源码地址
https://github.com/Rito-w/ClaudeCode
https://github.com/sanbuphy/claude-code-source-code
https://github.com/ChinaSiro/claude-code-sourcemap
备份下载
https://pan.quark.cn/s/84653a4f7bed

一、引言：Claude Code 的本质

Claude Code 的核心不在于模型能力，而在于：

如何把 LLM 变成“可执行系统”

它完成了三件关键事情：

1. 将自然语言转为任务（Task）
2. 将任务转为可执行操作（Tool）
3. 将执行过程纳入闭环（Agent Loop）

---

二、整体架构图（Mermaid）

下面是基于源码 + sourcemap 还原的完整架构：

---

三、核心模块逐层拆解

1️⃣ Planning Layer（规划层）

组件：

• Planner / Coordinator
• Task Graph（DAG）

职责：

• 将用户目标拆解为任务树
• 构建依赖关系（DAG）

本质：

自然语言 → 结构化任务图

这是 Claude Code 的“智能来源”。

---

2️⃣ Agent Layer（代理层）

核心：Agent Loop（ReAct）

特点：

• 每个 agent 独立运行
• 共享 memory
• 可并行

---

3️⃣ Multi-Agent System（多代理系统）

Claude Code 并非单 Agent，而是一个“团队”：

优势：

• 职责分离（SRP）
• 可扩展（新增 agent）
• 更接近真实工程流程

---

4️⃣ Tool System（工具系统）

架构：

特点：

• 每个 tool：

  • 独立 schema
  • 权限控制

• 类似：

  • OpenAI function calling
  • MCP（Model Context Protocol）

核心理念：

LLM 不直接做事 → Tool 才执行

---

5️⃣ Task Scheduler（调度系统）

DAG 调度：

能力：

• 并行执行
• 依赖管理
• 失败重试

---

6️⃣ Memory System（记忆系统）

分层设计：

核心能力：

• 自动检索代码上下文
• 不需要手动选文件
• 类似“隐式 RAG”

---

7️⃣ Runtime Layer（执行层）

Claude Code 真正“动手”的地方：

模块	作用
File System	读写代码
Git	提交、diff
Shell	执行命令
Search	查找代码

---

四、关键设计模式总结

✅ 1. ReAct Loop（标准范式）

LLM → Tool → Observation → LLM

---

✅ 2. DAG Task System

Goal → Task Graph → Execution

---

✅ 3. Tool Abstraction

Everything is a Tool

---

✅ 4. Multi-Agent Collaboration

Agent Team ≈ 软件工程团队

---

✅ 5. Memory as Context Engine

Memory ≈ 自动上下文管理系统

---

五、如何复刻 Claude Code（工程路径）

结合你的技术背景（Agent / RAG / 后端系统），可以按这个路线实现：

---

Step 1：最小 Agent

while True:
    action = llm(prompt)
    if action.tool:
        result = tool(action)
    else:
        break

---

Step 2：加入 Tool System

tools = {
    "read_file": read_file,
    "write_file": write_file,
    "run_cmd": run_cmd
}

---

Step 3：引入 Planner

User Goal → Task List

---

Step 4：升级 DAG

• 拆任务
• 建依赖

---

Step 5：多 Agent

Planner / Coder / Reviewer

---

Step 6：Memory 系统

• 文件 embedding
• 上下文检索

---

六、Claude Code 的本质总结

可以压缩为一句话：

Claude Code = LLM + Tool System + Task Graph + Agent Loop

或者更工程一点：

AI Agent OS = Planner + Scheduler + Tool Runtime + Memory

---