对泄漏的Claude Code源码关键特性分析

结合 Hacker News 上的讨论，我对泄漏出的 Claude Code 源码做了初步分析，里面有几个值得关注的技术和功能。

1. 长期记忆整理能力（MEMORY.md机制）

Claude Code 内部有一套实验性的长期记忆整理机制，代码名叫 autoDream，目前还没有对公众开放。它会定期回看多个历史会话，把有长期价值的信息整理成结构化记忆文件，记忆文件名叫MEMORY.md和TOPIC.md。

这些记忆更偏向长期用户画像，例如用户的偏好、沟通习惯、项目背景等。

2. 将”AI过程输出“和”用户可见回复“分离

Claude Code 里有一个 SendUserMessage 工具，在执行任务过程中会产生大量中间文本，这些内容更像内部工作流或过程说明，普通用户通常并不关心。

只有当模型认为有必要正式对用户说话时，才会调用 SendUserMessage 输出最终可见回复。OpenAI Codex 也采用了类似思路。这样做的价值在于，让 AI 更专注于完成任务本身，同时把真正有价值、用户需要看的信息单独呈现出来，减少信息噪音。

3. 睡眠机制

Claude Code 还有一个 Sleep 工具，适合处理耗时较长、需要等待外部结果的任务。简单说，AI 不会一直“盯着”任务空转，而是进入等待状态，等到时间到了或者有新事件时再被唤醒继续处理。

这个设计的好处是节省资源，也更接近一个真正的智能助手。

4. 反蒸馏与防抄袭机制

Claude Code 在源码里增加了反蒸馏功能。它会在某些条件下请求服务端注入“伪造工具”或额外校验机制，也就是AI回复一个假的内容，增加别人直接抓包、照抄、蒸馏出竞品的难度。

5. Claude Code 的核心运行方式

Claude Code 的运行核心可以理解为：把系统提示词、项目说明文件、历史对话、当前用户消息以及工具能力统一组织成一个大上下文，然后让模型在这个上下文里循环工作、持续调用工具，直到判断任务已经完成。

6  提示词即工作流

Claude Code 的很多核心工作流是通过提示词来驱动的，也就是用自然语言来定义任务步骤、工具使用方式和执行规则。这种设计带来的优势是灵活性高，AI自主发挥可以适应大部分任务场景。

它的代价是稳定性和确定性会弱于传统代码编排的 workflow，例如 LangChain 这类方案可以把执行路径、分支逻辑和异常处理写得更明确，因此整体更可控。Hacker News 社区里也有过类似讨论，普遍认为传统 workflow 的价值就在于稳定、透明和可预测。

不过在编码场景下，这种不确定性通常是可以容忍的。即使某次任务执行失败，用户往往也可以重新触发一次，或者在 AI 输出的基础上进行人工修正。