Claude Code 源码拆解(一):为什么说＂模型即Agent＂?

阅读前你需要知道

这个系列假设你具备以下基础知识：

如果你的基础不够扎实：建议先跑一遍第2篇的代码（60行），亲手体验一下Agent是怎么工作的，再回来读第1篇。

一、一个令人困惑的现象

你有没有发现，市面上的”Agent框架”越来越多了？

LangChain、AutoGPT、CrewAI、Dify、FastGPT……每个都声称能帮你”构建AI Agent”。它们提供了节点编辑器、工作流编排、提示链管理、记忆系统、工具调用封装……

但当你真正用它们去解决一个复杂问题时，往往发现：

• 工作流一复杂就失控
• 提示链一长就脆弱
• Agent的行为难以预测
• 调试起来痛苦万分

问题出在哪？

出在对”Agent”这个概念的误解。

二、Agent不是框架造出来的

让我们回到AI领域对”Agent”的经典定义：

Agent是一个能够感知环境、做出决策、采取行动以达成目标的系统。

注意，这里说的是”系统”，不是”框架”。

2.1 历史上的Agent都是模型

看看AI历史上真正的Agent里程碑：

它们的共同点是什么？

Agent本身就是一个训练好的模型。 不是if-else规则堆出来的，不是工作流节点连出来的，是模型通过训练学会了如何行动。

2.2 框架不能创造智能

那些号称”低代码构建Agent”的平台，本质上在做什么？

它们在用程序员的逻辑去硬编码智能行为：

如果用户问A，走这条路径如果用户问B，走那条路径如果需要搜索，调用这个工具如果需要写代码，调用那个工具……

这不是Agent。这是披着AI外衣的传统软件。

真正的Agent应该是：

模型看到上下文 → 模型自己决定做什么 → 执行 → 循环

决策权在模型手里，不在你的代码里。

三、Claude Code告诉我们的真相

Claude Code是Anthropic官方推出的编程Agent。它是目前我们能看到的、设计最优雅的Agent实现之一。

当你剥开它的外壳，核心架构惊人地简单：

Claude Code = 一个循环           + 工具集（bash, read, write, edit, glob, grep...）           + 按需加载的知识（Skills）           + 上下文压缩           + 子Agent隔离           + 任务系统           + 团队协作           + 权限边界

就这么简单。

没有复杂的工作流引擎，没有节点图编排，没有提示链瀑布。只有一个循环，和一堆让这个循环更有效的”配套机制”。

3.1 核心循环只有80行

Claude Code的核心循环，用Python写出来，大概是这样：

defagent_loop(messages):whileTrue:        response = client.messages.create(            model=MODEL,            messages=messages,            tools=TOOLS,        )        messages.append({"role": "assistant", "content": response.content})if response.stop_reason != "tool_use":return# 模型说"我完成了"# 执行工具        results = []for block in response.content:if block.type == "tool_use":                output = execute_tool(block.name, block.input)                results.append({"type": "tool_result","tool_use_id": block.id,"content": output,                })        messages.append({"role": "user", "content": results})

这就是全部。

• 模型调用工具 → 你执行工具 → 把结果喂回去 → 继续循环
• 模型说”我不需要工具了” → 结束

模型决定一切。你的代码只是执行者。

四、所以，你的工作是什么？

如果模型才是Agent，那我们这些写代码的人在干什么？

答案是：我们在造” Harness”（工具化环境）。

Harness = 工具 + 知识 + 观察 + 行动接口 + 权限边界    工具：    文件读写、Shell执行、网络请求、数据库操作    知识：    产品文档、API规范、代码风格指南    观察：    Git diff、错误日志、浏览器状态    行动：    CLI命令、API调用、UI交互    权限：    沙箱隔离、审批流程、信任边界

模型是司机，Harness是车。

• 一个编程Agent的Harness = IDE + 终端 + 文件系统
• 一个农场Agent的Harness = 传感器 + 灌溉控制 + 天气数据
• 一个酒店Agent的Harness = 预订系统 + 客户沟通 + 设施管理API

Agent的智能来自模型，Agent的能力来自Harness。

五、这个系列要学什么

在这个系列中，我们将逐层拆解Claude Code的Harness机制：

每一篇都是一个机制 + 一段代码 + 一个核心原则。

我们不学框架，我们学如何给模型造一辆好车。

六、一个思维转换

读完这个系列，你会经历一个认知转变：

从：”我怎么用代码实现这个工作流？”到：”我给模型什么工具，让它自己决定怎么做？”

从：”我要控制Agent的每一步”到：”我要信任模型，同时给它边界”

从：”框架越强大越好”到：”循环越简单越好，Harness越扎实越好”

写在最后

Claude Code不是完美的，但它是我们能看到的、设计哲学最正确的Agent实现之一。

它告诉我们一个简单的道理：

最好的Agent代码，往往是无聊的代码。简单的循环，清晰的工具，干净的上下文。复杂度在模型里，不在你的代码里。

下一期，我们将亲手写出那个80行的Agent循环。

模型是Agent。代码是Harness。造好Harness，Agent自会飞翔。

本系列基于 learn-claude-code 开源项目

🔔 关注获取更新

这个系列会持续更新，下一期我们将亲手写出那个80行的Agent循环。

如果你想知道：

• Agent的”手”（工具）是怎么接上去的？
• 为什么一个while循环就够了？
• 模型怎么知道什么时候该停？

关注公众号，第一时间获取更新。