门敞开的是"没推远程、没备份、agent 跑在生产目录"这三件事的组合。

Claude Code 这类工具自带的权限白名单、沙箱模式该配还得配,那是事前防线。但这次演练教会我的是:事前防线总有失守的一天,agent 的行为预测不了,你能控制的只有"它删完之后你还能剩什么"。我的 bundle 任务已经挂上了,你看着办。

完整演练脚本(LAB1/LAB2 命令正文里都有,快照加 bundle 的最小可复现版在下面,复制即可跑):

1#!/usr/bin/env bash
2set -e
3mkdir demo && cd demo
4git init -q -b main
5git config user.email t@t.local; git config user.name tester
6echo "v1 line" > tracked.txt
7mkdir -p src && echo "print('hello')" > src/app.py
8git add . && git commit -qm "init"
9echo "v2 line" > tracked.txt && git commit -qam "update tracked"
10echo "// afternoon work, NOT committed yet" >> src/app.py
11echo "todo list for tomorrow" > notes.md
12
13snapshot() {
14  local tag="$1"
15  export GIT_INDEX_FILE="$PWD/.git/snap-index"
16  git read-tree HEAD
17  git add -A                      # 未跟踪文件一并收进快照
18  local tree; tree=$(git write-tree)
19  unset GIT_INDEX_FILE
20  rm -f .git/snap-index
21  git update-ref "refs/snapshots/$tag" \
22    "$(git commit-tree "$tree" -p HEAD -m "auto snapshot: $tag")"
23}
24snapshot t1
25echo "evening fix" >> src/app.py
26snapshot t2
27
28git bundle create ~/demo-backup.bundle --all  # 打到仓库外,路径自定
29cd .. && rm -rf demo                          # 全灭
30git clone ~/demo-backup.bundle restored && cd restored
31git fetch origin '+refs/snapshots/*:refs/snapshots/*'
32git checkout refs/snapshots/t2 -- .           # notes.md 和 evening fix 都回来了
33

参考文档


《Claude Code 103 秒删掉 4.8 万个文件之后,我把自己的仓库"删"了一遍:git 能救的比你想的少》 是转载文章,点击查看原文。


相关推荐


同一个审批流引擎,我写了两次:一次 11226 行,一次 7036 行
mldong2026/9/25

几年前,我给自己的快速开发框架写了一套内置工作流模块:流程定义、流程实例、任务、会签、退回,审批流该有的都有,用得也挺好。后来我把引擎从业务工程里抽出来,做成独立的 SDK,就是现在这个多语言工作流引擎 jeeflow。 同一个作者,同一套审批流语义,两种架构各写了一遍。第一版连皮带瓤 11,226 行;第二版引擎核心 7,036 行,95 个类。 把两个数字放在一起,你大概会期待一个"重构之后代码少了三分之一"的故事。不是。7,036 比 3,518——第一版里真正属于引擎的那部分——还多了


【读点论文】Overall positive prototype for few-shot open-set recognition
羞儿2026/9/16

Overall positive prototype for few-shot open-set recognition abstract 少样本开集识别(FSOR)是用有限数量的标注实例识别已知类别中的样本,同时检测不属于任何已知类别的样本的任务。这是一个具有挑战性的问题,因为模型必须学会从少量带标签的样本中进行归纳,并将它们与无限数量的潜在负面样本区分开来。在本文中,我们提出了一种新的方法称为整体positive 原型,以有效地提高性能。从概念上讲,负样本会分布在整个特征空间,很难描述。


生产执行系统优化方案:多维度提升制造效率的实践路径
田先生@2026/9/8

1. 引言:为什么 MES 优化是制造提效的关键 很多工厂上线了生产执行系统,却仍然面临“计划赶不上变化、异常响应慢、数据看不见”的问题。原因往往不在系统本身,而在于系统与现场执行之间的衔接不够紧密:数据采集滞后、排程过于静态、异常处理依赖人工层层上报。要真正提升制造效率,需要把 MES 从“记录系统”升级为“实时执行与闭环优化系统”。 本文围绕生产执行系统的常见瓶颈,提出一套可落地的优化方案,从数据透明化、计划排程、产线协同到指标管理,给出具体措施、实施路径和衡量方法。 2. 制造效率的


AI Agent 的经济账:算力、模型路由与真实 ROI
枫叶丹42026/8/31

文章目录 1 -> 引言2 -> 为什么只看 Token,会把账算错3 -> Agent 的六类成本1. 模型推理成本2. 工具与数据成本3. 基础设施成本4. 人工注意力成本5. 失败与返工成本6. 风险预期损失 4 -> 先分工作组合,再谈模型预算5 -> 模型路由不是“大小模型二选一”6 -> 上下文成本常比回答本身更大7 -> 成功率决定重试经济学8 -> 什么时候多花算力是划算的9 -> 一个 AI 获客任务的算账示例方案 A:全量使用强模型方案 B:分层漏斗 10 -> 建


lesson27-29计算机网络第三章精讲:交换机与VLAN的工作原理、区别与实战应用
Zguigo2026/8/23

第三章 Lesson 27 交换机(★★★★★) 第一部分:为什么需要交换机? 假设: 有四台电脑。 A B C D 如果: 没有交换机。 是不是: 谁也不能通信? 于是: 把大家连起来。 A │ │ B ── Switch ── C │ │ D 这样: 所有电脑: 都能通信。 交换机的作用(★★★★★) 一句话: 根据目的 MAC 地址,转发数据帧。 ★★★★★ 这是考试最喜欢考的定义。 记住: 交


读取腾讯在线智能表格内容,使用AI智能扩写内容并生成PDF篮球培训教学反馈文档系统
@Ma2026/8/10

篮球培训教学反馈系统 项目简介 这是一个基于AI的篮球培训教学反馈系统,帮助教练快速生成学员的训练周报PDF,并自动推送到企业微信家长群。 主要功能 智能表格管理:创建和管理学员信息表格AI内容扩写:使用DeepSeek AI将简短的教学记录扩写成专业的训练周报PDF生成:自动生成带有Logo水印的PDF周报批量处理:异步处理多个学员的周报生成预览与编辑:支持预览PDF,不满意可重新生成企业微信集成:自动推送PDF到对应的家长群Web界面:简洁美观的前端UI,方便操作 技术栈 后端:Python


Agentic AI 工程实战
Shockang2026/8/1

Key Takeaways LLM 聊天补全→RAG 增强→工具调用→单智能体→多智能体系统的五阶段演进路径,每一步解决前一步的什么局限 自主性(autonomy)、反应性(reactivity)、主动性(proactiveness)、社会性(social ability)四大特征在工程上的具体表现 智能体系统的 IO 特征:LLM API 调用秒级延迟、多工具并发、多会话并行,同步阻塞模型完全无法支撑 智能体系统的数据可信问题:LLM 输出天然不稳定,不加校验的 JSON 解析是生产事故的头


【Linux 系统篇(六)】基础开发工具(一) —— 软件安装完全指南
Huangjin007_2026/7/24

大家好,欢迎来到 huangjin007_ 的博客 ⭐ 个人主页:huangjin007_ 🔥 文章收录专栏:Linux 内功修炼手册(系统篇) 总会有一些坚持能从冰封的土地里培育出十万朵怒放的蔷薇 Linux 系统篇(六) —— 软件安装完全指南 文章目录 Linux 系统篇(六) —— 软件安装完全指南1. 软件包管理器1.1 什么是软件包?1.2 Linux 软件生态1.3 包管理器具体操作1.3.1 查看软件包(搜索)1.3.2 安装软


【Python学习】(认识函数、列表、元组、字典与文件核心知识要点)
承渊政道2026/7/16

🔥承渊政道:个人主页 ❄️个人专栏: 《C语言基础语法知识》 《数据结构与算法》 《C++知识内容》 《Linux系统知识》 《算法刷题指南》 《测评文章活动推广》 《大模型语言路线学习》 《MySQL数据库学习》 《Python知识内容》 ✨逆境不吐心中苦,顺境不忘来时路!✨ 🎬 博主简介: 在学习 Python 的过程中,掌握基础语法只是第一步,真正决定代码是否清晰、高效、易维护的,是对函数、列表、元组、字典以及文件操作等核心知识的理解


Java ActiveMQ 实战指南:从 JMS 队列、主题到 Spring Boot 消息处理
唐青枫2026/7/8

简介 ActiveMQ 是 Apache 提供的消息中间件。 它在 Java 生态里很常见,尤其是传统企业系统、老项目改造、JMS 规范相关系统中出现得比较多。 简单理解: 生产者 | v ActiveMQ Broker | v 消费者 ActiveMQ 最常见的使用方式是 JMS。 JMS 全称是 Java Message Service,它是一套 Java 消息服务 API 规范。 ActiveMQ 和 JMS 的关系可以类比成: JMS 是规范 ActiveMQ 是实现

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读