解构Claude Code源码:养出聪明龙虾��的3大必备知识点-夜雨聆风

解构Claude Code源码:养出聪明龙虾��的3大必备知识点

本文面向AI 应用开发者和使用者（比如养龙虾的虾友们），希望用通俗易懂的方式来帮助非专业读者理解Claude Code（业内简称 CC）这个产品设计背后的原理，从而更好、更科学的养龙虾。

本文使用方法：你可以直接将本文丢到龙虾openclaw里让他自学，然后让它给你一些建议，你可以和它一起完善它现有的架构与记忆管理体系。

前言

Claude Code（业内简称 CC）是美国Anthropic公司推出的 AI 编程助手，与Trae、Cursor、GitHub Copilot 等AI编程产品定位类似。最近这个产品爆出一个惊天大瓜，它的所有源码被员工向全网公开，这为众多AI工作者和友商们理解一个顶级 AI 产品的内部设计提供了极其罕见的机会窗口。

正巧，现在很多老师都在学习养龙虾（openclaw），因此本文在分析了其中所有的系统提示词的基础上，重点解读其中与龙虾背后运作机制最为相似的三大核心架构，也是养好龙虾的必备知识点——记忆系统、做梦机制、多 Agent 协作，期望为养龙虾的读者们提供参考。

一、整体架构概览

Claude Code 的系统由主 Agent、记忆系统、工具箱和子 Agent 四大部分组成：

┌─────────────────────────────────────────────────────────────┐│                        主 Agent                              ││  （直接与用户对话的核心智能体）                                ││                                                              ││  ├── 记忆系统（知道你是谁、做过什么）                          ││  ├── 工具箱（读文件、写代码、搜索、运行命令...）                ││  └── 子 Agent（派出去干活的助手）                              ││                                                              ││        │                                                     ││        ├── fork（后台分身，上下文隔离，用完即销毁）             ││        ├── subagent（专业助手：代码探索、代码审查）             ││        └── teammate（团队成员：多人协作）                      │└─────────────────────────────────────────────────────────────┘

🎯 通俗理解

你可以把 Claude Code 想象成一个学校的管理团队：

主 Agent

= 班主任，直接和学生、家长沟通，了解情况、安排工作
记忆系统

= 学校档案室，存放每个学生的成长档案、教学计划、家访记录
工具箱

= 老师的教具和办公设备，粉笔、投影仪、成绩录入系统等
子 Agent

= 学校请来的专业人员，比如心理咨询师、教务处审核员，需要时派去专项处理

与记忆系统和多 Agent 协作相比，工具箱部分（文件读写、命令执行等）相对常规。以下重点剖析前两者。

二、记忆系统的三层架构

2.1 三层记忆

Claude Code 将记忆划分为三个层级，各层职责清晰：

层级	名称	生命周期	用途	类比
第一层	工作记忆	单次会话	当前对话窗口内容	记在便签纸上的内容，做完了就撕掉
第二层	会话记忆	跨会话	记录当前项目详细状态，中断后恢复	正在批改的那叠试卷，夹着便签标注进度
第三层	持久记忆	永久	用户偏好、项目规范等长期知识	学校档案室里每个学生的成长档案

💡 为什么要分层？

想象人脑也有类似的分层：你正在给学生讲一道题，脑子里临时记着”讲到第三步了”（工作记忆）；这学期教学进度讲到哪一章你会持续跟踪（会话记忆）；但”小明数学好、语文需要补课”这种长期了解，你会记在心里甚至写进档案（持久记忆）。

这样分层的好处是：短期高效、长期不丢——既不会因为当下事情太多而忘掉关键信息，也不会因为什么都记而脑子装不下。

2.2 持久记忆的文件组织

持久记忆的文件组织采用类似小型 Wiki 的结构：

memory/                          ← 记忆根目录├── MEMORY.md                    ← 总索引（≤200 行）├── user_role.md                 ← 用户角色与背景├── project_conventions.md       ← 项目编码规范├── feedback_testing.md          ← 测试反馈记录└── ...

MEMORY.md 并非记忆内容本身，而是一个目录索引。

如果以学校教师的教学档案检索目录来类比的话，就像下面这样：

# MEMORY.md## 用户偏好- [用户角色与背景](user_role.md) — 初中数学教师，带2个班级- [教学风格规范](project_conventions.md) — 偏好先讲生活案例再引出公式，每节课留10分钟当堂消化## 项目知识- [测验反馈记录](feedback_testing.md) — 小明最近单元测验满分，但几何证明题失分严重

💡 为什么要用索引？

假设你是一位班主任，要找小明的上学期成绩单。学校不会让你翻遍所有学生的所有资料，而是有一张目录卡：”小明，三年二班，成长档案在第三柜第二层”。MEMORY.md 就是这张目录卡，真正的内容在各个 .md 文件里。

这样做的好处是：每次打开新对话时，Claude Code 只需要读一张”目录卡”（MEMORY.md），就能知道去哪里找具体内容。如果把所有东西都写在 MEMORY.md 里，它会越来越长，最终超过 200 行被截断——就像一本学生手册把所有学生的所有信息都印在上面，厚到根本翻不动。

每行索引只有一句话（≤150 字符），详细内容在对应的 .md 文件中。之所以这样设计，是因为 MEMORY.md 在每次新会话启动时都会被注入上下文——如果太长，既浪费宝贵的上下文空间，又可能在超过 200 行后被截断。

2.3 记忆文件的元数据格式

每条记忆是一个独立的 .md 文件，头部包含结构化的元数据：

---name: 用户角色description: 用户的职业背景和技术偏好type: preference  ← 类型：fact（事实）/ preference（偏好）/ convention（规范）---记忆内容正文

💡 类比：学生档案袋上的标签

每个学生的档案袋外面贴着一张标签：姓名、班级、入学日期、家长联系方式。你去教务处查学生信息，首先在检索系统里搜名字（MEMORY.md），找到档案袋编号后去对应柜子取袋（.md 文件），看外面的标签（frontmatter 元数据）确认基本信息——不用打开袋子就知道这是谁的档案。

关键设计原则：

按主题组织

，而非按时间——这是知识库，不是日记
先查再写

——已有相关文件则更新，不重复创建
主动清理

——过时内容会被删除或修正，不保留错误信息

2.4 两步保存法

Claude Code 保存记忆时严格遵循两步流程：

第一步：写记忆文件  → 创建或更新 memory/user_role.md第二步：更新索引  → 在 MEMORY.md 中添加或修改对应的索引行

💡 为什么要两步？

类比写论文：你不会只写正文而不管目录。正文是内容，目录是索引。如果你只写正文不写目录，下次要找一个内容时就得逐页翻；反之，如果你只写目录不写内容，那目录就是空壳。

记忆系统也一样：先把内容写进具体的 .md 文件（第一步），再更新索引让”目录”保持最新（第二步）。两步缺一不可。

2.5 记忆、计划与任务的区分

Claude Code 将持久化信息严格区分为三种类型：

类型	典型内容	生命周期	类比
记忆	“这个学生擅长数学，语文需要辅导”	永久	学生的成长档案——长期保存
计划	“我打算用分组讨论的方式讲这节课”	当前对话	备课本上的便签——这节课用完就翻篇
任务	“1. 批改测验 2. 准备 PPT 3. 通知家长会”	当前对话	今日待办清单——完成就划掉

💡 为什么这个区别很重要？

很多老师用 AI 时希望 AI “记住所有对话”，但这就像要求班主任记住每一次和学生说的每一句话——不现实，也没必要。真正值得记住的是”对学生未来教育有帮助”的信息。

“小明的妈妈说孩子对花生过敏”应该记住（明天午餐安排还用得上）。”今天课间和小明聊了十分钟”不需要记住（那是日常互动，不是重要信息）。”小明刚才让我帮他查一道题”更不需要记住（那是当下就完成的事）。

核心原则：只有未来对话仍有价值的信息才写入记忆。 仅在当前对话中用到的东西，不污染持久记忆。

三、定期整理记忆的做梦机制

3.1 什么是”做梦”

Claude Code 会在空闲时或定时运行一个名为 Dream 的后台过程。其目的并非生成创意或灵感，而是维护记忆系统的健康。

具体来说，每天对话产生大量信息，如果不加以整理，记忆文件会逐渐膨胀、产生重复和矛盾、积累过时内容——”做梦”就是针对这些问题的定期维护机制。

💡 为什么叫”做梦”？

这是一个形象的比喻。人的大脑在睡眠时会自动整理白天接收的信息——把重要的归档，把无关的忘掉，甚至会发现不同记忆之间的联系。Claude Code 的”做梦”机制模仿的就是这个人脑过程：在空闲或定时运行一个后台整理程序，对记忆系统进行维护。

所以”做梦”不是 AI 在产生创意，而是它在”整理档案室”。

3.2 四阶段流程

┌─────────────────────────────────────────────────────────────┐│  阶段 1：建立方向感（"我现在记得什么？"）                      ││                                                              ││  - 查看记忆目录中的文件列表                                    ││  - 读取 MEMORY.md 索引                                       ││  - 快速浏览已有主题文件                                        ││  - 目标：了解现状，而非重新来过                                │└─────────────────────────────────────────────────────────────┘                          ↓┌─────────────────────────────────────────────────────────────┐│  阶段 2：收集近期信号（"最近有什么新变化？"）                    ││                                                              ││  - 读取每日日志（logs/YYYY-MM-DD.md）                         ││  - 检查是否存在与旧记忆矛盾的新信息                             ││  - 如需特定信息，用关键词定向搜索历史记录                       ││  - 注意：不做穷尽式通读，只查需要的                            │└─────────────────────────────────────────────────────────────┘                          ↓┌─────────────────────────────────────────────────────────────┐│  阶段 3：整合（"更新记忆，不制造重复"）                         ││                                                              ││  - 将新信息合并到已有主题文件（不新建重复文件）                 ││  - "昨天"改为具体日期（如 2026-04-03），不保留相对时间          ││  - 新信息推翻旧记忆时，在源头修正（而非追加）                   ││  - 删除被证伪的旧内容                                         │└─────────────────────────────────────────────────────────────┘                          ↓┌─────────────────────────────────────────────────────────────┐│  阶段 4：修剪索引（"保持目录精简"）                             ││                                                              ││  - 更新 MEMORY.md，控制在 200 行以内                           ││  - 删除过时/错误/被替代的索引条目                              ││  - 缩短过长的索引行（> 150 字符说明承载了太多内容）             ││  - 为新产生的重要记忆添加索引                                  │└─────────────────────────────────────────────────────────────┘

💡 类比：班主任的期末档案整理

想象你是一位班主任，每学期末要整理学生档案。一学期下来，档案里塞满了各种纸条：家长会记录、考试成绩、获奖证书复印件、请假条……有些已经过时了（上学期的事了），有些内容重复了（同一次考试记了两遍）。

整理时，你不会把每张纸都拿出来重新看一遍（阶段1：先看看档案柜里现在有些什么文件），然后翻翻这学期的班级日志回忆最近发生了什么变化（阶段2：收集近期信号），接着开始整理：更新过时的信息、合并重复的记录、改掉错误（阶段3：整合），最后重新编排档案袋外面的索引标签（阶段4：修剪索引）。

这就是做梦机制的四阶段。

3.3 核心设计哲学

不做穷尽式通读

——不把所有历史记录从头到尾读一遍，只针对已经怀疑重要的内容做定向搜索
更新优于新建

——发现一个主题已有文件，就更新那个文件，而不是新建一个类似的
主动修正而非追加

——如果新调查推翻了一条旧记忆，在源头改正它，而不是在后面追加”更正：其实……”
索引是索引

——MEMORY.md 永远不放内容，只放一行指引

💡 “主动修正”为什么重要？

假设你在学生档案里记了一条：”小明家住在A小区”。后来家长会上你得知他们其实搬家了。如果你在后面追加一条”更正：小明家住在B小区”，档案里就有两条互相矛盾的信息。下次你安排家访路线时，两条信息打架，不知道该信哪个。

正确的做法是：直接修改那条旧记录，把”A小区”改成”B小区”，删掉”更正”那条——就像发现学生档案有误后直接涂改液覆盖，而不是在旁边贴满更正贴纸。

上面这四条原则体现了 Claude Code 对记忆系统的一个核心认识：记忆腐烂是比记忆缺失更严重的问题。 一条错误记忆的危害，远大于暂时没有那条记忆。

四、跨对话无缝恢复的会话记忆

4.1 十大板块模板

Claude Code 的会话记忆是一个包含 10 个固定板块的结构化模板，用于记录当前正在进行的项目的详细状态。当你今天做到一半关闭 Claude Code，明天再打开时，它会读取这个文件，瞬间恢复上下文。

# Session Title_5-10 个字概括这次会话的主题_# Current State（当前状态）_正在做什么？还有哪些待办？下一步是什么？_# Task Specification（任务描述）_用户要求做什么？有什么设计决策？_# Files and Functions（关键文件）_改了哪些文件？为什么重要？_# Workflow（工作流程）_通常运行哪些命令？输出怎么解读？_# Errors & Corrections（错误与修正）_遇到什么错误？怎么修的？什么方法行不通？_# Codebase Documentation（代码库文档）_重要的系统组件？怎么协作的？_# Learnings（经验教训）_什么方法有效？什么要避免？_# Key Results（关键结果）_用户要求的输出结果_# Worklog（工作日志）_逐步记录做了什么_

💡 为什么要分这么多板块？

类比老师的教案本。一位好老师的教案本不会只写”今天上了语文课”。它会分门别类：教学目标是什么、重点讲了哪些知识点、哪些学生没听懂需要跟进、布置了什么作业。同样的，Claude Code 的会话记忆把信息拆成 10 个板块，每个板块各有专职，方便后续查找。

这样的好处是：当压缩机制触发时，系统知道优先保留”当前状态”和”错误修正”这两个最有价值的板块，而不是眉毛胡子一把抓。

4.2 结构保护机制

每个板块的第一行是永远不被覆盖的模板说明：

# Current State_正在做什么？还有哪些待办？下一步是什么？_    ← 这行永远保留用户的实际工作内容写在这里...               ← 只有这部分会被更新

💡 为什么要保护模板说明？

想象你有一本成绩登记册，每页顶部印着”学期：____ 班级：____ 学科：____”。你每次登成绩只会填空白格，不会去改印刷的表头——否则表头被覆盖后，你就不知道每一列代表哪次考试了。

会话记忆的结构保护就是这个原理：模板说明是”表头”，永远保留；工作内容是”填写的数字”，可以被更新。

这确保了即使内容被反复修改，模板结构也不会被破坏。

4.3 压缩机制

当会话记忆超过上下文上限时，系统会主动压缩：合并相关条目、总结旧内容，优先保留”当前状态”和”错误修正”这两个最重要的板块。

💡 类比：教案本写满了怎么办？

一位老师带了一个学期的课，教案本写了几十页。下学期开学前，她不会把所有教案原封不动地搬到新本子上，而是会提炼：哪些教学方法效果好、哪些学生需要重点关注、上学期哪个单元讲得不够透需要补课。

Claude Code 的压缩机制就是如此：不是删除记忆，而是把多条记忆”合并总结”——比如”今天改了 5 个文件，修了 3 个 bug”可以代替逐条列出每个文件和每个 bug。

五、独立视角的记忆抽取

5.1 独立子 Agent 架构

Claude Code 在对话过程中会自动启动一个记忆抽取子 Agent，其唯一任务是从最近 N 条消息中提取值得记住的信息，写入记忆系统，有点像古时候的史官，会用非常精简的语言持续记录所看到的日常事件。

💡 为什么不让主 Agent 自己写记忆？

想象你正在上一堂公开课，旁边坐着评课专家记录和打分。如果同时还要你一边讲课一边记录每个学生的反应——你分心了，课也上不好，记录也记不全。主 Agent 也是如此：它在处理复杂任务时，如果同时要操心”这条要不要记？那条放哪里？”就会降低主任务的质量。

所以 Claude Code 把”记忆抽取”这件事交给一个专门的子 Agent 去处理，主 Agent 可以专注在它本来要做的事情上。这是一种常见的架构模式：单一职责。

5.2 五大约束

工具受限

——只能读写记忆目录的文件，不能运行命令、不能调用其他 Agent
回合预算

——限制最大执行轮数，防止无限循环
效率策略

——第一轮并行读取所有可能要更新的文件，第二轮并行写入，不交替
内容来源限制

——只使用最近 N 条消息，不做额外调查
禁止删除

——只能创建和更新，不能删除记忆文件

5.3 设计背后的考量

💡 为什么要加这么多约束？

每个约束背后都有原因：

– 工具受限：记忆 Agent 如果能运行系统命令，就可能”手滑”删掉重要文件。限制它只能用文件读写，就像让教务处的实习老师只负责整理档案，不能批改成绩、不能联系家长——能完成自己的任务，但不会越权闯祸。

– 回合预算：没有限制的话，Agent 可能在一个小任务上反复思考消耗大量 Token。设置预算就像给课堂讨论定一个计时器，到时间就进入下一环节，避免一个话题聊太久。

– 并行读写：先读完所有文件再统一写入，减少”读写交替”带来的效率损耗和可能的冲突。就像老师批改试卷时，先全部看完再统一评分，而不是看一道改一道。

– 只读最近消息：如果记忆 Agent 去做额外调查，比如主动翻阅各种历史记录，它的注意力就会从”该记什么”转移到”还有什么可看的”，方向就偏了。就像让学生写读书笔记，如果他跑去翻别的书，就偏离了任务。

– 禁止删除：最保守的设计——宁可留下冗余，也不能因为误删损失重要记忆。就像档案室的规定：任何人可以添加新档案、更新旧档案，但只有档案室负责人才能销毁档案。

六、多 Agent 协作架构

6.1 Agent 类型

Claude Code 定义了三种 Agent 协作模式：

类型	特点	适用场景	类比
fork	后台运行，上下文隔离，用完即销毁	大量搜索、不需要立即返回的探索性工作	临时让课代表去图书室查资料，查完回来告诉你，不影响你讲课
subagent	有明确角色（代码探索、代码审查），可返回结果	需要专业能力的特定任务	邀请年级组长来听你的课并给出专业点评
teammate	有名字和分工，通过消息系统通信	多人协作的大型项目	团队形式协作，语文组内的老师进行集体教研与备课

💡 fork 和 subagent 有什么区别？

简单说：fork 是派出去不用管，subagent 是带着任务回来的。

fork 就像让学生去走廊出黑板报——你交代好任务他就去画了，不需要中间来回汇报，画完你去看一眼就行。

subagent 就像派一位老师去别的学校听课交流——他在那边有具体任务，过程中会定期发消息汇报进展、请求指示，最后带着总结报告回来。

6.2 独立验证机制

Claude Code 有一个值得关注的硬性规则：非琐碎实现必须经过独立验证。

“非琐碎”的判定标准：

修改了 3 个以上文件
涉及后端 / API 变更
涉及基础设施变更

验证流程：

主 Agent 完成任务  → 启动验证子 Agent（独立、对抗性）    → 重新执行命令、检查代码      → 返回 PASS / FAIL / PARTIAL        → FAIL → 主 Agent 修复 → 重新验证        → PASS → 主 Agent 抽查 2-3 条命令确认        → PARTIAL → 告知用户哪些通过、哪些无法验证

💡 为什么不能让 AI 自己验证自己？

类比老师出试卷。你刚出完一套数学卷子自己检查，总是会漏掉错误——因为你心里知道题目想考什么，会不自觉地”脑补”学生能理解。但如果是交换给另一位老师审题，他就能发现你没注意到的歧义和错误。

AI 也是如此：主 Agent 生成代码后，自己再检查一遍，往往会”脑补”自己的逻辑是对的。独立验证 Agent 的价值在于：它从空白状态重新审视代码，不受”我已经写完了所以它应该是对的”这种心理暗示的影响。

这就是为什么 Claude Code 的验证 Agent 是对抗性的——它的角色是”来挑毛病的”，不是”来确认你做对了的”。

关键设计：验证者必须是独立的，不能自己验证自己。 这是一个简单但有效的质量保障机制，我的龙虾agent团队也经常用这种方式来进行质量审核与评价。

6.3 团队通信

团队成员之间通过专门的 SendMessage 工具通信，而非文本输出——因为纯文本输出只有用户能看到，Agent 之间是”聋”的。

💡 Agent 之间怎么”说话”？

类比学校的教研组。如果语文组的老师们只能通过走廊里的公告板交流，那公告板就是他们的”SendMessage”。校长看公告板能看到所有消息，但张老师如果只是跟李老师私下说了一句话，校长就听不到——他们彼此”聋”了。

Claude Code 的 Agent 团队也是：文本输出相当于私下对话，只有用户能看见；SendMessage 才是他们真正的通信工具，每个 Agent 都能收到。

七、文件管理体系

7.1 多层级 CLAUDE.md

Claude Code 用多层级 CLAUDE.md 文件存放项目级的”铁律”：

项目根目录/CLAUDE.md          ← 全项目通用规范  子目录/CLAUDE.md             ← 该子目录特有的规范  ~/.claude/CLAUDE.md          ← 用户全局偏好

每次新对话自动注入上下文，相当于”项目宪法”。与 .editorconfig 或 .eslintrc 不同的是，CLAUDE.md 是写给 AI 看的，而非机器解析的配置文件。

💡 类比：学校的三级管理制度

– 教育局规定（~/.claude/CLAUDE.md）= 全区学校通用的规定，比如”每学期必须完成教学计划”

– 学校制度（项目根目录/CLAUDE.md）= 这所学校特有的规定，比如”我们使用分组教学法”

– 班级公约（子目录/CLAUDE.md）= 某个班级特有的规定，比如”数学课不允许带计算器”

7.2 上下文压缩

当对话接近上下文上限时，系统自动压缩之前的消息。压缩后的摘要包含 9 个板块：用户意图、技术概念、文件修改、错误修复、问题解决、所有用户消息、待办任务、当前工作、下一步。

💡 类比：学期末的教学总结

一位老师上了一学期的课，如果要把每节课的教案、板书、学生提问都原样保留，那得堆满一间教室。学期末写教学总结时，老师不会照抄每节课的记录，而是提炼：这学期重点教了哪些知识点（用户意图）、用了哪些教学方法（技术概念）、哪些课讲得不理想需要改进（错误修复）、下学期有什么计划（待办任务）。大量日常细节会被省略——它们对上课很重要，但对”下学期怎么教得更好”来说，提炼后的核心信息就够用了。

上下文压缩就是这个原理：不是删掉信息，是提炼出对”继续工作”最有价值的核心要素。

八、对我们的启示

如果你与我一样，都在养龙虾或者正在设计一款AI应用的话，那下面这部分的内容，可能对你有帮助。

8.1 记忆系统的核心教训

设计要点	启示	类比
索引与内容分离	永远不要把所有东西堆在一个文件里，索引要精简	学校档案检索卡和档案袋分开存放
按主题而非时间组织	记忆不是日记，知识库不是时间线	学生的资料按”学业””健康””家庭”分类，不按录入日期排序
定期整理（做梦）	不维护的记忆会腐烂，错误记忆比缺失更危险	学生档案要定期更新，过时的获奖记录该撤就撤
两步保存法	先写内容再更新索引，保持一致性	写完教案要更新教学进度表
记忆类型区分	不是所有信息都值得持久化，区分”记住”和”记着”	学生的学习特点要长期记住，但今天的课间对话不需要

8.2 多 Agent 协作的核心教训

设计要点	启示	类比
独立验证	让 AI 检查自己的输出，结果不可信；需要独立 Agent	老师出完试卷要让另一位老师审题
工具权限隔离	不同角色的 Agent 应该有不同的工具权限	实习老师只能听课，不能修改学生成绩
回合预算	限制子 Agent 的执行轮数，防止失控	课堂讨论设时间限制，避免一个话题拖太久
消息通信而非文本输出	Agent 之间需要专门的通信通道，不能依赖共享输出	学校内部用正式通知，不靠走廊里喊

8.3 一句话总结

Claude Code 的记忆系统教会我们的是：记忆要像档案室一样组织——有索引、有分类、定期整理、不堆废纸。

做梦不是真的做梦，是繁杂信息都整理。索引不是内容，是档案目录。记忆不是日记，是学生成长档案。

多 Agent 协作的核心启示是：专业的事交给专业的 Agent 去做，独立验证才是质量的保障。

本文基于 Claude Code 系统提示词整理分析

– END –

以上是本期全部内容，如果你觉得不错，欢迎关注+点赞+转发！也可以留言告诉我你想了解什么~

如果你也对AI教育感兴趣，欢迎与我交流！

下面是我的二维码，欢迎扫码添加好友，从此你的朋友圈将多一位AI教育的同路人 ↓