Claude Code 源码,我这里还有

前阵子有人把 Claude Code 的源码扒出来了。

说”扒出来”其实不太准确——npm 包发布的时候就是个 12MB 的 bundle，1884 个 TypeScript 文件，五十多万行代码。编译混淆了一层，但该看的还是能看。我这里打包了一份源码备份，有需要的直接翻到文末加我。

我花了几天时间把核心模块过了一遍，说实话，看完之后我对 Anthropic 工程团队的敬畏上了一个台阶。

不是因为什么黑科技，而是因为它把一个最朴素的 while-true 循环，一层一层包成了一个工业级的自主编码代理。这件事听起来简单，做到这个程度的，目前只此一家。

真正厉害的产品，不是在某一个点上做突破，而是在十二个点上都不掉链子。

核心循环：简单到让人怀疑

Claude Code 的心脏是什么？

一个 while-true 循环。发请求，拿响应，如果响应里有 tool_use 就执行工具、把结果塞回消息列表，然后继续循环。没了。

我第一反应是：就这？

后来想明白了，这种极简恰恰是刻意为之。所有的复杂性被推到了两个地方：工具层自己处理输入验证、权限检查、并发控制；外层包装机制叠加了十二层 production 级特性。核心循环本身从不改变——加一个新功能，要么加一个新工具，要么加一层新包装。

这就是开闭原则在 Agent 系统里的教科书实践。说白了，人家的核心代码三岁小孩都能看懂，但你要自己写一个同等水平的产品，没个一两年别想。

十二层包装：从玩具到产品的距离

这十二层机制是我看完源码后印象最深的部分。我把它们按依赖关系理了一遍：

第一层是 Agent Loop 本身，就是那个 while-true。第二层是工具分发，用 buildTool() 工厂函数统一创建，所有工具走同一套注册表。第三层是 Planning——先列步骤再执行。源码注释里提到，光加这一层，任务完成率就翻了一倍。这个数据跟学术界 Plan-and-Execute 的研究结论对得上。

第四层是子代理。每个子代理拿到全新的消息列表，主对话不会被污染。第五层是按需知识注入，技能通过 tool_result 动态加载，不是一股脑塞进 system prompt。第六层是上下文压缩，三种策略轮着来：自动摘要、僵尸消息清理、上下文重构。

第七到十二层，分别是持久化任务管理、后台任务、多代理团队、团队协议、自主调度、以及 Git Worktree 隔离。

关于这十二层，有一个细节值得单独说。大多数竞品到现在还停在”一个 prompt 文件走天下”的阶段。Claude Code 已经在做编译时死代码消除、分层 prompt 缓存、会话持久化、流式执行这些事了。这不是一两个聪明人能追上的差距，这是工程纵深。

一个 loop 和一个 bash 就是最小可行产品，但从最小可行到工业级，中间隔了十一层包装。

工具系统：默认安全的艺术

buildTool() 工厂函数有一组默认值，我觉得特别值得说。

并发安全默认 false——忘了声明？自动串行执行。只读默认 false——忘了声明？自动触发权限检查。所有跟安全相关的属性，都是”没声明就当成最严格的来处理”。

这叫 fail-closed 设计。大部分系统是 fail-open 的——忘了配权限？那就没权限检查。Claude Code 反过来。这种思路不是拍脑门能想到的，是被线上事故教会的。

另一个让我觉得快的原因：并行工具执行。模型一次返回多个 tool_use 请求时，Claude Code 的 StreamingToolExecutor 会先分区——标记了并发安全的工具走 Promise.all 并行跑，没标记的走串行。所以你在用 Claude Code 搜文件的时候会觉得特别快，因为多个 Glob 和 Grep 是同时在跑的。

Prompt 工程：比你想象的深

System prompt 被切成了两半：静态前缀和动态后缀，中间有一个明确的分界标记 __SYSTEM_PROMPT_DYNAMIC_BOUNDARY__。

为什么要这么切？因为 Anthropic 在 API 侧对 system prompt 做了基于哈希的前缀缓存。静态部分跨用户、跨会话共享，动态部分每次重新计算。这一刀切下去，每次 API 调用的 prompt token 成本直接降了一大截。

源码注释里有一句原话，大意是：别动这个分界标记，除非你同时更新了 api.ts 和 claude.ts 的缓存逻辑。能感觉到，这个优化是核心路径上的关键设计，不是随便写的。

从 prompts.ts 里还能捞出不少有意思的东西。比如 Anthropic 发现 LLM 天然倾向于过度工程化，所以专门用 prompt 来压制这个倾向：”三行类似的代码比一个过早抽象更好”。再比如，内部员工（USER_TYPE === ‘ant’）拿到的 prompt 比外部用户更严格——更少的注释、更强的验证要求、还有针对模型已知弱点的专门对策。

老实说，外部用户用的可能不是 Claude Code 最强的形态。

上下文管理：你以为的无限对话

System prompt 会告诉模型”对话没有长度限制”。但实际上，是三层压缩在背后透明地工作。

第一层 autoCompact，token 数超阈值就用 Claude API 对旧消息生成摘要。第二层 snipCompact，清理僵尸消息和过期标记。第三层 contextCollapse，重构上下文的组织方式。

还有一个叫 Function Result Clearing 的机制：只保留最近 N 个工具结果，更早的自动清除。但系统同时会提醒模型——”趁工具结果还在的时候，把重要信息写到回复里”。

这个设计太精妙了。相当于让模型自己做笔记，防止信息在压缩时丢失。

子代理：解决上下文污染的正确姿势

Agent 系统里最常见的问题是什么？上下文污染。主对话越来越长，越来越乱，模型开始犯迷糊。

Claude Code 的解法是 Fork 子代理。子代理拿到全新的消息列表，它产生的工具输出不会回到主代理的上下文窗口。主代理可以继续跟你聊天，Fork 在后台干活。

除了 Fork，还有 Worktree 模式——用 Git Worktree 给子代理分配独立的工作目录，真正做到文件级隔离。以及一个还在 feature gate 后面的 Swarm 模式：Lead Agent 分配任务到任务板，多个 Teammate 自主扫描、自动认领，通过统一的消息协议协商。

多数竞品到现在还是单层 Agent。Claude Code 已经在做多代理编排了。

Skills 系统：按需注入 vs 一股脑塞

大多数 AI 编码工具怎么处理技能和知识？全塞进 system prompt。每次 API 调用都带着全套家当，token 浪费得心疼。

Claude Code 的做法是：system prompt 只放基础指令和环境信息。技能？用的时候再通过 tool_result 注入。CLAUDE.md 记忆文件？按目录层级惰性加载，只加载跟当前工作目录相关的。

更有意思的是，源码里有一组被 feature gate 挡住的模块——远程技能加载器、技能预取、技能搜索遥测。这意味着 Anthropic 在做一个类似”Agent 技能市场”的东西。远程技能可以被动态发现、加载和执行。

知识应该在需要的时候出现，而不是一直占着上下文的位子。

编译时特征门控：你看到的只是冰山一角

这一部分是最让我感慨的。

Claude Code 用 Bun 的编译时 feature() 函数做死代码消除。内部构建时 feature('DAEMON') 返回 true，相关代码保留；发布到 npm 时返回 false，代码直接被 DCE 裁掉。

我在源码里数到了至少十几个 feature flag：多代理协调器、后台守护进程、推送通知、语音模式、浏览器自动化、技能发现、验证代理、Token 预算控制……

还有运行时门控。内部员工通过 USER_TYPE === 'ant' 解锁额外功能。A/B 实验用 GrowthBook，而且 flag 名称用的是随机词对组合——tengu_frond_boric、tengu_hive_evidence——故意让外部人员猜不出在测什么。

108 个缺失模块。我们看到的是精简版，Anthropic 内部跑的是完全体。

那些还没上线的功能

从源码里捞出来几个值得一提的：

KAIROS 模式——全自主代理。模型会收到 tick 信号保持活跃，根据终端是否被用户聚焦来决定行为倾向：用户在看就更协作，用户离开了就大幅倾向自主行动。还有 SleepTool 来控制唤醒频率，平衡 API 成本和 prompt cache 过期。

Voice Mode——语音输入输出，连接 Anthropic 的 voice_stream WebSocket。

Buddy System——虚拟宠物伙伴，18 个物种、5 档稀有度、7 种帽子。没错，你没看错，是宠物。

Dream Task——后台记忆整固子代理，AI 空闲的时候自动整理和处理记忆。

Undercover Mode——在公开仓库中隐藏 AI 身份。

说真的，看到 Buddy System 的时候我愣了一下。但仔细想想，一个需要长时间使用的 CLI 工具，加点情感设计未必是坏事。

几个值得记住的设计哲学

翻完源码，我总结了几条对自己有用的东西：

核心循环越简单越好。复杂性应该被推到外层，而不是塞进心脏。Claude Code 的 while-true 就是最好的证明。

Planning 是性价比最高的投入。加一层”先想再做”就能翻倍完成率，这几乎是免费午餐。

安全要 fail-closed。所有默认值都选最严格的那个，需要放开的时候再显式声明。

知识按需加载。预加载一切是偷懒，按需注入才是正确的工程选择。

上下文不是无限的，但可以假装是。三层压缩 + 让模型自己做笔记，用户无感知。

如果你正在做 AI Agent 相关的事情，Claude Code 的源码值得认真读一遍。不是为了抄，而是为了理解”工业级”三个字到底意味着什么。

一个 loop 和一个 bash 就能启动一个 Agent。但要让它能在真实环境下跑起来、不崩、不乱、不失控，中间差的那十一层，每一层都是真金白银的工程投入。

我这边打包了 Claude Code 源码备份，需要的直接加我发你。

另外我平时也在折腾 Claude、GPT、Gemini 这些工具的各种玩法，如果你也在用 AI 编码助手，欢迎加我交流。不管你主力是哪家的，能聊到一块去就行。

加我微信，备注「AI编程」，拉你进交流群：