作者：老虎海子 · 面向普通开发者

---

一、开篇：CC 是什么？

如果你用过 ChatGPT 写代码，大概经历过这样的流程：复制代码 → 粘贴到对话框 → 描述问题 → 把改好的代码贴回去 → 保存 → 来回切换。

Claude Code（简称 CC）彻底改变了这个模式。

CC 不是一个"聊天框里的代码助手"，而是一个驻留在你终端里的 AI 编程 Agent。它拥有对文件系统的直接访问权限，可以读文件、写代码、执行命令、搜索整个代码库——就像一个能理解自然语言的资深工程师坐在你旁边，直接操作你的项目。

它与普通 AI 聊天的核心区别：

	普通 AI 聊天	Claude Code
交互方式	复制粘贴	直接在终端协作
代码感知	你告诉它上下文	自己读文件、搜代码
动手能力	生成代码片段	读写文件、运行命令、创建项目
执行流程	单轮问答	多步自主执行直到任务完成

本文将从架构层面，拆解 CC 的内部引擎是如何工作的。

---

二、核心循环：Agent Loop

CC 的一切工作都围绕一个核心机制——Agent Loop（代理循环）。

2.1 循环流程

这不是传统的"一问一答"，而是一个持续循环：

2.2 关键理解

在这个循环中，模型自己是决策者。每一轮它都要决定：

• 是不是该说句话回复用户？
• 是不是该读某个文件？
• 是不是该执行一个 shell 命令？
• 是不是该修改某行代码？
• 任务是不是完成了？

这就是 Agent Loop 的核心思想：模型不再是被动回答问题，而是主动驱动工作流。

这也解释了为什么 Agent Loop 如此重要——传统 AI 问答是"你问一句，它答一句"的模式，而 Agent Loop 让 CC 具备了独立完成任务的能力：它可以从"修复这个 bug"这样模糊的指令出发，自主规划步骤、执行操作、根据结果调整策略，直到 bug 真的被修好。

---

三、工具系统：AI 的"手脚"

模型本身不能直接操作你的电脑。Agent Loop 中的"执行工具"这一步，靠的就是 CC 的工具系统——这是 AI 与真实世界交互的桥梁。

3.1 CC 的核心工具

类别	工具	类比
文件读取	Read、Glob、Grep	人类用编辑器打开文件、搜索关键词
文件写入	Edit、Write	人类保存文件、创建新文件
命令执行	Bash	人类在终端敲命令
网络	WebFetch、WebSearch	人类打开浏览器查资料
任务管理	TaskCreate/Update	人类在便签纸上列出待办
子代理	Agent	人类叫同事帮忙并行干活
定时任务	CronCreate/Delete	人类设个闹钟提醒

3.2 工具的设计哲学

每个工具的设计都遵循一个原则：让模型更容易做出正确决策。

• Edit 工具要求你指定 old_string 和 new_string，而不是简单地"替换第 30 行"——因为模型可能数错行号
• Grep 使用 ripgrep，在大型代码库中秒级搜索
• 工具调用失败时会返回明确的错误信息，帮助模型自我修正

3.3 工具调用的幕后

当模型决定"我要调用 Read 工具读这个文件"时：

1. 模型输出一个结构化的工具调用请求
2. CC 的运行时解析这个请求，执行对应操作
3. 结果（文件内容或报错信息）以 tool_result 的形式返回给模型
4. 模型看到结果，决定下一步怎么做

这个循环每轮都在毫秒到秒级别完成，给用户的体感就是模型在"流畅地工作"。

---

四、子代理架构：并行工作的秘密

当你让 CC 做一件涉及多方面探索的任务（比如"查一下这个目录的结构，同时搜一下某个函数在哪里定义的"），CC 不会一个一个地顺序执行——它会启动子代理并行工作。

4.1 什么是子代理？

子代理（Sub-agent）是一个独立的、短暂的 Agent 实例。它拥有自己的上下文窗口，在后台运行，完成任务后返回结果。

4.2 工作模式

主 Agent 分析任务需求
    ├── 启动子代理 A → 搜索文件内容
    ├── 启动子代理 B → 查找代码引用
    └── 启动子代理 C → 获取外部文档
                      ↓
          所有子代理返回结果
                      ↓
         主 Agent 汇总、分析、执行

4.3 适用场景

• 并行搜索：同时在多个位置搜索不同关键词
• 独立验证：让子代理审查代码、运行测试、生成报告
• Worktree 隔离：对高风险操作可以在独立的 git worktree 中运行子代理，失败不影响主分支

这一架构让 CC 在大型代码库中的工作效率远超单线程的 Agent。

---

五、上下文管理：记忆的奥秘

大语言模型有一个众所周知的限制——上下文窗口有限。一次长时间编程会话可能产生数万行对话历史，CC 是如何应对的？

5.1 自动上下文压缩

当对话接近上下文窗口上限时，CC 会自动执行压缩：

[早期对话内容]
    → 压缩为摘要（保留关键信息，丢弃细节）
    → 摘要留在上下文中
    → 新的对话继续展开

这意味着 CC 不会"失忆"，但早期细节可能会模糊化。这是与上下文窗口限制的务实妥协。

5.2 Memory 持久化（跨会话记忆）

比上下文压缩更强大的是 Memory 系统。它存储在本地文件系统中（~/.claude/projects/<项目名>/memory/），跨会话持久存在。

Memory 有四种类型：

类型	作用	示例
user	用户画像	“用户是前端开发者，习惯 TDD”
feedback	行为反馈	“不要 mock 数据库 — 上次出过生产事故”
project	项目信息	“项目使用 Next.js 13 App Router”
reference	外部资源	“Bug 跟踪在 Linear 的 INGEST 项目”

当 CC 根据用户指令写入 Memory，或在需要时主动读取相关记忆时，便形成一种持续学习的效果——同一个用户在不同会话中不需要重复介绍自己的偏好和项目背景。

5.3 CLAUDE.md：项目级指令

项目根目录或用户全局目录下的 CLAUDE.md 文件，是 CC 的启动配置文件。每次会话开始时，CC 自动加载这些文件，获取：

• 项目概述和架构
• 代码规范和约定
• 常用命令
• 特殊注意事项

这相当于给 CC 一份"入职手册"，让它快速适应项目。

三层记忆的关系可以直观地看作：

---

六、权限与安全：笼中的猛兽

给一个 AI 模型直接操作文件系统和执行命令的能力，听起来有点危险。CC 通过多层权限系统来控制风险。

6.1 三档权限级别

级别	行为	适用场景
自动允许	常见安全操作自动执行	读文件、搜索代码
每次询问	每次调用都弹窗确认	修改文件、执行命令
禁止	阻止特定操作	高风险命令或文件

用户可以在 settings.json 中精确配置每个工具和命令的权限级别。

6.2 权限优化

CC 还能通过 /fewer-permission-prompts 命令自动扫描你的操作历史，识别出你经常放行的安全操作（比如 npm install、git status），批量添加到允许列表中，减少不必要的弹窗——一次授权，后续免扰。

6.3 双重防护

除了权限系统，CC 还有 Worktree 隔离机制（详见第 4.3 节）：对高风险任务可以在独立的 git worktree 中执行，即使出了问题，主分支纹丝不动。

---

七、Hooks 与 Skill：扩展生态

CC 不是封闭系统——它提供了两层扩展机制。

7.1 Hooks：事件驱动扩展

Hooks 允许用户在特定事件发生时自动触发自定义脚本。配置在 settings.json 中：

{
  "hooks": {
    "PreMessage": "echo '用户即将输入'",
    "PostToolUse": "node scripts/validate-output.js",
    "PreExit": "git stash drop"
  }
}

支持的事件包括：

事件	触发时机
PreMessage	用户提交消息前
PostMessage	用户消息处理后
PreToolUse	每次工具调用前
PostToolUse	每次工具调用后
PreExit	会话结束前

这可以用来做代码风格检查、自动 commit、日志记录等自动化工作流。

7.2 Skill：领域知识封装

Skill 是 CC 的"技能包"——封装了特定领域的专业知识、行为模式和输出规范。例如：

Skill	功能
frontend-design	高颜值前端界面生成
explain-code	代码逻辑拆解讲解
fashion-design	服装设计规范指导
security-review	安全审查
verify	手动验证功能

用户可以通过 /skill-name 直接调用技能，或在对话中自动触发。

Skill 背后是一组精心编写的系统提示词，它们引导模型进入特定的角色和思考模式，从而在特定领域产出更专业的成果。

---

八、多形态部署与底层模型

8.1 同一内核，多种外壳

CC 不是一个单一产品——它是一个内核适配了多种交互形态：

形态	交互方式
CLI (终端)	直接在终端中运行，最完整的交互体验
Desktop App	macOS / Windows 桌面应用
VS Code 插件	IDE 内嵌面板
Web (claude.ai/code)	浏览器访问

所有形态共享同一个核心引擎，只是前端壳不同。

8.2 底层模型能力

CC 的能力上限，根本上取决于它所依赖的 Claude 模型的内置能力：

• Tool Use（函数调用）：模型原生支持结构化工具调用，这是 Agent Loop 的基础
• Thinking（思考）：模型在回答前进行内部推理，提高复杂任务的决策质量
• 多模态理解：能读取截图、PDF、流程图等视觉内容
• 长上下文：支持超大上下文窗口，适合分析大型代码库
• 代码生成：在编程领域的专项训练

CC 团队还在持续优化提示工程（prompt engineering）——通过精心设计的系统提示来引导模型的行为模式，让这些基础能力发挥出最大效果。

---

九、一次任务的生命周期

让我们用一个实际例子把上面所有概念串起来。

场景：用户说"帮我修复这个登录页面的样式问题，按钮在移动端显示不全"

阶段一：理解任务

用户输入 → 模型推理
  └── 需要先了解项目结构和相关代码

阶段二：探索代码库

模型决定：
  └── 调用 Glob 查找 CSS/样式文件
  └── 调用 Grep 搜索 "button" 相关选择器
  └── 进一步读取相关文件确认上下文

模型定位到问题文件中的响应式样式

阶段三：制定方案

模型推理：
  └── 问题是移动端媒体查询中的 button 宽度溢出
  └── 需要修改 CSS：添加 max-width 和 box-sizing

阶段四：执行修改

模型调用 Edit 工具修改样式文件
模型调用 Bash 打开浏览器预览效果（需要用户确认权限）

阶段五：验证并收尾

模型检查修改无误
  └── 输出总结：改了什么、为什么改、效果预览

整个过程，模型执行了 10+ 步操作，但对用户来说只是"提了一个需求 → 看到代码改好了"。

---

十、总结：CC 架构设计的核心哲学

回顾整个架构，可以提炼出 Claude Code 的几个核心设计思想：

🔄 Agent Loop 是第一性原理

CC 不只是一个"更聪明的代码补全工具"。它的核心是自主决策的 Agent 循环——模型在循环中推理、行动、观察、再推理，直到任务完成。这是它与传统 AI 编程助手的本质区别。

🧩 工具即能力边界

CC 的能力不来自模型本身，而来自它能够操控的工具。每增加一个工具，CC 的能力边界就扩展一次。工具的精心设计（容错、明确反馈、结构化 I/O）直接决定了 Agent 的可靠性。

🛡️ 能力越大，权限控制越严格

CC 遵循最小权限原则：默认情况下操作需要确认，用户逐步授予信任。权限、沙箱、Worktree 隔离构成多层防护。

🧠 记忆分三层

层级	持久性	范围
对话上下文	会话内	当前对话
Memory	跨会话	项目级
CLAUDE.md	持久	项目级 / 全局

每一层解决不同的问题，共同构成 CC 的"认知体系"。

🔌 开放胜过封闭

Hooks 让用户自定义行为，Skill 让专家封装领域知识，多形态部署让不同用户选择适合自己的交互方式。CC 设计的不是一座孤岛，而是一个可扩展的平台。

---

写在最后

回过头看，Claude Code 最有意思的地方不是它"能写代码"——能写代码的 AI 多了。真正特别的是它自己决定下一步干什么、出了错能自己调整、一个模糊的需求能自己拆成一步步做完。从"你问它答"到"你说它干"，这个转变可能比表面看起来要大得多。

如果你也在折腾自己的 AI Agent 项目，CC 这套架构值得参考：一个循环驱动核心、一圈工具扩展能力、一套权限兜住底线。万变不离其宗。

---

如果你觉得这篇文章有帮助，欢迎分享给更多开发者朋友。