你的 AI 助手为什么总在关键时刻掉链子? ——Claude Code 工程哲学拆解(下)

一、System Prompt 动态组装：从手写到工程化

这是 Claude Code 最精妙的设计之一，也是前面提到的"Context 分层"思想的极致体现。

传统做法的问题

大多数 Agent 框架的做法是维护一个巨大的静态 System Prompt 文件——角色定义、行为规则、工具描述、项目信息全部混在一起，堆成几百行的大文件。

打个比方：这就像你把公司规章制度、个人岗位职责、今日待办事项、午餐菜单全部写在同一张 A4 纸上。刚开始还能看懂，但三个月后这张纸已经密密麻麻写满了，你想找一条关键安全规则，翻半天都找不到。问题很明显：

Claude Code 的做法：七层动态组装

Claude Code 的做法完全不同：它不维护一个大文件，而是由代码在运行时像搭积木一样动态组装 System Prompt。每一层职责单一，有明确的优先级顺序：

注意这里的层次顺序：L1（角色）和 L3（安全）放在最前部，L7（实时信息）放最后。这不是随意的——这里利用了一个底层机制：大模型处理文本时，越靠前的内容越容易被"记住"（技术上叫 Attention 权重更高）。Claude Code 利用这个特性，把最重要的安全规则固定在最前面，让它们即使聊了 30 轮之后依然保持高可见度——就像你把家门钥匙和身份证永远放在包包最外层口袋，不管翻多少东西都能第一时间摸到。

同时，安全规则（L3）被刻意压缩到极简——只放真正的 Red Lines（不超过 10 条）。为什么？因为内容越少，被"稀释"的可能性就越低。详细的操作规范放到 L4，按需加载，用的时候才读。这就像：安全规则是"禁止吸烟"的标志（一眼就能看到），行为规范是"员工手册第三章第五节"（需要时再去查）。

可迁移的设计：Prompt Builder

你的框架可能不支持动态组装，但用文件组织也能模拟：

关键是要建立审查机制：安全规则每周审查一次有没有膨胀，行为规范每两周清理过时内容，新增内容必须确认放入了正确的层级。

二、动态控制逻辑：让约束随任务"呼吸"

上面讲了七层静态组装——相当于把信息分好了类、排好了序。但 Agent 运行时的真实场景比这更复杂：不同阶段需要不同强度的约束，就像开车在不同路况下需要不同的油门和刹车灵敏度。

你一定有过这种体验：

• 让 AI 帮你写个方案大纲，结果它每写一段就问你"这样可以吗？"——太保守了，明明是探索性任务，却像在拆炸弹一样小心翼翼
• 让 AI 帮你改一行生产环境的配置，结果它直接改了还帮你 push 上去了——太激进了，这种操作难道不该先问你吗？
• 让 AI 帮你重构一个模块，前几步都很顺利，突然它开始删文件——前面太松后面突然失控

问题的根源是一样的：不管什么任务都用同一套约束强度。就像开车只有"全油门"和"急刹车"两个档位——要么寸步难行，要么失控冲出去。

Claude Code 的做法是设计三种运行模式，让约束随任务阶段自动切换——就像自动挡汽车会根据路况换挡：

自动换挡：系统自己判断该用哪个档位

最关键的是：这些模式切换不是靠你手动指定的，而是系统根据上下文自动判断的。就像自动驾驶检测到前方有行人自动减速、上了高速自动加速一样。

切换时有几个关键原则，你可以把它们理解成"交通规则"：

• 只可升档、不可降档
  ——Agent 自己不能从严格模式切换到宽松模式，只有你授权才行。就像车不会自己从一档挂到五档，必须司机踩油门配合。
• 升档即时，降档延迟
  ——检测到风险立刻收紧（踩刹车）；但要连续稳定运行好几轮之后才慢慢放松（松油门要渐进）。防止刚出个 bug 马上又放飞自我。
• 每次换挡都留记录
  ——什么时候切的、为什么切、谁操作的，全部写入日志。出了事能回溯，像飞机的黑匣子。
• 默认从标准档起步
  ——既不过度谨慎也不裸奔。大多数时候 Standard 够用了，不需要你操心。

而且不同模式下，前面讲的"七层组装"策略也会跟着变。举个例子：

• 严格模式下
  ：工具白名单缩到只剩"只读"操作（能看不能摸），安全规则加载完整版（一条不漏），行为规范里还加了审批流程
• 创意模式下
  ：几乎所有工具都能用，安全规则只留最硬的那 5 条红线，行为规范干脆不加载（别束缚思路），项目上下文也精简注入

所以这不是简单的"松/紧"开关，而是一整套联动机制——换了档位，连带的配置、Prompt 内容、工具权限全部跟着变。

可迁移的设计：你自己的"约束调节旋钮"

你不需要照搬 Claude Code 的实现，但可以借鉴它的核心思想——给 Agent 配三套"操作权限档位"，再配一套"自动换挡规则"。

自动换挡规则（这个是关键——不能让 Agent 自己随意切换）：

关键洞察：静态的"一刀切"约束注定失败。Agent 的任务本质上是分阶段的——探索时需要自由，执行时需要约束，出错时需要锁死。让约束随任务"呼吸"，才是 Platform 级别的工程能力。

三、把所有拼图拼起来：完整架构总览

好，上篇讲了产品思维、Platform 演进和三层防御，下篇讲了七层指令组装和动态控制。把它们拼在一起，就是 Claude Code 的完整架构——像一栋楼，从地基到顶层逐层看：

四、数据说话：优化运行系统到底值不值

上面讲的都是"怎么做"，你可能想问：费这么大劲搞这些架构设计，实际效果到底怎么样？来看几组真实数据——它们都指向同一个结论：

五、我踩过的七个坑（附血泪教训）

上面说的都很美好，但落地的时候——真没那么顺利。下面是我研究和实践过程中实打实踩过的坑，每个坑都浪费过不少时间。写出来帮你省掉试错成本：

总结：四条哲学，四个你明天就能做的事

说了这么多，如果读完这篇文章你只能带走四件事，我希望是下面这些——每一条都不需要等老板批准，明天上班就能开始做：

最后说一句大实话

决定一个 AI 助手好不好用的关键变量，正在从「底层的模型有多聪明」转向「围绕模型设计的运行系统有多靠谱」。这跟餐饮业很像——米其林餐厅和路边摊用的可能是一样的食材，但出品的差距在于流程、标准、和背后的系统工程。

Claude Code 是这个趋势的最佳样本。而本文拆解的四层架构和四条原则，就是你从今天就可以开始落地的工程武器——不需要等模型升级，不需要等平台支持，从你现在的 System Prompt 和工具配置就能开始。

相关推荐

• [上篇] 你的 AI 助手为什么总在关键时刻掉链子？——Claude Code 工程哲学拆解（上）：产品化思维、Platform 演进与三层防御系统
• [B 篇] Agent 工程深度解析：为什么你的 AI 助手会"叛逆"？底层机制与体系化防御
• [A 篇] 别再怪 Prompt 写得不好了！你的 AI 助手为什么会"叛逆"
• Anthropic - Building Effective Agents — anthropic.com/research/building-effective-agents
• Anthropic - Effective context engineering for AI agents — anthropic.com/engineering/effective-context-engineering-for-ai-agents

— 全文完 —

基于实际项目经验整理 | 作者 猎猎风中 | 2026 年 6 月