Claude Code 的 1902 个源文件意外泄露，我花了几个小时研究后发现：它好用，60% 靠模型，40% 靠围绕模型搭建的工程系统（harness）。本文解析 5 个关键 harness 设计，看看有哪些可以直接借鉴。

---

1. System Prompt 的动态边界：省 tokens 的聪明一刀

当你在 Claude Code 输入一条指令，AI 收到的远不止你那句话。

它收到的是：身份定义 + 安全准则 + 做事原则 + 工具规则 + 你的 CLAUDE.md 配置 + 当前目录状态 + Git 信息 + 记忆文件……

源码里有个关键常量 SYSTEM_PROMPT_DYNAMIC_BOUNDARY，把 system prompt 一刀切成两段：

静态部分：所有用户共享，可缓存，省钱省时间
动态部分：每个用户独立加载，保证个性化

这个边界切得是否合理，决定了缓存效率和个性化之间的平衡。

可借鉴的设计：如果你在做一个 AI 应用，可以在 system prompt 里区分「可缓存的通用规则」和「用户特定的上下文」，前者集中处理，后者按需加载。

---

2. 权限分类器：全自动模式不是直接放行

你以为 Auto 模式是操作直接放行？源码揭露了真相：背后跑了两个 AI。

主 AI 每次想执行操作，都会经过一个独立的权限分类器。这个分类器有自己的 system prompt，分三档判断：

• Allow：直接放行
• Soft Deny：需要用户确认
• Hard Deny：直接拦截

实际是四层流水线：

第一层：查已有规则，命中就放行
第二层：低风险操作直接跳过
第三层：白名单放行只读工具
第四层：才调用独立 Claude Sonnet 做安全分类

分类器温度设为 0，确保确定性输出。还有熔断机制：连续 3 次被拒或累计 20 次被拒后，自动降级为手动确认模式。

可借鉴的设计：给 AI 的操作权限分层处理，而不是一刀切全放行或全禁止。越危险的操作用越重的验证手段。

---

3. 记忆系统：为什么它不记代码

Claude Code 的记忆功能会记住你的偏好（喜欢 TypeScript、用「」引号、不喜欢 AI 味文字），但有个设计决策很关键：它不记代码。

为什么？

代码会变，但记忆不会自动更新。如果记忆说「函数 X 在第 Y 行」，下次对话时代码可能已经重构了，这条记忆就成了误导。

所以 Claude Code 的原则是：记忆只存人的偏好和判断，代码事实永远去源码里实时读取。

记忆提取也不是每条消息都触发，而是有限流机制，由独立的 fork agent 完成。这个子 agent 继承了主对话上下文，但只能读文件和写入记忆目录，连 Bash 命令都不能跑。

可借鉴的设计：如果你做需要记忆的 AI 应用，明确区分「会过时的事实」和「不会过时的偏好」，前者实时读取，后者才存入记忆。

---

4. 上下文压缩：9 段式结构化提取

对话变长时 Claude Code 会自动压缩之前的内容，但它的压缩不是简单总结，而是一个结构化的 9 段式提取：

1. 核心请求
2. 关键概念
3. 文件和代码
4. 错误和修复
5. 解决过程
6. 所有用户消息（必须完整保留）
7. 待办任务
8. 当前工作
9. 下一步行动

关键是：所有用户消息必须完整保留。用户在第 3 轮纠正了一个做法，如果压缩时丢掉那条纠正，后续就会重蹈覆辙。

用户的每一句话都可能包含隐含的偏好和纠正，丢了就找不回来。

可借鉴的设计：对话压缩要有明确的结构化格式，而不是自由总结。并且明确哪些信息必须保留（用户纠正、关键偏好）vs 可以丢弃（中间推导过程）。

---

5. 搜索：为什么用 grep 而不是向量数据库

Claude Code 搜索代码用的不是什么向量数据库 + Embedding + RAG。

用的是 grep 和 ripgrep。

最朴素的文本搜索。

这背后的逻辑是：当你有一个足够聪明的大脑（LLM）理解搜索结果时，不需要一个很聪明的搜索引擎。grep 给精确匹配，LLM 来理解结果之间的关系。

与其让每个环节都变复杂，不如让一个环节足够强，其他环节保持简单。

可借鉴的设计：在 AI 应用里，不是每个环节都需要 AI。某些简单重复的工作（搜索、排序、过滤）用传统方法反而更高效，让 AI 做它真正擅长的事。

---

结论

Claude Code 的源码泄露，对行业来说是一次难得的学习机会。

它证明了一件事：AI 应用好不好用，不只取决于模型多强，更取决于你围绕模型搭建的 harness 有多好。

同样的底层模型，套上不同的 harness，就是完全不同的产品。安全流水线、记忆系统、上下文管理、权限分层……每一个设计决策都在影响最终体验。

这些 harness 设计，不需要等 AI 更强，用现在的模型就能实现。

---

源码下载：

https://github.com/beilingcc/claude-code

👉 关注公众号"北灵聊AI"，获取最新更新