用一个 while 循环，看懂 Claude Code

用一个 while 循环，看懂 Claude Code 用一个 while 循环，看懂 Claude Code Modified May 2 🎼 从整体代码设计来看，可以认为，Claude Code = 模型 + Harness，而 Harness = 工具系统 × 上下文工程 × 自主循环。 其中，工具系统和上下文工程做了大量的设计。 CC 的工具系统有着自己的标准化设计，它会明确约束模型不要执行 find、grep、cat、head 通用操作，而是走 GrepTool、GlobTool 等专用工具，因为这些内建工具会输出可审计、结构化的日志，让操作更加透明可控。 同时，工具本身也带有权限级别和验证逻辑。例如 Edit 工具为了避免交叉覆盖，会要求先 Read；Git 工具对 push force 类高风险操作会做 prompt 约束和 UI 警告。 类似的设计很多，目的是在工具层建立清晰的边界和反馈机制，让模型在调用时有约束、有校验，减少越界操作和错误扩散。 而在上下文管理上，CC 的管控也无所不用其极。它通过多种压缩策略和动态机制，确保模型在任何时刻只接触当前任务最相关的信息。 压缩策略的核心机制包括 MicroCompact、AutoCompact，以及不同触发条件下的会话压缩、记忆替换和裁剪策略。 在文件加载机制上，针对工具定义与能力暴露，也设计了 Just In Time 策略，文件不预加载，只保留路径，需要时再通过工具读取。 此外，还有 Sub Agent 的设计，它通过上下文隔离的方式，让不同子任务的相关信息互不干扰，进一步降低了主循环的认知负载，确保主循环逻辑干净且稳定。 Claude Code 不仅是在工具系统和上下文管理上做文章，模型为了 Harness 效果更好，也开始配合对 Agentic 行为做专项优化。 例如 Opus 4.7 在指令遵循上就明确提到 "Opus 4.7 takes the instructions literally"，这对 Agent 来说非常关键。Agent 的行为边界往往写在 system prompt 里，模型层做了增强学习后，模型在指令遵守方面会表现更出色，这对 Agent 的稳定性和可靠性会有极大提升。 OpenClaw/Hermes Agent/Claude Code 产生了大量 Agent 调用数据，这些数据也会继续反哺模型能力的迭代。 从当前发展趋势可以推断，未来模型的进化，一定也会逐步内化工具调用策略、上下文压缩策略，甚至学会自我约束行为边界。 那么，今天 CC 里写的这些 Harness 逻辑，注定也会被模型吃掉。也就是说，Harness 也是一个过渡性的产物。🐶 💡 一句话先讲透：Claude Code 看起来像一个会自己干活的程序员，其实核心是一台被工程化包起来的“循环机器”：模型想一步、工具做一步、结果再喂回模型，然后继续。 1. 最核心的秘密：就是一个循环 如果把 Claude Code 拆到最小，它的心脏并不神秘，大概是这样： Claude Code 的简化主循环 Plain Text Copy while 任务还没完成: 模型生成下一步 如果下一步要调用工具: 执行工具 把工具结果放回上下文 模型基于新结果继续思考 这就像你请一个实习生做事：他先说“我需要看一下文件”，你把文件给他；他看完说“我需要改这里”，你让他改；改完再看测试结果。一次次循环下来，任务就被推进了。 📌 真正厉害的不是循环本身，而是围绕这个循环搭出来的一整套工作台：工具怎么用、上下文怎么管、风险怎么拦、任务怎么拆。 2. Claude Code = 模型 + Harness 可以把 Claude Code 理解成两层： 组成 像什么 负责什么 模型 大脑 理解任务、判断下一步、生成代码或指令 Harness 工作台和安全带 提供工具、管理上下文、控制循环、限制危险动作 所以更准确地说，Claude Code 不是“一个模型直接在电脑里乱跑”，而是“模型坐在一个被精心设计过的驾驶舱里干活”。 3. Harness 里最重要的三件事 💡 工具系统 让模型通过标准工具读文件、搜代码、改文件、跑命令，而不是随便操作。 🧠 上下文工程 只把当前最相关的信息放进模型视野，避免越看越乱、越想越偏。 🔁 自主循环 让模型可以“想一步、做一步、看结果、再想一步”，持续推进任务。 4. 为什么工具不能随便用？ 普通命令比如 find、grep、cat 很自由，但也容易失控：输出太多、结构不清、日志不好审计。Claude Code 会倾向让模型使用内建的 GrepTool、GlobTool、Read、Edit 等专用工具。 这背后的目的不是“换个名字”，而是把每次操作变得更可控： • 工具输出更结构化，模型更容易读懂。 • 操作过程可记录、可审计，用户更容易知道模型做了什么。 • 工具可以附带权限、校验和风险提示。 例子 为什么要这样设计 Edit 前要求先 Read 避免模型基于旧内容改文件，减少交叉覆盖。 Git 高风险操作会提示 例如 force push 这类动作，需要额外确认。 搜索走专用工具 输出更干净，减少无关结果挤爆上下文。 5. 上下文管理：让模型只看“该看的东西” Agent 最容易出问题的地方之一，是上下文太多。就像一个人桌上摊满了旧聊天、旧日志、旧代码，他很快就会分不清重点。 Claude Code 的上下文工程，本质上是在帮模型整理桌面： • MicroCompact：小范围压缩，把局部过程整理成更短的记忆。 • AutoCompact：当会话变长时，自动把历史压成摘要。 • 裁剪与替换：不相关的信息移走，重要信息保留。 • Just In Time 加载：工具定义、文件内容不提前全塞进来，需要时再读。 ✅ 这件事可以类比成“开卷考试”：不是把整座图书馆塞进脑子，而是知道什么时候去翻哪一页。 6. Sub Agent：把任务分给不同小房间 有些任务会天然分叉：一个人查测试，一个人看 UI，一个人读数据库逻辑。如果所有信息都塞给主模型，它会越来越累。 Sub Agent 的价值，是把不同子任务放进相互隔离的小房间。每个子代理只拿到自己需要的上下文，做完后把结论交回主循环。 这样主循环就不用背着所有细节跑，只需要做调度和整合。 7. 模型本身也在配合 Harness 进化 过去，很多 Agent 能力靠外部 Harness 硬搭：提示词写边界，工具层做校验，上下文系统做压缩。现在模型也开始针对 Agent 行为优化，比如更严格地遵守指令、更稳定地理解工具调用、更少越界。 这意味着未来有些今天写在 Harness 里的能力，可能会慢慢被模型“内化”： • 更自然地判断该调用哪个工具。 • 更主动地压缩和整理上下文。 • 更懂得在危险操作前停下来确认。 • 更像一个能自我约束的执行者。 8. 最后的判断：Harness 是过渡层，但现在非常关键 今天的 Claude Code，厉害之处不只是模型聪明，而是模型被放进了一个很成熟的工程系统里。这个系统给模型工具、边界、记忆、循环和反馈。 未来模型越来越强，确实会“吃掉”一部分 Harness 的逻辑。但在当下，Harness 仍然是 Agent 从“会聊天”变成“能干活”的关键桥梁。 💡 记住这个公式就够了：Claude Code = 模型 + Harness；Harness = 工具系统 × 上下文工程 × 自主循环。 Claude Code = 模型 + Harness：一个 while 循环如何被工程化 🎼 从整体代码设计来看，可以认为，Claude Code = 模型 + Harness，而 Harness = 工具系统 × 上下文工程 × 自主循环。 其中，工具系统和上下文工程做了大量的设计。 CC 的工具系统有着自己的标准化设计，它会明确约束模型不要执行 find、grep、cat、head 通用操作，而是走 GrepTool、GlobTool 等专用工具，因为这些内建工具会输出可审计、结构化的日志，让操作更加透明可控。 同时，工具本身也带有权限级别和验证逻辑。例如 Edit 工具为了避免交叉覆盖，会要求先 Read；Git 工具对 push force 类高风险操作会做 prompt 约束和 UI 警告。 类似的设计很多，目的是在工具层建立清晰的边界和反馈机制，让模型在调用时有约束、有校验，减少越界操作和错误扩散。 而在上下文管理上，CC 的管控也无所不用其极。它通过多种压缩策略和动态机制，确保模型在任何时刻只接触当前任务最相关的信息。 压缩策略的核心机制包括 MicroCompact、AutoCompact，以及不同触发条件下的会话压缩、记忆替换和裁剪策略。 在文件加载机制上，针对工具定义与能力暴露，也设计了 Just In Time 策略，文件不预加载，只保留路径，需要时再通过工具读取。 此外，还有 Sub Agent 的设计，它通过上下文隔离的方式，让不同子任务的相关信息互不干扰，进一步降低了主循环的认知负载，确保主循环逻辑干净且稳定。 Claude Code 不仅是在工具系统和上下文管理上做文章，模型为了 Harness 效果更好，也开始配合对 Agentic 行为做专项优化。 例如 Opus 4.7 在指令遵循上就明确提到 "Opus 4.7 takes the instructions literally"，这对 Agent 来说非常关键。Agent 的行为边界往往写在 system prompt 里，模型层做了增强学习后，模型在指令遵守方面会表现更出色，这对 Agent 的稳定性和可靠性会有极大提升。 OpenClaw/Hermes Agent/Claude Code 产生了大量 Agent 调用数据，这些数据也会继续反哺模型能力的迭代。 从当前发展趋势可以推断，未来模型的进化，一定也会逐步内化工具调用策略、上下文压缩策略，甚至学会自我约束行为边界。 那么，今天 CC 里写的这些 Harness 逻辑，注定也会被模型吃掉。也就是说，Harness 也是一个过渡性的产物。🐶 从整体代码设计来看，可以认为，Claude Code = 模型 + Harness，而 Harness = 工具系统 × 上下文工程 × 自主循环。 其中，工具系统和上下文工程做了大量的设计。 CC 的工具系统有着自己的标准化设计，它会明确约束模型不要执行 find、grep、cat、head 通用操作，而是走 GrepTool、GlobTool 等专用工具，因为这些内建工具会输出可审计、结构化的日志，让操作更加透明可控。 同时，工具本身也带有权限级别和验证逻辑。例如 Edit 工具为了避免交叉覆盖，会要求先 Read；Git 工具对 push force 类高风险操作会做 prompt 约束和 UI 警告。 类似的设计很多，目的是在工具层建立清晰的边界和反馈机制，让模型在调用时有约束、有校验，减少越界操作和错误扩散。 而在上下文管理上，CC 的管控也无所不用其极。它通过多种压缩策略和动态机制，确保模型在任何时刻只接触当前任务最相关的信息。 压缩策略的核心机制包括 MicroCompact、AutoCompact，以及不同触发条件下的会话压缩、记忆替换和裁剪策略。 在文件加载机制上，针对工具定义与能力暴露，也设计了 Just In Time 策略，文件不预加载，只保留路径，需要时再通过工具读取。 此外，还有 Sub Agent 的设计，它通过上下文隔离的方式，让不同子任务的相关信息互不干扰，进一步降低了主循环的认知负载，确保主循环逻辑干净且稳定。 Claude Code 不仅是在工具系统和上下文管理上做文章，模型为了 Harness 效果更好，也开始配合对 Agentic 行为做专项优化。 例如 Opus 4.7 在指令遵循上就明确提到 "Opus 4.7 takes the instructions literally"，这对 Agent 来说非常关键。Agent 的行为边界往往写在 system prompt 里，模型层做了增强学习后，模型在指令遵守方面会表现更出色，这对 Agent 的稳定性和可靠性会有极大提升。 OpenClaw/Hermes Agent/Claude Code 产生了大量 Agent 调用数据，这些数据也会继续反哺模型能力的迭代。 从当前发展趋势可以推断，未来模型的进化，一定也会逐步内化工具调用策略、上下文压缩策略，甚至学会自我约束行为边界。 那么，今天 CC 里写的这些 Harness 逻辑，注定也会被模型吃掉。也就是说，Harness 也是一个过渡性的产物。🐶 💡 一句话先讲透：Claude Code 看起来像一个会自己干活的程序员，其实核心是一台被工程化包起来的“循环机器”：模型想一步、工具做一步、结果再喂回模型，然后继续。 一句话先讲透：Claude Code 看起来像一个会自己干活的程序员，其实核心是一台被工程化包起来的“循环机器”：模型想一步、工具做一步、结果再喂回模型，然后继续。 1. 最核心的秘密：就是一个循环 如果把 Claude Code 拆到最小，它的心脏并不神秘，大概是这样： 这就像你请一个实习生做事：他先说“我需要看一下文件”，你把文件给他；他看完说“我需要改这里”，你让他改；改完再看测试结果。一次次循环下来，任务就被推进了。 📌 真正厉害的不是循环本身，而是围绕这个循环搭出来的一整套工作台：工具怎么用、上下文怎么管、风险怎么拦、任务怎么拆。 真正厉害的不是循环本身，而是围绕这个循环搭出来的一整套工作台：工具怎么用、上下文怎么管、风险怎么拦、任务怎么拆。 2. Claude Code = 模型 + Harness 可以把 Claude Code 理解成两层： 组成 像什么 负责什么 模型 大脑 理解任务、判断下一步、生成代码或指令 Harness 工作台和安全带 提供工具、管理上下文、控制循环、限制危险动作 组成 组成 像什么 像什么 负责什么 负责什么 模型 模型 大脑 大脑 理解任务、判断下一步、生成代码或指令 理解任务、判断下一步、生成代码或指令 Harness Harness 工作台和安全带 工作台和安全带 提供工具、管理上下文、控制循环、限制危险动作 提供工具、管理上下文、控制循环、限制危险动作 所以更准确地说，Claude Code 不是“一个模型直接在电脑里乱跑”，而是“模型坐在一个被精心设计过的驾驶舱里干活”。 3. Harness 里最重要的三件事 💡 工具系统 让模型通过标准工具读文件、搜代码、改文件、跑命令，而不是随便操作。 🧠 上下文工程 只把当前最相关的信息放进模型视野，避免越看越乱、越想越偏。 🔁 自主循环 让模型可以“想一步、做一步、看结果、再想一步”，持续推进任务。 💡 工具系统 让模型通过标准工具读文件、搜代码、改文件、跑命令，而不是随便操作。 💡 工具系统 让模型通过标准工具读文件、搜代码、改文件、跑命令，而不是随便操作。 工具系统 让模型通过标准工具读文件、搜代码、改文件、跑命令，而不是随便操作。 🧠 上下文工程 只把当前最相关的信息放进模型视野，避免越看越乱、越想越偏。 🧠 上下文工程 只把当前最相关的信息放进模型视野，避免越看越乱、越想越偏。 上下文工程 只把当前最相关的信息放进模型视野，避免越看越乱、越想越偏。 🔁 自主循环 让模型可以“想一步、做一步、看结果、再想一步”，持续推进任务。 🔁 自主循环 让模型可以“想一步、做一步、看结果、再想一步”，持续推进任务。 自主循环 让模型可以“想一步、做一步、看结果、再想一步”，持续推进任务。 4. 为什么工具不能随便用？ 普通命令比如 find、grep、cat 很自由，但也容易失控：输出太多、结构不清、日志不好审计。Claude Code 会倾向让模型使用内建的 GrepTool、GlobTool、Read、Edit 等专用工具。 这背后的目的不是“换个名字”，而是把每次操作变得更可控： • 工具输出更结构化，模型更容易读懂。 • 操作过程可记录、可审计，用户更容易知道模型做了什么。 • 工具可以附带权限、校验和风险提示。 例子 为什么要这样设计 Edit 前要求先 Read 避免模型基于旧内容改文件，减少交叉覆盖。 Git 高风险操作会提示 例如 force push 这类动作，需要额外确认。 搜索走专用工具 输出更干净，减少无关结果挤爆上下文。 例子 例子 为什么要这样设计 为什么要这样设计 Edit 前要求先 Read Edit 前要求先 Read 避免模型基于旧内容改文件，减少交叉覆盖。 避免模型基于旧内容改文件，减少交叉覆盖。 Git 高风险操作会提示 Git 高风险操作会提示 例如 force push 这类动作，需要额外确认。 例如 force push 这类动作，需要额外确认。 搜索走专用工具 搜索走专用工具 输出更干净，减少无关结果挤爆上下文。 输出更干净，减少无关结果挤爆上下文。 5. 上下文管理：让模型只看“该看的东西” Agent 最容易出问题的地方之一，是上下文太多。就像一个人桌上摊满了旧聊天、旧日志、旧代码，他很快就会分不清重点。 Claude Code 的上下文工程，本质上是在帮模型整理桌面： • MicroCompact：小范围压缩，把局部过程整理成更短的记忆。 • AutoCompact：当会话变长时，自动把历史压成摘要。 • 裁剪与替换：不相关的信息移走，重要信息保留。 • Just In Time 加载：工具定义、文件内容不提前全塞进来，需要时再读。 ✅ 这件事可以类比成“开卷考试”：不是把整座图书馆塞进脑子，而是知道什么时候去翻哪一页。 这件事可以类比成“开卷考试”：不是把整座图书馆塞进脑子，而是知道什么时候去翻哪一页。 6. Sub Agent：把任务分给不同小房间 有些任务会天然分叉：一个人查测试，一个人看 UI，一个人读数据库逻辑。如果所有信息都塞给主模型，它会越来越累。 Sub Agent 的价值，是把不同子任务放进相互隔离的小房间。每个子代理只拿到自己需要的上下文，做完后把结论交回主循环。 这样主循环就不用背着所有细节跑，只需要做调度和整合。 7. 模型本身也在配合 Harness 进化 过去，很多 Agent 能力靠外部 Harness 硬搭：提示词写边界，工具层做校验，上下文系统做压缩。现在模型也开始针对 Agent 行为优化，比如更严格地遵守指令、更稳定地理解工具调用、更少越界。 这意味着未来有些今天写在 Harness 里的能力，可能会慢慢被模型“内化”： • 更自然地判断该调用哪个工具。 • 更主动地压缩和整理上下文。 • 更懂得在危险操作前停下来确认。 • 更像一个能自我约束的执行者。 8. 最后的判断：Harness 是过渡层，但现在非常关键 今天的 Claude Code，厉害之处不只是模型聪明，而是模型被放进了一个很成熟的工程系统里。这个系统给模型工具、边界、记忆、循环和反馈。 未来模型越来越强，确实会“吃掉”一部分 Harness 的逻辑。但在当下，Harness 仍然是 Agent 从“会聊天”变成“能干活”的关键桥梁。 💡 记住这个公式就够了：Claude Code = 模型 + Harness；Harness = 工具系统 × 上下文工程 × 自主循环。 记住这个公式就够了：Claude Code = 模型 + Harness；Harness = 工具系统 × 上下文工程 × 自主循环。 原文：Barret李靖 Claude Code 的核心是一个 while 循环：模型生成响应 → 如果包含工具调用，执行 → 结果返回 → 模型生成下一个响应 → 持续循环。 就这么一个循环，被工程化成一个完整的产品，写了将近 30 多万行代码。