用 Claude Code 久了，很多人会好奇：它为什么能连续改十几个文件不乱、上下文快满时还能接着干、执行命令前又知道该不该问你？这些问题的答案大多不在模型里，而在模型外面的工程设计里。

MBZUAI 和 UCL 的研究团队发表了一篇论文《Dive into Claude Code》（arXiv 2604.14228），对 Claude Code v2.1.88 公开的 TypeScript 源码做了系统拆解：约 1900 个文件、约 51.2 万行代码。论文给出的结论是，真正属于 AI 决策逻辑的代码只占约 1.6%，其余约 98.4% 是确定性的基础设施，包括权限、上下文管理、工具调度和故障恢复。

这篇文章按论文的结构，整理 Claude Code 架构里最值得了解的几块：核心循环、上下文压缩、权限系统、扩展机制、子 Agent 和会话存储，最后说说这些设计对日常使用有什么启发。适合想用好 Claude Code，或者正在自己做 AI Agent 的开发者。

Claude Code 架构的核心：一个 while 循环

Claude Code 的核心循环很简单：调用模型，执行模型请求的工具，把结果交回模型，重复，直到任务完成。

这里没有复杂的规划器、状态机或多步编排图。模型读上下文，决定下一步做什么，调用工具，观察结果，再继续。什么时候停下来，也由模型自己决定。

论文把这种结构叫作“Kernel + Harness”：一个很薄的 AI 内核，外面包着一层很厚的确定性外壳。模型负责思考，外壳负责兜底，工程上的复杂度几乎都在循环外面。换句话说，Claude Code 不是靠精巧的编排让 AI 更聪明，而是靠工程系统让 AI 不出事。

5 级上下文压缩

一个复杂的多文件调试会话，填满上下文窗口的速度比想象中快。Claude Code 在每次调用模型前，会按从便宜到昂贵的顺序依次考虑五个压缩阶段：

Budget reduction：削减工具输出的预览长度；
Snip：删掉会话前面已经用不上的工具结果；
Microcompact：压缩特定片段；
Context collapse：把大段对话折叠成摘要；
Auto-compact：对整个会话做总结，作为最后手段。

能在便宜的阶段解决，就不动昂贵的阶段。大多数时候前几级就能腾出足够空间。

CLAUDE.md 在这套机制里地位特殊：它在压缩后会重新从磁盘读取，所以写在里面的项目约定、架构决策和编码规范不会因为压缩而丢失。这也是社区反复建议“把最重要的规则写进 CLAUDE.md”的原因。我们之前在 Claude Code 配额为什么消耗这么快里也提到过，上下文管理直接影响 token 消耗。

权限系统：7 种模式，层层把关

论文把 Claude Code 的安全设计概括为“默认拒绝、逐次评估”，大致可以分成三层：

工具注册过滤：被禁用的工具直接从模型能看到的工具列表里移除，模型连调用的机会都没有；
单次调用检查：每次工具调用都根据工具名、参数和工作目录做规则匹配；
交互式询问：没有匹配的规则时实时询问用户，用户的回答会成为当前会话的规则。

权限模式共有 7 种，从 plan、default、acceptEdits，到用分类器自动判断的 auto，再到 dontAsk 和完全信任的 bypassPermissions（只适合沙箱环境）。规则可以来自组织策略、用户、项目、本地配置、命令行参数和当前会话等多个层级。设计思路是：不粗暴地全部拦截，只拦真正需要人来判断的操作。

4 种扩展机制，成本各不相同

机制	上下文成本	适合做什么
Hooks	几乎为零	事件触发的确定性脚本，模型不参与
Skills	低	可复用的操作说明和模板，模型按需加载
Plugins	中	打包好的一组命令、Agent、Hook 等
MCP	高	完整的外部服务集成

不是所有事情都该用 MCP。一个 MCP 服务的工具描述可能就占几千 token，接上五六个，光工具列表就会吃掉一大块上下文。比较稳的思路是：能用 Hook 解决的不用 Skill，能用 Skill 解决的不上 MCP。Hook 的实际用法可以看我们写的用 Claude Code Hooks 装上三道硬护栏。

子 Agent：上下文隔离，只交回结论

Claude Code 拆分任务时会启动子 Agent。每个子 Agent 有自己独立的对话记录（论文称为 sidechain），执行方式可以是同进程、独立 git worktree 或远程环境。

关键在于返回方式：子 Agent 内部可能消耗了大量 token，交回父 Agent 的通常只是一段简短的结论。比如让 Claude Code 重构一个模块，它可能派一个子 Agent 跑测试、另一个检查类型，主会话只收到“测试全部通过”“类型检查没问题”这样的结果，上下文保持干净。需要注意的是，上下文隔离不等于文件隔离，多个子 Agent 改同一批文件时，是否互相影响取决于所用的执行方式。

会话存储：只追加，不覆盖

会话记录以 JSONL 文件保存在本机的 Claude Code 项目目录下，采用只追加的方式写入，从不原地覆盖。这让会话可以完整审计，也能通过 claude --continue 或 /resume 恢复到之前的状态。

新开会话有一种“冷启动成本”：一个已经跑了一段时间的会话，知道你的文件结构、命名习惯和哪些测试容易失败；新会话则什么都不知道。所以 claude --continue 不只是“接着聊”，而是接着用一个已经积累了上下文的 Agent。

这套架构对日常使用的启发

重要规则写进 CLAUDE.md：它在压缩后会被重新读取，比在对话里反复强调更可靠。
扩展从轻到重选：先考虑 Hook 和 Skill，MCP 按需接入，用不到的及时关掉。
大任务交给子 Agent：让主会话只接收结论，减少上下文被细节撑满的情况。
长期项目用 continue 或 resume：保留已有积累，减少重复解释。
权限模式按场景选：日常开发用默认或 acceptEdits，完全信任的模式只在沙箱里用。

总结

论文对 Claude Code 的拆解可以概括成一句话：把模型当成一个能力很强、但需要严格管理的同事。模型只负责决定下一步做什么，其余的代码都在解决“怎么让它安全地做、高效地做、做完还能接着做”。对做 AI 产品的人来说，这也说明了一件事：模型选择和提示词只是起点，决定产品体验的往往是模型周围那一大圈工程。

想直接体验这套设计，可以在 AIGoCode 上接入 Claude Code，在自己的项目里试一试。

参考链接

论文（arXiv）：https://arxiv.org/abs/2604.14228
论文仓库 Dive-into-Claude-Code：https://github.com/VILA-Lab/Dive-into-Claude-Code
Claude Code 官方文档：https://code.claude.com/docs