claude code架构猜测总结

一句话总览

Claude Code 本质 =「LLM 驱动的 Tool-Calling 循环」+「逐层外置的认知结构」

模型是 Agent，本体代码只负责：约束、反馈、隔离、注入知识。

一、最底层原理：Agent Loop（不变内核）

所有版本共享同一个不可约核心：

text 复制代码

while True:
  LLM(messages, tools)
  if 无 tool_use: 结束
  执行 tool
  tool_result → 作为新上下文反馈给 LLM

关键点：

决策权完全在模型：选什么工具、顺序、是否结束
代码是被动执行器
Claude Code 的"智能"≠复杂调度，而是 LLM 自反式决策能力

👉 这在 v0--v4 中完全一致

二、v0 → v1：能力来源不是工具数量，而是「可达性」

v0：Bash is All You Need

只有 1 个 bash 工具
通过 shell 组合能力 → 读/写/执行/递归子进程
子代理 = 进程隔离 （python v0_bash_agent.py "task"）

👉 证明：
Agent ≠ 多工具系统，Agent = 自主循环 + 可执行环境

v1：4 工具是"工程最小集"

bash / read / write / edit
提供 更低 token 成本、更稳定的调用接口
但认知仍然完全在模型隐空间

👉 v1 的价值是工程化，而非架构升级

三、v2：显式认知 = 把「思考」外置成状态机

问题

模型计划存在于隐状态
长任务 → Context Fade

解决：TodoWrite

Todo 列表 = 外显的中间思考结构
约束：
- ≤20 项
- 同时仅 1 个 in_progress

本质：

Todo 不是给人看的，而是 给模型自己看的工作记忆

👉 Claude Code 开始具备 "外部工作记忆"

四、v3：子代理 = 上下文隔离，而不是多智能体

关键问题：Context Pollution

探索代码 ≠ 实施修改
混在一个 history 里 → token 被"垃圾信息"占满

Task / Subagent 机制

子代理：
- 独立 message history
- 工具白名单
- 专用 system prompt
父代理只拿到 summary

这是 进程级上下文隔离，不是 Agent 协作框架

👉 本质是 "函数调用 + 返回值"，不是自治多体

五、v4：Skills = 把「知识」从参数中剥离

核心转折点：Knowledge Externalization

传统	Claude Code
知识在模型参数	知识在 SKILL.md
训练才能新增	写文件即可
隐式、不可控	显式、可版本化

Skill 注入的关键工程点

不是 system prompt
而是通过 tool_result 注入
→ 不破坏 prompt cache（成本下降 20--50x）

Skill ≠ Tool

Tool = 能力

Skill = 操作范式 +专家流程

👉 Claude Code 的可扩展性来源于 "知识文件系统"

六、整体架构抽象（最终形态）

复制代码

┌──────────────────────────────────┐
│           LLM (Agent)             │
│  - 决策 / 规划 / 反思              │
└───────────────▲──────────────────┘
                │
        tool_result (反馈)
                │
┌───────────────┴──────────────────┐
│          Agent Runtime            │
│  - Tool 执行                       │
│  - Todo 状态机                     │
│  - Task 子代理                     │
│  - Skill 注入                      │
└──────────────────────────────────┘

不变的只有一件事：

LLM 是唯一的"智能体"，其他都是外置认知器官

七、为什么这套架构有效（核心原因）

最大化利用模型已训练的 Agent 能力
把易退化的认知结构外显
通过隔离与约束降低 token 噪声
用文件系统承载"可维护知识"

所以 Claude Code 强，不是因为工程复杂，

而是 工程极度克制。

八、给你的定位算法背景的一句映射（类比）

如果类比 SLAM：

Claude Code	SLAM
LLM	后端优化器
Tools	传感器模型
Todo	状态图 / factor graph
Subagent	局部子地图
Skills	先验地图 /语义约束