深度丨看完 Claude Code 底層拆解，我打賭國產模型們這一波要贏麻了

今天，Anthropic 真的要麻了。

因為 Claude Code 意外泄露了 source map，這款被無數開發者捧上神壇的最強終端 AI，第一次把自己的內部骨架暴露在聚光燈下。

外網最損的一句評論是：Anthropic 真該改名叫 OpenAI。

但真正值得中國廠商興奮的，不是看熱鬧，而是看門道。一款頂級 AI Coding 產品，真正的護城河到底修在哪里。不是單純卷補全準確率，不是再做一個 IDE 插件，而是圍繞模型搭出一整套運行時系統。

對字節、阿里、智譜、Kimi 這批正在往 Agent 和開發者工具縱深走的中國模型廠商來說，這幾乎等于白撿了一份“下一代產品路線圖”。而在港股 AI 敘事已經持續升溫、智譜剛交出高增長年報、月之暗面也仍在推進上市想象空間的當下，這種級別的教學材料，顯然只會繼續給市場情緒再添一把火。

那么 Claude Code 究竟是怎么做的呢？這篇深度分析文章基于科技博主 Sathwick 對 Claude Code 源碼及架構的逆向解剖，為你還原這款產品之所以能降維打擊的內幕。

Claude Code 的底層是一整套分層系統

Claude Code 不是一個單純調用大模型的命令行工具，而是一套分層設計的完整系統。

最上面是用戶看到的終端界面，中間是命令和工具層，負責把各種能力暴露給模型；再往下是查詢處理引擎，負責流式調用、工具調度、重試恢復和上下文壓縮，相當于整個系統的大腦；下面還有服務層，處理認證、插件、狀態管理和分析；最底層則是文件系統、Git、配置、權限和安全存儲這些基礎設施。

代碼目錄也非常重：主入口、查詢引擎、工具注冊表、100 多個 slash commands、146 個 UI 組件、自研 terminal framework、85+ hooks、330+ utils、多智能體協調、遠程管理、任務系統、遷移系統，幾乎把一個現代復雜應用該有的層全鋪齊了。

這意味著，Claude Code 的思路從一開始就是把 AI 作為系統中心，再圍繞它重建一套終端交互、執行、安全和擴展框架。

它不是一個 prompt wrapper，而是一個把模型、工具、狀態、上下文和 UI 都統一起來的工程產品。

它最先優化的是“啟動那一瞬間的體感”

很多人會把 AI 工具的體驗問題歸結為模型快不快、聰不聰明，但 Claude Code 在源碼里首先解決的，是更底層的“第一眼體驗”。

為了盡可能縮短首次渲染時間，它在模塊導入前就先并行做幾件事，比如啟動 macOS MDM 策略讀取、預取 keychain 里的 OAuth 和 API key。原因很簡單：TypeScript 模塊執行本身就有順序耗時，那不如把這些 I/O 操作提前塞進去并行跑，把等待時間重疊掉。

后面的初始化也不是亂序堆起來的，而是一個明確編排過的階段鏈：配置校驗、安全環境變量、CA 證書、優雅關閉、OAuth 賬戶填充、IDE 檢測、遠程托管設置、策略限制、mTLS、代理、API 預連接、shell 檢測、LSP 清理、多智能體集群清理。甚至連--version、--dump-system-prompt、mcp serve這種快速退出路徑，都單獨走輕量初始化分支，避免用戶為了一個版本號也得把 React 和整套 UI 都啟動起來。

這背后體現的是一種非常典型的基礎設施思維：

真正成熟的開發者工具，首先要讓“等待”這件事盡可能消失。因為對高頻工具來說，100 毫秒、200 毫秒，累計起來就是產品質感本身。

核心是一個會自我修復的查詢引擎

Claude Code 的真正大腦，是它的 Query Engine。

源碼里，這套系統分成兩層：QueryEngine.ts負責會話級編排，query.ts負責逐回合狀態機。前者管理系統上下文、消息持久化、API 調用、權限統計和成本累計；后者則是一個while(true)的彈性循環：先并行預取記憶和 skills，再做消息壓縮，然后流式調用 API，處理錯誤，執行工具，再判斷要不要 compact、collapse、續 token、或者繼續下一輪。

這套設計最有意思的一點是：Claude Code 并不把“一次提問”理解成一次簡單請求，而是理解成一個可能不斷恢復、轉向、補執行、續上下文的長生命周期任務。

也就是說，它不是“問一次、答一次”的模型調用器，而是“任務驅動型回合引擎”。

比如當模型輸出 token 快耗盡，但任務還沒做完時，它不會粗暴停住，而是注入一條隱形元消息，要求模型“直接繼續，不要道歉，不要回顧”，然后把回合自然續下去；如果上下文太長，就先做 staged collapse，不夠再 reactive compact；如果流式請求中途掛掉，就嘗試退回非流式；如果模型過載，還會回退到備用模型。整個過程的目標都不是“嚴格遵守單次請求邊界”，而是“盡可能讓任務完成，而不是把報錯拋給用戶”。

這其實非常像現代瀏覽器或數據庫的思路：

用戶看到的是一個流暢的連續體驗，底層則在不停做容錯、回退和恢復。

60 多個工具，被統一成一個接口

Claude Code 強的地方是它能把工具系統做成一個一致、可調度、可渲染、可控權限的統一層。

在源碼里，每個工具都遵循同一套接口：名字、描述、額外 prompt、輸入 schema、調用邏輯、權限檢查、輸入校驗、并發安全判斷，以及四層 UI 渲染方法——工具開始、工具進度、工具結果、工具報錯。也就是說，在 Claude Code 看來，Bash、文件編輯、grep、LSP、Web 搜索、Agent 調度，本質上都只是統一工具協議下的不同實現。

這種抽象帶來的最大好處，是系統可以真正按“工具能力”而不是“工具來源”去調度。

只讀工具能并發跑，寫工具必須串行跑；大輸出會被截斷并持久化；輸入輸出都能被 schema 約束；權限系統也能對所有工具統一生效。

更細一點看，Claude Code 的很多工具設計都很像為 LLM 重新發明了一遍開發環境：

• BashTool不是裸 shell，而是帶結果長度限制、沙箱感知、后臺執行、權限預覽的安全命令執行器。

• 文件編輯工具不是暴力全量重寫，而是精確字符串替換，并和 git diff、撤銷系統打通。

• GrepTool是為 LLM 優化過的 ripgrep 封裝，默認限制輸出、防止上下文爆炸。

• LSPTool讓模型獲得goToDefinition、findReferences、hover這類語言智能能力。

• AgentTool則直接把“再開一個 Claude 去并行處理另一部分任務”做成了一等能力。

換句話說，Claude Code 的真正競爭力，不是“模型知道怎么編程”，而是“模型被接進了一套真正可執行的軟件環境”。

不是工具多，而是按需發現工具

一個很容易被忽略、但非常關鍵的設計，是 Claude Code 并不會在每次請求里，把 60 多個工具全部攤給模型。

它引入了延遲工具發現機制。部分工具會先隱藏，只有當模型明確意識到自己需要某類能力時，才通過ToolSearchTool去搜索、拉出對應 schema，然后在同一回合中調用。這種設計把基礎 prompt 的體積控制在合理范圍內，同時保留了彈性擴展能力。

這件事非常重要，因為它說明 Claude Code 已經開始把“工具系統本身”也當作上下文預算問題來管理。

很多 agent 產品越做越臃腫，一個原因就是恨不得把所有能力一次性塞進系統提示詞。Claude Code 反過來做：先收起來，等你真需要時再展開。

這其實是一種很典型的系統優化思路：

別讓模型總是背著整座工具倉庫上路，而是讓它先輕裝跑，再按需取件。

權限系統才是 最重、也最像產品護城河的部分

如果說工具系統決定了 Claude Code 能做什么，那么權限系統決定了它敢做什么。

Claude Code 源碼里，權限是一個真正的多層防御體系。它有多種模式：默認模式下，破壞性操作需要確認；plan 模式只讀；acceptEdits 可以自動批準文件編輯但 shell 仍然受控；bypassPermissions 則近似全開；dontAsk 直接自動拒絕不安全命令。除此之外，還有內部的 auto 和 bubble 模式。

規則本身也不是簡單的 yes/no。它有來源優先級，有 glob 匹配，有 allow/deny/ask 三態，還有 pre/post hooks 可以在執行前修改輸入，或者直接阻止執行。系統甚至會識別“過于寬泛”的危險規則，比如python:*、node:*、*這種本質上等于放棄控制的模式，不會輕易自動放行。

這意味著，Claude Code 并不是在“AI 自動化”和“人工確認”之間二選一，而是在做一套非常細粒度的操作治理系統。

對于企業或重度開發場景來說，這一點比模型多聰明 5% 還重要。因為真正把 agent 引入生產環境時，最大的阻力從來都不是模型回答質量，而是“它會不會誤操作”“出了問題誰兜底”“權限邊界怎么劃”。

很多 AI 編程工具還停留在“讓模型更能寫”的階段，Claude Code 已經明顯進入“讓模型更能被管理”的階段了。

它甚至重寫了終端 UI

Claude Code 另一個非�？鋸�、也非常能說明工程深度的地方，是它的終端 UI。

它不是用普通 ANSI 輸出做一個“看起來像應用”的東西，而是真正重做了一套終端渲染棧：React 組件先經過自定義 reconciler 生成虛擬 DOM，再交給 Yoga 做 flexbox 布局，然后進入 output builder、screen buffer、diff engine，最后才落成 ANSI escape sequences 發給 TTY。

這套系統里，有雙緩沖、有 blit 拷貝未變化區域的優化、有二維 cell buffer、有樣式池、字符池、超鏈接池，還有硬件滾動區域、事件捕獲和冒泡、文本選擇、軟換行處理、鍵盤協議解析。它處理的問題已經不是“怎么把文字打印出來”，而是“怎么在終端里實現接近 GUI 的交互體驗”。

從工程視角看，這一層特別值錢。因為當大多數人還把終端當“只要能輸出就行”的粗糙界面時，Claude Code 實際上是在把終端重新產品化。

而一旦終端體驗被重新產品化，CLI 就不再只是開發者忍受的工作臺，而開始變成真正有體驗差異的前端。

換句話說，Claude Code 不是在做一個更聰明的 CLI，

它是在證明：CLI 本身，也可以成為一個高復雜度、高完成度的應用平臺。

Slash Commands、Skills、Plugins、MCP

Claude Code 之所以不像一個單點工具，另一個原因是它的擴展層已經非常完整。

命令系統里，slash commands 超過 100 個，而且并不是一類命令，而是三類：展開成 prompt 的命令、純本地文本命令、以及直接用 React 組件渲染到終端的本地 JSX 命令。所有命令還會根據當前運行環境過濾，比如遠程模式、橋接模式下，能用的命令集合都不一樣。

在這之上，還有 skills、plugins 和 MCP 三層擴展：

Skills 是帶 frontmatter 的 Markdown 提示模板，可以來自項目目錄、用戶目錄、內置 bundle、插件甚至 MCP 自動生成器，而且支持 fork 到隔離子代理中執行，避免大技能把當前會話上下文吃爆。

Plugins 則把技能、hooks、MCP server 和用戶可配置變量打成一個包。

至于 MCP，更像 Claude Code 對外接世界的總線：本地 stdio、網絡 sse/http/ws、SDK、Claude.ai proxy 都支持；配置還分本地、項目、用戶、企業、動態等多層來源；接入進來的工具會被統一命名、統一權限檢查、統一分析處理。

當這些層疊起來，Claude Code 就不再是“Anthropic 做的一款 AI 編程產品”，而更像一個可被二次開發、可被組織化管理、可接入外部生態的 agent 平臺。

這也是它和很多“功能很炫，但體系很薄”的 AI 開發工具最大的差別。

為了對抗上下文極限，壓縮成為了一門學問

Agent 產品做到后面，最大的敵人幾乎都會變成上下文窗口。

Claude Code 對這件事的處理非常工程化。它不是等上下文爆了再統一報錯，而是提前布置了多層機制：自動壓縮、微壓縮、snip compact、context collapse。

當 token 接近閾值時，它會先去掉舊消息里的圖片和文檔，再按 API 回合組織消息，調用壓縮模型生成摘要，用 compact boundary message 替換歷史內容；壓縮后還允許重新注入有限數量的重要文件和 skills。

如果只是工具輸出太多，那就做更輕量的 microcompact；如果 API 真因為 prompt 太長返回 413，就按 collapse drain → reactive compact → surface error 的順序逐級恢復。用戶大多數時候根本看不到這些機制在工作，只會感覺“這會話怎么聊了這么久還沒炸”。

這其實很能代表 Claude Code 的產品哲學：

別把模型限制當成靜態天花板，而要把它當成運行時資源去動態調度。

不是單智能體，而是多智能體

源碼里，Claude Code 的多智能體架構已經不是“實驗性 feature”那種程度，而是相當實用化了。

AgentTool可以生成子代理，支持共享文件系統、Git worktree 隔離、遠程 CCR 運行，還能指定模型、后臺執行，并通過命名消息讓代理之間互相協作。后臺任務系統也不是隨便起個進程，而是有 IPC、任務狀態、base-36 編碼 ID、鎖重試機制，能在 tmux 或多個終端窗格之間協調。

尤其是 worktree 模式，很能看出 Claude Code 對“并行干活”這件事的認真程度。

它不是簡單地多開幾個 agent 讓它們同時改代碼，而是給它們真正的 Git 級隔離工作區，最后再決定保留還是丟棄。這種設計把多代理從“容易互相踩文件”的 demo，推進到了“可以在真實代碼庫里更安全地并行”的可用層。

放在 2026 年這個時間點看，這也很重要。因為 agent 的下一階段競爭，越來越不像“誰回答更好”，而像“誰更會組織一群 agent 一起工作”。Claude Code 很明顯已經提前踩進去了。

出了問題也不讓你太難看

真正的生產級系統，衡量標準不是“不出錯”，而是“出錯時怎么表現”。

Claude Code 的錯誤恢復體系相當完整：

429、529 這種瞬時錯誤會重試；401 先嘗試 OAuth 刷新；413 先走上下文恢復路徑；max output tokens 先嘗試升到更高 token budget，再注入繼續提示；持續 529 還會回退模型；流式中途失敗則改用非流式請求繼續。

它的目標非常明確：盡可能把復雜性留在內部，把連續性留給用戶。

這點其實很容易被低估。很多 AI 產品 demo 時很順，一進真實環境就暴露出“沒有恢復層”的問題：網絡抖一下就掛、上下文長一點就崩、工具執行一半斷流就只剩一地孤兒結果。Claude Code 在這方面已經明顯進入“基礎設施級成熟度”的范疇。

最離譜的是它真塞了個 AI 寵物進去

如果前面那些部分體現的是 Anthropic 的工程野心，那 BUDDY 則體現了另一面：

他們顯然也很懂，開發者工具不一定非得永遠板著臉。

源碼里，Claude Code 有一個完整實現的電子寵物 companion。它會出現在輸入框邊上，按用戶 ID 穩定生成，有物種、稀有度、帽子、眼睛、屬性、名字和性格，還會說話、顯示對話氣泡、響應交互，甚至有愚人節預熱窗口。

表面上看，這像是個彩蛋。

但往深了看，它其實說明 Claude Code 已經不再只把自己當作一個“冷冰冰的效率工具”，而在嘗試把開發者長期使用時的情緒體驗也納入設計里。

這類設計未必決定成交，卻經常決定留存。因為一個每天打開十幾次的工具，遲早會從“完成任務”演化成“陪你工作”。

KAIROS、記憶系統和持續助手模式

如果說前面的 Claude Code 還是一個非常強的本地 AI 工具，那么 KAIROS 和 Memory System 透露出的，就是它更長期的形態：一個跨會話持續存在的助手。

源碼里，記憶系統會把內容按 Markdown 文件加 YAML frontmatter 的方式存下來，分成 user、feedback、project、reference 四類，用一個MEMORY.md作為目錄索引，再通過相關性選擇器在每次對話中只召回最相關的一小部分記憶，而不是把全部歷史硬塞進 prompt。系統還明確限制哪些內容不該記，以避免把項目狀態可推導出的信息重復固化。

KAIROS 更進一步。它包含“自動做夢”這類后臺內存整合機制，會定期掃描會話、日志和記憶目錄，整合漂移信息、更新索引、清理陳舊指針，像是在給 Claude 做一種跨會話的“記憶鞏固”。同時它還引入持續助手模式、主動 tick、后臺任務、僅追加日志等組件。

這說明 Claude Code 的未來方向，已經不只是“幫你完成當前命令”，而是“長期理解你、理解項目、理解組織，并在多個時點持續協作”。

這和單次聊天式 AI 助手完全不是一個層級的產品目標。

這次事件，對 Claude 和國內廠商意味著什么

先說 Anthropic。

短期來看，這當然是一場不小的尷尬。源碼被順著 source map 扒出來，不只是暴露了工程細節，也讓外界第一次系統性看見了 Claude Code 的內部組織方式。可從另一個角度看，這件事也反過來證明了一點：Claude Code 已經不再只是 Anthropic 產品矩陣里一個挺好用的功能，它已經成了整個行業觀察 Anthropic 產品能力、工程品位和未來方向的窗口。否則，這次事件不會從安全事故迅速升級成行業熱議。

但更大的影響，其實在國內。

因為 Claude Code 這次真正抬高的，不是一個模型門檻，而是一整套系統門檻。國內廠商如果還把 AI Coding 理解成“代碼補全 + 聊天問答 + IDE 側邊欄”，接下來會越來越被動。你會發現，真正開始爭奪的是另一層位置：誰能把 terminal、工具、上下文、權限、記憶和任務調度拼成一個可持續工作的 agent 系統。

這個趨勢，其實國內已經有人看見了。

Qwen Code 在官方 GitHub 和文檔里的定義就很直接：它是一個“lives in yourterminal”的開源 AI agent，主打理解大型代碼庫、自動化重復工作，并且明確優化給 Qwen 系列模型使用。項目文檔還寫明，它基于 Gemini CLI 做了適配，加入了更適合 Qwen-Coder 模型的能力。也就是說，國內廠商并不是沒看見方向，問題只在于，誰能先從“一個 terminal agent”繼續往前走，走到真正的系統層。

而一旦競爭進入系統層，國內廠商未必沒有自己的機會。

因為這時候，比拼的就不只是“誰模型更強”，而是“誰更懂本地工作流”。中國開發者用的協作工具、代碼托管、審批流、知識庫、企業 IM、私有化環境，和海外并不完全一樣。未來真正有機會跑出來的 AI Coding 產品，未必只是模型最強的那個，也可能是最懂本地工程環境、最懂企業內網、最懂權限和合規邊界、最懂如何把 agent 接進中國開發者日常工作流的那個。

誰先占住這層，誰就更可能拿到下一輪主動權。Claude Code 只是比其他人更早，把這個答案寫進了產品里。

[1] https://sathwick.xyz/blog/claude-code.html?utm_source=chatgpt.com

加入ZF討論群，請先添加小助手微信

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生