麻豆18 小泬破白浆流啪啪

麻豆18 小泬破白浆流啪啪

作者 ｜ 董道力邮箱 ｜ dongdaoli@pingwest.com

3 月 31 日，Anthropic 大概没想到，会以这种方式送给开发者社区一份礼物。

安全研究员 Chaofan Shou 发现，Claude Code 的 npm 包里藏着一个.map 文件——sourcemap，这是给开发者调试用的，按理早该从生产环境剔除。没剔除就意味着：任何人都可以从这个文件里还原出 Claude Code 完整的源码。

1906 个文件，512000 行代码，40 多个工具，85 个斜杠命令。几小时内，代码被镜像到 GitHub，获得了数千个 Star 和 Fork。

更讽刺的地方在于，代码里有一个叫"Undercover Mode"的子系统，专门用来防止 Anthropic 内部代号出现在 git commit 里，避免信息泄露。他们精心设计了防泄露机制，然后把整个源码打包进了 npm。

但这篇文章想聊的不是这个失误，而是这份代码里真正值钱的东西：一个生产级 agent harness 长什么样。

1

Claude Code 质量有多高？

Agent harness 对于整个行业都是在探索的新东西。Anthropic 过去一年反复讲一个观点：模型本身只是引擎，harness 才是整辆车。他们提出了 context engineering、minimal viable tool sets、sub-agent isolation 等一系列设计原则。

现在源码摊开了，终于可以看看：他们会不会遵循自己写的技术文档。

答案是，不仅遵循了，还藏了个焚决。

下文对于 harness 的评价描述，主要基于 Anthropic 的技术文档。

1

存储层：上下文工程和记忆

context 是要钱的

上下文越长，模型越容易迷失，这个问题业内叫 context rot。上下文不是越多越好，每多塞一个 token，所有其他 token 分到的注意力就少一点，重要信息被稀释。

Claude Code 的做法是给每一块内容设硬上限，强制控制哪些东西能进窗口、进多少。

Skill 列表最多占整个窗口的 1%，每条描述不超过 250 字符：

为什么这么限？因为 Skill 列表的作用是让模型知道"有这个工具"，不是让模型读懂怎么用它。发现工具靠的是关键词匹配，描述写 500 字和写 50 字匹配率没有差别，多出来的全是浪费。

System prompt 被切成两半。前半部分是所有用户共用的指令，内容固定，可以缓存，下次调用直接复用。后半部分是这个用户、这个会话特有的内容，每次动态生成。这样每次 API 调用只需要处理变化的那一半，省掉了大量重复计算。

大的工具调用结果不放上下文，直接写到磁盘，给模型一个文件路径。比如执行了一条命令返回了几千行日志，把这几千行塞进上下文会挤掉其他有用的信息，换成文件引用就只占一行。

生产系统的本质是处理失败

模型接近上下文窗口极限时，会倾向于草草收尾，Anthropic 管这叫"context anxiety"。就像一个人知道自己快没时间了，会开始跳步骤、走捷径。解法是彻底清空窗口，把当前进展整理成结构化的交接材料，下一个窗口从交接材料开始，而不是从一个快撑满的上下文开始。

Claude Code 把这个做成了三级压缩：先试轻量摘要，不够再自动压缩，还不够等到 API 报错了再强制压缩。一级解决不了才走下一级。

三级之上还有熔断器：

有人在 BigQuery 里跑数据，发现自动压缩连续失败的会话每天浪费了约 25 万次 API 调用。压缩失败的原因通常是上下文已经坏掉了，继续压根没有意义。于是加了个规则：连续失败 3 次就停，不再尝试。

demo 只需要跑通。生产系统还要知道失败的时候怎么止损。

记忆不是把所有东西都存起来

跨 context window 的 agent，每次新开一个窗口，之前发生的事情全忘了。Anthropic 把这比作轮班工程师，每班的人来了都不知道上一班干了什么，只能从头摸索。

Claude Code 用后台子 agent 定期把对话里的关键信息提出来存好，下次需要的时候再注入进来。但不是什么都存，也不是什么都注入。记忆筛选用 Sonnet 来做，判断哪些记忆和当前任务相关。

有一个细节：刚用过的工具，它的参考文档不会被推进来：

模型刚用过这个工具，上下文里已经有使用记录了，这时候再把文档推进来只是重复信息，占位置没有额外价值。

1

网络层：工具接入

工具的边界就是 agent 的能力边界

工具太多，模型不知道该用哪个，跟没有工具一样。这是 agent 设计里公认的坑，工具选择本身会消耗模型的推理能力，选项越多越容易选错。

Claude Code 有 50 多个工具，解法是大多数工具初始时根本不出现在上下文里，模型主动搜索才拿到完整定义：

ToolSearch 永远完整加载，因为模型要靠它找别的工具。如果 ToolSearch 也延迟加载，模型就找不到任何东西了。

每个工具还带着一套属性：能不能并行执行、会不会修改文件系统、结果超过多大写磁盘、用户打断时是停掉还是继续跑完。

这些属性不是给人看的文档，是调度引擎决定怎么执行这个工具的依据。

权限弹窗可以被提前消除

工具调用要过五关才能执行：输入校验、权限逻辑、规则匹配、hook 拦截、分类器或用户确认。每一关都可能叫停，但也都需要时间。

其中最慢的是等用户点确认。为了消除这个等待，分类器在弹窗还没弹出来的时候就已经开始跑了：

如果分类器判断"这个命令大概率没问题"，弹窗直接跳过。用户感知不到等待，因为判断在弹窗准备期间已经做完了。

1

容器层：Sub agent设计

sub-agent 不是套娃，是上下文隔离

sub-agent 的价值是用完即弃：花几万 token 去做一个子任务，做完只把结论交给主 agent，中间过程全扔掉。主 agent 的上下文里只有结论，不是整个过程。

有四种执行模式：同步（主 agent 等子 agent 跑完）、异步后台（子 agent 在后台跑，完成了通知用户）、Worktree 文件系统隔离（子 agent 在一个独立的 git 副本里改代码，不影响主目录，改完了再合并）、跨机器隔离（完全在另一台机器上跑）。风险越高，隔离越彻底。

sub-agent 用的工具是过滤过的，不能递归调用自己，防止无限套娃。

子 agent 自己建的连接，退出时自己关。复用父 agent 已有的连接，不能关，因为父 agent 还在用。

1

新加了一层Hook系统

hook 系统让 harness 变成了平台

Claude Code 开放了 27 个事件节点，在 agent 运行的任何关键时刻，用户都可以插进来做点什么：

插进来能干什么？不只是拦截，还能改。工具执行前可以把入参改掉，比如 agent 要写一个文件，hook 把路径悄悄改到沙箱目录，agent 不知道，照常执行，但文件落在了安全的地方。

有两种写法。一种是跑脚本，退出码 0 就放行，退出码 2 就拦截，逻辑自己写。另一种是让 Haiku 来判断，给它描述和标准，让模型决定要不要放行，等 30 秒。

这个设计的结果是：安全策略、审计日志、企业合规要求，全都能从外面接进来，不用改 Claude Code 本身。不同公司有不同的安全规定，以前只能 fork 代码自己改，现在写几个 hook 就行了。harness 从一个固定的产品，变成了可以按需定制的底座。

1

以上七个点，是从源码里挑出来最容易说清楚的部分。

更多同样有意思的东西还埋在里面：压缩后消息的精确重建顺序、工具并发分区的状态竞争处理、Bash 命令里针对 Zsh 和 PowerShell 各自不同的安全绕过逻辑、sub-agent 的 MCP 服务器生命周期管理……每一处细节背后都有一个真实踩过的坑。

想搞清楚一个生产级 harness 到底是怎么运转的，直接去读代码。

512000 行代码在解决一个问题：怎么让一个会犯错的语言模型，稳定地干完一件需要很多步骤的工程任务。

这个问题比"哪个模型更聪明"更难回答，也更值钱。

行业过去两年把 agent 失败归因于模型能力不足。但 Claude Code 认为：模型早就够用了，缺的是那层认真造出来的 harness。context 配额、压缩熔断、工具延迟加载、sub-agent 隔离、hook 平台……这些东西不是 Anthropic 的独家秘方，是任何一个想把 agent 做稳的团队迟早要解决的问题。

Anthropic 先给了个方案，然后意外地把答案公开了，而这可能是这次意外泄露里最值得研究的地方。

点个“爱心”，再走 吧