在当前的大模型应用开发中，开发者往往容易陷入一种"暴力美学"的误区：当模型回答不好问题时，第一反应就是通过 RAG（检索增强生成）把海量的相关文档、代码片段、上下文无脑地塞进 Prompt 里。
这种做法在工程上是极其反模式的。这就好比把几 GB 的程序数据强行加载进极其有限的 CPU L1 Cache 中。 结果必然是灾难性的：要么瞬间打爆 Token 上限，要么引发严重的 "Lost in the middle"（中间注意力丢失）现象，导致模型产生严重的逻辑幻觉。
Claude Code 给出了一个教科书级别的解法。它的精妙之处在于，彻底摒弃了"上下文堆砌"的暴力 RAG，而是回归了经典的计算机科学，利用文件系统和工具调用（Tool Calling），在 LLM 外部实现了一套按需加载 (Lazy Loading) 和自我变异 (Self-Mutation) 的状态机。
如果我们将 LLM 视为 CPU 的控制单元，那么 Claude Code 的底层运转逻辑，几乎完美复刻了现代操作系统的虚拟内存分页（Virtual Memory Paging）机制。以下是其硬核架构拆解：
1. memory.md：常驻缓存的"页目录" (Page Directory)
在 Claude Code 的生命周期中，根目录下的 CLAUDE.md（静态指令）和 MEMORY.md（动态记忆索引）是启动时被强制注入系统提示词的极少数核心上下文。
请注意，这里面装的绝对不是冗长的业务逻辑或几十万行的源码，而是高度结构化的元数据（Metadata）和寻址指针。它扮演了操作系统中"页目录"的角色：
-
路由表功能 (Routing Table)： 它向 Agent 声明了当前项目的知识拓扑。比如："数据库表结构说明详见
docs/schema.md；后端接口规范见docs/api-rules.md；当前核心阻塞问题见memory/blockers.md"。 -
状态锚点 (State Anchor)： 它告诉模型"我们目前处于什么阶段，遗留了什么债务"，避免 Agent 每次重启都像失忆一样从头梳理项目。
💡 架构收益：极致的 Prompt Caching (提示词缓存) 利用率 Claude 的 API 计费和延迟高度依赖于 Prompt Caching 的"前缀匹配（Prefix Matching）"规则。一旦系统提示词发生改变，整个缓存就会失效。
将 System Prompt 的大小严格收敛在几千 Token 以内，并让
memory.md成为稳定的顶部前缀，意味着这部分"页目录"可以极大概率地常驻于底层的 Cache 中。后续的所有多轮对话和子 Agent 孵化，都不需要为这部分拓扑知识重复支付计算、推理和 Token 成本。
2. 工具驱动的"缺页中断" (Page Fault via Tool Calling)
既然系统提示词里只有索引，模型如何获取真实的业务数据？Claude Code 巧妙地将大模型的 Tool Calling（工具调用） 机制，化作了操作系统的 缺页中断（Page Fault）。
当用户在 CLI 中输入指令："帮我给现有的订单模块增加一个状态字段"。
-
寻址 (Addressing)： Agent 首先读取缓存中的
memory.md，发现数据库规范的指针指向docs/schema.md，而订单对象模型指向docs/models.md。 -
缺页中断 (Page Fault / Lazy Loading)： Agent 评估当前的活动窗口（In-Context Memory），判定缺失这两个文件的具体内容。于是，它主动挂起当前推理，发起
FileRead工具调用，传入文件路径。 -
内存换入 (Swap In)： 工具通过底层的 OS API 读取本地硬盘，执行完毕后，这两个文件的具体代码才会被作为
ToolResult追加进当前对话的上下文中。
💡 架构收益： 模型永远只"看"它当前任务绝对需要的代码和规则，彻底物理隔绝了无关代码的噪音干扰。这比基于向量相似度召回的传统 RAG 更加精准（Deterministic），从根本上消灭了注意力稀释问题。
3. 闭环的"脏页写回"机制 (Self-Healing & Write-Back)
如果只做到了按需读取，那它只是一个高级的检索引擎。这套系统最令人拍案叫绝的，是它具备状态演进与自我修复（Self-Healing）的能力。
静态的文档会过期，而 Claude Code 被赋予了修改自身记忆的最高权限。在它的底层工具集中，包含了专门用于维护记忆的文件写入操作。这等同于操作系统将修改过的内存数据写回磁盘的脏页写回（Dirty Page Write-Back）机制。
当 Agent 经历千辛万苦解决了一个复杂的 Bug，或者在重构时做出了重大架构调整（例如：决定将某段同步逻辑改为基于消息队列的异步处理）时，它在当前任务结束前，会触发写回动作：
-
调用
FileWrite工具，打开docs/decisions.md。 -
追加一条决策记录："2026-05 订单状态更新改为异步，原因是原有同步逻辑导致数据库连接池泄露"。
-
如果引入了全新的规范文件，它还会主动去更新
memory.md里的拓扑指针。
💡 架构收益： 这实现了一个可持久化的、跨会话的 AI 记忆体 。哪怕你强制杀死了 CLI 进程，清理了所有终端历史记录，只要这些 .md 文件留在 Git 仓库的本地工作区中，下一次执行 /init 启动时，Agent 依然能顺着 memory.md 这个根节点，将整个项目的历史决策树和避坑指南完美还原。
结语：让大模型回归"控制器"本位
Claude Code 的架构设计，给所有深耕 Agent 工程的开发者上了一堂生动的计算机基础课：高级的 Agent 工程，本质上是数据结构与操作系统算法在 AI 领域的降维应用。
在这个范式下，我们必须扭转思维： 不要再试图用无限拉长的 Prompt 去解决所有上下文问题。请让 LLM 成为纯粹的 CPU 控制器（Control Unit），把复杂的状态维护与持久化，交给文件系统这个"硬盘"，用工具调用（Tools）去构建连接它们的 I/O 总线。