盘完Cloude Code的源码,我发现了4个隐藏的高级RAG技巧~

昨天，Claude Code被动开源了，大家估计都刷到了，github已经76k star了

今天有人来认锅了：我被Anthropic开除了

然后，我把 Claude Code 的源码（准确说是从 npm 包的 cli.js.map 还原出来的 4756 个文件）翻了个底朝天。

说实话，翻完之后我最大的感受是：市面上那些“手搓 RAG”的教程，大多还停留在“把文档切一切、塞进向量库、查出来拼给模型”的初级阶段。

但 Claude Code 这套东西，完全不是这个玩法。

它把 RAG 从“外挂知识库”升级成了“操作系统级的内存管理”。它不是去外部找知识，而是在 Agent 执行过程中，动态决定什么时候搜索、搜索什么、保留什么、扔掉什么。

我把它拆解了一下，发现有四个技巧特别“反常识”，但非常值钱。

01 不用向量库的“即时检索”

很多人在做 RAG 时，第一反应就是：我得建个向量库。

先 Embedding，存进去，查的时候再召回。这一套流程跑下来，延迟、成本、准确率，处处是坑。

但 Claude Code 里的 Explore Agent，完全不用向量库。

它是一个纯读模式的代码探索专家。当主 Agent 需要了解某个模块、查找某个函数、搞清楚某段逻辑时，它不会去向量库里“搜相似”，而是直接调用 Glob 和 Grep 去实时搜索。

这有什么区别？

向量库搜的是“语义相似”。在代码场景里，“语义相似”经常是坑——两个完全不同的函数可能因为注释相似而被召回，而真正要查的那个精确符号反而排在后头。

但 Glob 和 Grep 搜的是“精确存在”。我要找某个接口的定义，就直接 Grep 它的签名；我要找某个模块的所有文件，就直接 Glob 它的路径。

更关键的是，这个检索不是“提前做好的”，而是在 Agent 思考的过程中动态触发的。模型看到任务后，自己决定：我该搜什么？用什么工具搜？搜到后读哪个文件？

这不叫 RAG，这叫“带工具的实时检索”。它比 RAG 更准，也比 RAG 更轻。

02 Prompt 里藏着的“缓存经济学”

很多人写系统提示词，恨不得把所有的规则、规范、例子全塞进去。结果 prompt 越来越大，每次调用都烧掉一大堆 token。

Claude Code 的提示词，却是按“能不能缓存”来切的。

他们把 system prompt 分成了两部分：静态前缀和动态后缀。

静态前缀里放的是身份定位、行为哲学、工具使用规范——这些东西在整个会话过程中基本不变。这一部分可以被缓存，后面的调用几乎不花成本。

动态后缀里放的才是会话相关的信息，比如当前打开的 skill、MCP 工具的使用说明、session-specific 的临时指令。

这个设计的精妙之处在于：它不是把 prompt 当作文本，而是把它当作“可缓存的运行时资源”。

更狠的是，在 Agent 的 fork 机制里，他们甚至刻意让子 Agent 继承主 Agent 的 system prompt 和工具定义，只为了保持 API 请求的前缀字节完全相同，从而命中缓存。

这意味着什么？

意味着他们不是把 token 当“反正也不贵”的消耗品，而是当“每一分钱都得算”的预算来管理。一个会算账的 RAG 系统，才可能真正跑在生产环境里。

03 用“上下文压缩”替代“向量索引预筛选”

RAG 的标准流程里，检索出来的上下文经常太长，塞不进模型窗口。于是大家会做一步“预筛选”，用向量相似度或者别的规则，挑最相关的几条。

但 Claude Code 做了一件更绝的事：它不预筛选，而是让模型自己压缩。

源码里有明确的 Session-specific guidance 和 token 预算管理逻辑。当上下文逼近窗口上限时，系统不是粗暴地扔掉旧消息，而是让模型把之前的对话、工具结果、中间产出，压缩成一个“紧凑摘要”。

这个摘要是结构化的，保留了关键信息，但去掉了冗长的细节。压缩后，原来占 10000 token 的上下文可能只剩 2000 token，但核心内容没丢。

这相当于把 RAG 的“预筛选”从“检索阶段”挪到了“模型消费阶段”。

谁的判断更准？当然是模型自己的判断更准。向量相似度永远不知道“什么信息对当前任务重要”，但模型知道。

04 “MCP 不只是工具桥，还是行为说明注入通道”

最后一个技巧，藏得最深。

很多人用 MCP（Model Context Protocol）的时候，只把它当作“让模型能调用外部工具”的桥梁。给模型暴露几个 API，它能调就行了。

但 Claude Code 的 prompts.ts 里有一段很关键的逻辑：getMcpInstructionsSection()。

这段逻辑会遍历所有连接的 MCP Server，如果某个 Server 提供了 instructions 字段，就把这些 instructions 直接拼进系统提示词里。

这意味着什么？

意味着 MCP 不仅能注入工具，还能注入“如何使用这些工具的行为说明”。

比如一个数据库 MCP 工具，可以在 instructions 里写清楚：“查询时优先用索引字段，避免全表扫描；大批量数据要用分页，不要一次拉完。”

这些说明会变成系统提示词的一部分，直接影响模型的行为。

这不就是 RAG 吗？

RAG 的本质，是把“外部知识”注入到模型的上下文中。MCP instructions 做的，就是把“工具的使用知识”注入到模型的上下文中。

它不是检索文档，而是检索“工具的行为规范”。这个思路一旦打开，RAG 的边界就不再局限于“搜网页、搜文档”了，而是可以扩展到“搜工具怎么用、搜系统怎么玩”的层面。

最后

回过头看，Claude Code 的这 4 个技巧，其实都指向同一个核心：

RAG 的本质不是“外挂知识库”，而是“让模型在正确的时候，拿到正确的信息”。

向量库只是实现这个目标的手段之一，不是唯一，甚至不一定是最好的。

Explore Agent 的实时检索，比向量库更准。 Prompt 的缓存切分，比堆 token 更省。 上下文的动态压缩，比预筛选更聪明。 MCP 的行为说明注入，比单纯工具桥更“懂”。

这些技巧，任何一个单独拎出来，都值得深挖。而它们组合在一起，就成了 Claude Code 那个“手感特别好”的秘密。

如果你也在做 Agent 相关的系统，不妨想一想：你的 RAG，还停留在“向量库 + 召回”的阶段吗？还是已经在往“操作系统级内存管理”的方向走了？