#模型时代# Claude Code 架构拆解：一个 while 循环如何干掉复杂工作流

Claude Code肯定是这一年来的现象级产品了（今年2月份发布的），之前分享过官方的播客解读，但是我感觉讲的语焉不详。反而是PromptLayer 创始人 Jared Zoneraich 在 AI Engineer 大会上前不久做的非官方的 Claude Code 逆向工程分享，信息量更大一些。

他的公司每天处理数百万 LLM 请求，团队直接围绕 Claude Code 重构了整个工程组织——规则很简单：能在一小时内用 Claude Code 完成的事，就别排优先级，直接做。这场分享的核心论点可能让很多习惯复杂架构的工程师感到意外：Claude Code 的成功不是因为精巧的 agent 框架，而是因为极致的简化。

一、核心哲学：给工具，然后闪开

Jared 开场就抛出一个反直觉的判断：coding agent 突然变好用，不是因为什么黑科技突破，原因其实挺"无聊"的——更好的模型加上更简单的架构。

1、The Zen of Python 式的设计

Claude Code 的架构遵循 Python 之禅的核心原则：简单优于复杂，扁平优于嵌套。Jared 认为这不只是数据库 schema 设计的真理，同样适用于自主 coding agent。

过去两年多，大家构建 AI agent 的主流方式是画一张复杂的流程图：用户说想退款，先经过一个分类器判断意图，然后路由到退款处理分支，再检查用户资格，再调用退款接口……几百个节点层层嵌套，工程师们把这种结构叫 DAG（有向无环图），本质上就是一张"如果A则B，否则C"的巨型决策树。Claude Code 把这套东西基本全扔了。

2、删掉脚手架，让模型去探索

"Less scaffolding, more model"（少搭脚手架，多靠模型）是他反复强调的口号。工程师本能地想通过各种 prompt 技巧防止幻觉、用流程图控制每一步，但这种过度优化往往适得其反。Jared 举了个例子：他给自家网站的按钮加上标签想帮助 browser agent 导航，结果反而让 agent 表现更差——因为它被指令分散了注意力，不知道该点哪个按钮了。

3、别绕模型缺陷转圈

Anthropic 内部把这叫"AGI pill"思维：不要花大量精力工程化地绕过今天模型的缺陷，因为很多问题过几个月模型自己就能解决了。你的时间会浪费掉。

二、架构核心：一个 while 循环搞定一切

如果把 Claude Code 的核心逻辑压缩成四步，就是：检查是否有工具调用→执行工具→把结果返回给模型→重复，直到没有工具调用为止。

Anthropic 内部好像把这叫"N0"。没有复杂的流程分支，没有 ML 意图分类器，没有 embedding 检索——就是一个主循环反复调用工具，直到任务完成。

这和传统做法形成鲜明对比。以前做一个客服 agent，你可能要画一张几百个节点的流程图：用户说退款走这条路，用户问产品走那条路，每个分支再细分出十几个子分支。维护这张图是噩梦，改一个节点可能牵连一堆。Claude Code 说：不需要，让模型自己判断下一步该干嘛。

1、Claude.md：用户可编辑的系统 prompt

传统做法是让模型先研究仓库、建本地向量库。Claude Code 的方案简单得多：直接让用户写个 markdown 文件说明项目规范。用户改、agent 改都行。"一切都是 prompt engineering 或者 context engineering"，Jared 说这话时带着点自嘲——毕竟他的公司就叫 PromptLayer。

2、核心工具清单

目前 Claude Code 的核心工具包括：Read（带 token 限制的文件读取）、Grep/Glob（用 grep 替代 RAG，模拟人类行为）、Edit（用 diff 而非重写，更快更省 token）、Bash（万能瑞士军刀）、Web Search/Fetch（分流给更便宜的模型处理）、Todo（保持模型专注）、Task（上下文管理，用子 agent 处理长流程）。

这些工具有个共同特点：都是人类在终端做的事情，不是凭空发明的 agent 专属工具。

三、Bash 是真正的通用适配器

Jared 给出一个大胆论断：理论上你可以把其他工具全删了，只保留 Bash。

1、为什么 Bash 如此强大

两个原因。第一，它真的能做一切——几千个 shell 命令随便调。第二，训练数据极其丰富，因为这就是开发者日常用的东西。模型对 Bash 的熟练度远超那些小众编程语言。

2、Python 脚本的妙用

Jared 每次看到这个场景都觉得很酷：Claude Code 创建一个 Python 文件，运行它，然后删掉。临时脚本成了 agent 的思考工具。他现在甚至用 Claude Code 来启动本地开发环境——以前那些写在某个文件里、经常过时的五行命令，现在让 agent 自己搞定。

3、让模型试错

Bash 的另一个好处是让模型能够尝试事情。出错了？没关系，模型很擅长修复错误。这种灵活性比刚性流程控制更适合构建健壮系统。

四、To-do 机制：结构化但不强制

Claude Code 的 to-do 列表看起来像个周末项目，但效果出奇地好。

1、纯 prompt 驱动，无代码强制

规则很简单：一次一个任务，完成后标记，遇到阻塞就继续处理当前任务。关键是这些规则完全靠 prompt 实现，没有硬编码逻辑。一年前这种做法根本行不通，但现在模型的指令遵循能力已经够用了。

2、四个实际好处

强制规划、崩溃后可恢复、用户体验更好（你能看到进度而不是干等 40 分钟）、以及更好的可控性。

3、数据结构示例

每个 to-do 有版本号、ID、标题，还能注入 evidence（任意数据块供参考）。ID 用哈希，标题给人看——就像你整理桌面一样，这是在帮模型整理工作空间。

五、上下文管理：coding agent 的真正敌人

Jared 反复强调一点：上下文越长，模型越笨。

1、H2A 异步缓冲

Claude Code 用一种叫 H2A 的机制来解耦 IO 和推理，避免把终端看到的所有内容都塞进上下文。到达容量上限时（大约 92%），它会丢弃中间部分，只保留头尾摘要。

2、子 agent 的妙用

子 agent 有自己独立的上下文，只把结果反馈给主循环。典型用途包括：researcher、docs reader、test runner、code reviewer。

关键代码结构是 Task 工具接收两个参数：description（给用户看的）和 prompt（给子 agent 的长字符串）。这意味着主 agent 在 prompting 自己的子 agent——如果任务返回错误，就塞更多信息进去让它解决。灵活性比刚性更好。

3、Bash 的另一个好处：持久化存储

沙箱环境里可以存 markdown 文件作为长期记忆。Jared 预测未来所有 ChatGPT、Claude 窗口都会自带沙箱环境——因为把东西存到文件里能让上下文更短、模型更聪明、响应更快。

六、Skills：可扩展的系统 prompt

Skills 本质上是按需加载的专业知识包。

1、典型用例

文档更新（指定写作风格和产品规范）、编辑 Word/Excel 文件（自动反编译处理）、设计风格指南、deep research（Jared 把一个 deep research 的 GitHub repo 直接转成了 Claude Code skill，效果惊人）。

2、现实问题

有观众反馈：Claude.md 太长时系统会警告，但把内容拆成 skills 后 Claude 又不调用它们。Jared 承认这确实是个问题，可能需要模型层面更好地训练 skill 调用。

七、其他 Coding Agent 的不同哲学

Jared 提出一个"AI 治疗师问题"：纽约每个街区都有六个治疗师，没有全局最优解。有人做冥想，有人做认知行为疗法，有人给你开死藤水。不同策略解决相同问题，coding agent 也一样。

1、Codex：Rust 核心，开源

架构类似但更偏事件驱动，沙箱用内核级隔离——macOS 上用 Seatbelt（苹果的进程沙箱机制），Linux 上用 Landlock（内核级文件访问控制）。真正的区别在模型本身。Jared 用 Claude Code 分析 Codex 源码——用 coding agent 研究 coding agent，这本身就很有意思。

2、Amp（Sourcegraph）：免费的 coding agent

利用模型提供商的过剩 token，靠广告变现。没有模型选择器——这让他们迭代更快，因为用户对输出没有精确预期。核心理念是构建"agent 友好的环境"：密封的测试环境、快速反馈循环。

上下文管理用 handoff 而非 compact。就像《使命召唤》里换武器比重新装弹快——直接开新线程，传递必要信息，而不是等漫长的摘要过程。

他们还把模型选择分成 fast、smart、oracle 三档，后者用于特别难的问题。

3、Cursor：UI 优先，速度碾压

Composer 用蒸馏模型，快到吓人——Jared 有次不小心直接 push 到 master 了。他们靠数据做 fine-tuning，"让大家重新对微调产生兴趣"。

4、没有赢家，只有不同

Jared 个人偏好：Claude Code 处理本地环境和 git 操作，Codex 解决难题，Cursor Composer 追求速度。他甚至想象一个"专家混合"agent：同时跑 Claude Code 和 Codex，让它们在 Slack 里互相讨论。

八、评估：基准测试没用，回测最实际

1、Benchmark 已经变成营销工具

每个模型都"打破"基准测试记录，Jared 不知道这怎么发生的。真正有用的是你自己的 eval。

2、三种测试策略

端到端测试（问题修没修好）、时间点快照（给定上下文判断是否调用正确工具）、回测（捕获历史数据，重跑对比）。Jared 最推荐从回测开始。

3、Agent smell：表面指标的健全性检查

统计工具调用次数、重试次数、执行时长——这些表面指标能快速发现异常。

4、把严谨性放进工具

如果某个输出有非常具体的要求（比如邮件格式），就把它封装成可测试的工具。测工具比测自由探索容易得多。这其实是个折中方案：整体架构用简单循环，但对于需要精确控制的环节，做成独立工具单独测试。

九、未来方向

1、减少工具调用，回归 Bash

Jared 不认同"几百个工具调用"的路线，他倾向于一个超级工具调用，或者就几个核心工具加本地脚本。

2、自适应推理预算

把推理模型当工具调用。用超快但笨一点的模型处理大部分任务，遇到难题才调用 GPT-5 或 Opus。

3、Headless SDK 的潜力

Jared 有个 GitHub Action 每天自动更新文档：读所有提交、检查 Claude.md、创建 PR。未来可能大家在更高抽象层构建 agent，把底层编排全交给 Claude Code 这类 SDK。

总结

五条核心收获：信任模型（有疑问时让模型探索）；简单设计取胜；Bash 就是你需要的一切（工具越少越好）；上下文管理至关重要（这是持续要逃避的幽灵）；不同视角同样有效（没有唯一最优，mix and match 才是正道）。

Jared 最后展示了用 Claude Code 制作这套幻灯片的过程：一个 Slidev skill（Slidev 是一款用 Markdown 写幻灯片的开源工具）、一个 deep research skill、一个 design skill。他形容自己"知道什么东西丑但不知道怎么改好"——skill 补齐了能力短板。

核心归纳

Q1: Claude Code 为什么突然好用了？

两个原因叠加：模型本身更强（特别是工具调用能力），以及架构极度简化。没有 RAG、没有意图分类器、没有复杂流程图，就是一个 while 循环加几个人类日常用的工具。Anthropic 让模型去探索，而不是用工程手段绕过模型缺陷。

Q2: 什么时候该用流程图控制，什么时候该用简单循环？

问题决定答案。通用 coding agent 需要灵活探索，适合简单循环。特定输出格式（如旅行行程模板）可以封装成工具调用。Jared 的建议是：用主循环 + 工具调用架构，把需要严谨控制的部分做成可单独测试的工具。

Q3: 上下文管理为什么这么重要？

上下文越长模型越笨，这是当前所有 coding agent 的共同敌人。解法包括：子 agent 独立上下文只返回结果、用文件存储代替内存、handoff 替代摘要压缩。未来所有对话窗口可能都自带沙箱，让 agent 把长期状态存成文件。