EP71：探究Anthropic的Claude Code源码-为什么它就是比别人好用？

2026年3月31日，安全研究者发现 Anthropic 发布到 npm 的 Claude Code 包中由于未剥离 source map 文件，导致其完整的 TypeScript 源码（约 51.2 万行，1903 个文件）意外泄露。通过对源码的深度分析，本文《一文了解 Anthropic 的 Claude Code 源码：为什么它就是比别人好用？》 作者Yuker揭示了 Claude Code 与传统 AI 编程助手在设计哲学上的本质区别：它不仅是一个插件或工具，而是一个以大语言模型（LLM）为内核的、高度工程化的“操作系统”。其核心竞争力在于极其精密的 9 层安全审查系统、动态组装的提示词架构、分层压缩的上下文管理以及仿生学的记忆存储机制。

一、 设计哲学：从助手到“操作系统”

Claude Code 的开发规模与复杂度远超同类产品，其 51 万行代码构建了一套完整的信任与执行体系。

• 环境集成方式：

Cursor 模式： 简单的“人机协作”，用户需逐条审核命令。

GitHub Copilot Agent 模式： 隔离的虚拟机环境，虽然安全但无法感知本地真实环境。

Claude Code 模式： 直接在用户本地环境运行，通过极度精密的“安检系统”控制权限。AI 可以直接使用用户的终端、配置和环境，实现真正的原生开发体验。

• 系统级映射： 源码显示，Anthropic 将 Claude Code 视为操作系统进行构建：

42 个工具对应系统调用。

权限系统对应用户权限管理。

MCP 协议对应设备驱动。

Agent 蜂群对应进程管理。

上下文压缩对应内存管理。

二、 提示词工程：动态组装与缓存优化

Claude Code 的系统提示词并非静态文本，而是像编译器输出一样进行动态优化和“拼装”。

• 1. 动态提示词架构

在 src/constants/prompts.ts 中，提示词通过 getSystemPrompt 函数组装，分为静态和动态两个部分，中间由 SYSTEM_PROMPT_DYNAMIC_BOUNDARY 分隔。

• 2. 工具专用的“使用手册”

每个工具（如 BashTool）都附带一份专为 LLM 编写的 behavior 准则。例如，BashTool 的手册明确规定：

除非用户要求，否则禁止执行 git checkout .。

严禁跳过钩子（--no-verify）。

强制要求创建新提交，严禁 amend。

三、 工具系统与执行安全

Claude Code 注册了 42 个工具，但采用了延迟加载和防御性设计。

• 按需注入： 并非所有工具都会初始加载。通过 ToolSearchTool，系统仅在 LLM 需要时才注入相关工具的使用说明，以节省 token 消耗。
• Fail-closed（故障关闭）设计： 系统默认假设所有工具都是“不安全、可写入、具有破坏性”的。如果开发者未明确声明工具的安全属性，系统将采取最保守的权限控制。
• “先读后改”铁律： FileEditTool 具备强制检查机制。若 LLM 未曾调用过 FileReadTool 读取文件，系统将直接报错，禁止其进行任何修改，防止 AI 凭空生成代码覆盖本地文件。

四、 记忆与仿生学进化

Claude Code 拥有一套完整的记忆系统，使其能够根据用户的职业背景（如“后端工程师”）和习惯进行个性化交互。

• AI 检索记忆： 并非使用传统的关键词或向量搜索，而是调用另一个小模型（Claude Sonnet）来扫描记忆文件标题和描述，选出最多 5 个相关记忆注入上下文。其策略是“精确度优先于召回率”。
• KAIROS 模式（“梦境”整理）： 这是一种极其超前的设计。系统在低活跃期（夜间）运行 /dream 技能，将按日期记录的原始日志（Raw Logs）蒸馏、总结为结构化的主题文件（如用户偏好、项目背景）。

五、 多 Agent 蜂群协作（Multi-Agent Swarm）

在处理复杂任务时，Claude Code 会启动 Coordinator（协调器）模式，将自己转变为任务编排者。

• 子 Agent 生成： 通过 AgentTool 生成工人进程。源码中包含严厉的“自我意识”注入，明确告知子 Agent：“你是工人而非经理，严禁递归生成更多子 Agent”。
• 并行与串行策略：并行： 调研和代码搜索任务通过多个 Worker 并行执行，发挥并行优势。串行： 文件写入任务按文件分组串行执行，以避免编辑冲突。
• Prompt Cache 极致优化： 所有子 Agent 的启动结果使用统一的占位符文本（如 Fork started — processing in background），确保多个并行 Agent 能够共用 API 缓存前缀，实现冷启动成本最小化。

六、 上下文管理：三层压缩机制

为解决 LLM 的上下文窗口限制，Claude Code 设计了精密的三层压缩逻辑：

• 微压缩（Microcompact）： 仅针对旧的工具调用结果进行清理。例如，将 10 分钟前读取的长文件内容替换为 [Old tool result content cleared]，保留对话主线。
• 自动压缩（Auto-compact）： 当 Token 消耗达到上下文窗口的 87%（预留 13,000 token 缓冲）时自动触发。
• 完全压缩（Full-compact）： 强制 AI 对整段对话生成纯文本摘要，并替换所有历史消息。此时会注入 NO_TOOLS_PREAMBLE 指令，严禁 AI 在总结过程中调用工具，以防产生额外的 token 消耗。

七、 结论

通过对 51.2 万行源码的审视，可以得出结论：Claude Code 的卓越体验并非单纯源于模型性能，而是源于极其深厚的脚手架工程。

• 工程量占比： 真正调用 LLM API 的代码不到 5%，其余 95% 均用于安全检查、权限管理、错误恢复、性能优化及 UI 交互。
• 信任体系： Anthropic 的核心逻辑是：要让 AI 真正深入生产环境，必须为其建立一套完整的信任体系。即便是一个简单的 Bash 工具，也需要 18 个安全文件和 9 层审查来确保其行为可控。
• 产品定位： Claude Code 是一个以 LLM 为内核的操作系统，它通过工程化手段解决了 AI Agent 在安全性、成本和上下文限制方面的瓶颈。

**📺播客说明**

本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。