Claude Code 作为 AI 智能体框架

Last updated: 2026-07-27

在编程智能体工作原理中，你了解到每个编程智能体都建立在三大支柱之上：系统提示词、工具和上下文策略。本章聚焦于一个智能体——Claude Code——展示这些支柱如何演变为一个可编程的四层架构。为什么偏偏选 Claude Code？因为它是目前最成熟、最开放架构的智能体框架，其设计与通用原则直接对应：系统提示词 → 内存层，工具 → 扩展层，上下文策略 → 整个技术栈协同运作。掌握 Claude Code 的架构，能为你理解下一个智能体系统建立可迁移的直觉。

本章将重新定义你对 Claude Code 的理解——它不是一个聊天工具，而是一个具有分层技术架构的可编程、可扩展、可组合的 AI 智能体框架。

从用户到运营者：一次范式转变

不只是 AI 助手——一个可编程平台

大多数人认为 Claude Code 是"终端里的 ChatGPT"或"一个写代码的工具"。这严重低估了它。

更恰当的类比是 VS Code。 表面上，VS Code 是一个文本编辑器。实际上，它是一个可扩展的平台——编辑器只是通往扩展、工作流和集成宇宙的入口。Claude Code 的工作方式如出一辙：对话界面是入口，但其底层蕴含着构建 AI 驱动的工程工作流的基础设施。

Claude Code 能读取整个代码库、修改代码、运行测试、操作系统工具，并编排自动化流水线——远超"写几个函数"的范畴。

两种交互范式

	用户范式	运营者范式
交互方式	你提问 → Claude 回答 → 你执行	你配置智能体 → 它自主工作 → 任务自动完成
本质	"花哨的计算器"——一次性能力调用，问一答一	你设计规则、工作流和责任边界；Claude 在约束内执行
你的角色	提问者	系统设计者 + 飞行员

本章的目标：带你从提问者转变为系统设计者。

---

引擎盖下的机制：智能体循环与 Unix 风格的原语

在了解四层架构之前，我们需要理解使 Claude Code 成为智能体而非聊天机器人的根本机制。

智能体循环：从顾问到工程师

没有工具，Claude 只是一个顾问——它能分析、建议和解释，但无法行动。它无法读取你的代码库、修改文件或运行测试。每次交互都止步于"现在去自己做吧"。

工具将 Claude 转变为工程师。它们创造了一个智能体循环——一个感知、行动、验证的持续循环：

1. 感知 — 读取文件、搜索代码库、收集上下文（Read、Glob、Grep）
2. 行动 — 修改代码、执行命令、创建制品（Edit、Write、Bash）
3. 验证 — 运行测试、检查输出、评估结果（Bash、Read）

一个简单的 bug 修复可能一个循环就能完成。一次复杂的重构可能需要循环数十次——读取文件、编辑它、运行测试、读取失败信息、再次编辑——由 Claude 的推理驱动每次转换。分工清晰：

• Claude（模型） — 决定下一步做什么：理解、推理、分解任务
• 工具（原语） — 在环境中执行：读取文件、运行命令、修改代码
• Claude Code（运行框架） — 将模型与工具绑定在一起，提供执行环境、上下文管理、权限控制和编排基础设施

这个运行框架是一切的基础。

五种原子操作与 Unix 哲学

Claude Code 没有预置"重构工具"、"调试工具"和"部署工具"。相反，它提供一组原子操作原语——并相信复杂行为将涌现于这些原语与 LLM 推理的组合。

每项开发任务都分解为五种原子操作：

操作	开发者做什么	原语工具
感知	打开文件、阅读代码	Read
搜索	查找定义、追踪调用链	Glob、Grep
修改	修复 bug、重构、更新配置	Edit、Write
执行	运行测试、构建、部署	Bash
获取	查阅文档、查询 API、检查外部状态	WebFetch、MCP 工具

这是应用于 AI 智能体的 Unix 哲学：小巧、专注、各司其职的工具，通过通用接口组合。在 Unix 中，这个接口是文本管道；在 Claude Code 中，是 LLM 的推理循环。你不需要为每种场景构建专用工具，只需构建原语，让智能层去组合它们。

一个具体的例子——修复间歇性登录 500 错误：

1. Grep 搜索 500 / error / login → 定位相关日志行和文件
2. Read auth-service.js → 发现第 87 行缺少 null 检查
3. Grep 搜索 validateToken → 找到所有调用者以确保修复完整
4. Read 调用者代码 → 决定在源头修复
5. Edit 源文件 → 添加 null 守卫
6. Bash npm test --grep 'auth' → 一个测试失败
7. Edit 测试文件 → 更新断言
8. Bash npm test → 全部通过

每一步都极其简单——读取文件、搜索文本、改一行、运行命令。但通过推理的组合，它们形成了一个完整的诊断 → 修复 → 回归工程工作流。"重构"、"调试"和"部署"不是硬编码的能力，而是从原语组合中涌现出的行为。

Bash：万能的逃生通道

理论上，Bash 可以做一切——cat 读取、sed 编辑、find 搜索。它是图灵完备的。那为什么还要保留这些专用原语？

三个原因，直接对应系统设计原则：

• 结构化交互 — Read 返回带有行号和长度控制的内容，针对 LLM 理解进行了优化。Bash 的输出是原始的、有噪音的。
• 细粒度权限 — 你可以允许 Read 但拒绝 Bash，创造"可看不可动"的安全姿态。Bash 是要么全有要么全无。
• Token 效率 — 专用工具精确返回模型所需的信息。Bash 输出带有浪费上下文窗口的冗余信息。

这种设计张力是刻意为之的：Bash 提供能力完备性；原语工具提供效率、结构和可治理性。 这与 Unix 在原始系统调用与专用工具之间所做的取舍如出一辙。

工具能力的三个层次

这种原语优先的设计向外延伸为三个同心层：

层次	覆盖范围	设计角色
内置原语	Read、Edit、Bash、Grep、Glob、WebFetch	基础层——覆盖大多数软件工程任务
Bash 可达工具	任何 CLI、脚本或系统工具	逃生通道——使智能体图灵完备
MCP 扩展	与外部系统（数据库、Jira、Slack）的结构化接口	集成层——提供超越原始 Bash 的结构化 I/O、工具发现和安全隔离

既然 Bash 已经可以 curl 任何 API，为什么还要 MCP？原因与保留 Read 而不用 cat 相同：结构化输入/输出（无需解析原始文本）、自动工具发现（连接一个 MCP 服务器，其所有工具自动注册）以及安全隔离（访问控制在服务器端，而非脆弱的 Bash 权限规则中）。

工具风险级别与权限模型

并非所有工具的风险相同。Claude Code 按潜在影响范围对工具分类，并相应控制访问权限：

风险级别	工具	默认行为
低（只读）	Read、Glob、Grep	无需批准——可自由运行
中（本地修改）	Edit、Write	会话范围批准——对话结束时失效
高（全局执行）	Bash、部分 MCP 工具	需要明确确认的持久批准——因为 Shell 命令的影响范围无界

这种分级模型服务于三个设计目的：让你能为不同智能体分配最小权限集（代码审查者只获得只读工具），使治理可执行（高风险工具通过 Hooks 和批准门），并赋予权限提示可解释性——你能理解为什么某些操作需要批准而其他不需要。

工具层——其原语、风险模型、分层可扩展性——是以下四层架构所构建的骨架。

---

四层架构

Claude Code 的技术栈有四个清晰的层次，每层都有明确的职责：

层次	用途	关键组件
基础层	持久内存与上下文	CLAUDE.md 内存系统
扩展层	能力中心	命令、技能、子智能体、Hooks
集成层	连接外部世界	无头模式、MCP
编程接口层	代码级控制	智能体 SDK

---

第一层：基础——内存系统（CLAUDE.md）

将 CLAUDE.md 视为给你 AI 同事的员工手册。无需在每次对话中重新解释项目规范，一次写好，Claude 就会在每次会话开始时自动读取。

CLAUDE.md 中写什么

• 技术栈 — 语言、框架、关键库
• 代码风格 — 命名规范、格式规则
• 关键规则 — 例如"永远不要直接推送到 main"、"提交前必须运行测试"
• 项目上下文 — 架构决策、领域知识

三级内存层次结构

级别	路径	范围
全局	~/.claude/CLAUDE.md	跨所有项目的通用规则
项目	<project-root>/CLAUDE.md	项目特定的约束和上下文
模块	<project-root>/.claude/rules/*.md	针对特定目录或模块的细粒度规则

为什么这很重要

内存系统具有两个关键功能：

1. 将隐性知识外显化 — 将团队的隐性经验转化为结构化文档，在任何任务开始之前为 Claude 建立"世界观"
2. 提供上下文基线 — 所有其他组件（命令、技能、子智能体、Hooks）都建立在这一共享基础之上

但 Claude Code 的上下文策略不止于静态内存文件。它使用激进的预加载（自动汇总之前的对话、检测话题变化、加载项目文件），结合即时检索——通过 grep 和 glob 动态获取代码库内容，而非预先加载所有内容。当上下文接近限制时，系统会自动压缩——汇总历史记录，同时保留关键架构决策和最近访问的文件路径。这种混合方式使内存层在规模化场景中切实可行。

---

第二层：扩展——四个核心组件

扩展层是 Claude Code 的能力中心。它包含四个组件，每个组件都有不同的触发机制和使用场景。

值得注意的设计原则：Claude Code 不使用单一的整体系统提示词。相反，它分层使用微提示词——在整个对话过程中（工具调用前、命令输出后、工具结果内）注入小型 <system-reminder> 标签，在恰当时机强化约束。类似地，命令安全不由硬编码的白名单管理——而是由一个单独的 LLM 提示词对每条 Shell 命令进行分类，判断其是否可疑，从而决定是否需要用户批准。这些实现选择体现了与以下四个组件相同的理念：小巧、适时、可组合的单元，而非一个庞大的配置。

命令（斜杠命令）

明确、确定性、手动触发的标准流程。

• 触发方式：用户输入 /命令（如 /commit、/review）
• 配置方式：定义在 .claude/commands/*.md
• 特点：高确定性、可复用、可审计
• 最适合：每次必须以相同方式执行的操作——标准化的提交信息、固定的部署流程、代码审查清单

技能

通过语义推理激活的领域感知行为策略。

• 触发方式：用户提出自然语言问题；Claude 自动决定是否根据上下文激活技能
• 与工具的关键区别：

	工具	技能
回答的问题	"我能做这件事吗？"	"我应该做吗？如何做？深入到什么程度？"
包含什么	外部能力接口（读取文件、调用 API）	触发逻辑 + 提示词策略 + 工具编排
行为方式	机械执行	专家级判断

• 最适合：具有强烈领域要求（安全、架构、性能）且需要情境判断而非关键词匹配的任务
• 示例：security-review 技能根据语言、上下文和风险级别调整检查重点和深度

子智能体

由主智能体派遣用于专项任务的独立执行单元。

• 触发方式：Claude 自动决定生成子智能体，或用户明确请求
• 最适合：
  • 高噪音任务 — 从海量日志中提取异常、搜索大型文档集
  • 权限隔离 — 只能访问特定工具的子智能体，降低风险
  • 并行执行 — 同时运行 test-runner、log-analyzer、code-reviewer 等流水线节点

Hooks

事件驱动的自动化守门员和辅助脚本。

• 触发方式：由特定事件自动触发（例如"Edit 工具执行之前"）
• 核心用途：在特定操作前后插入检查、日志记录或补充动作
• 示例：
  • 预编辑 Hook：在代码修改前运行安全扫描；检测到敏感变更时阻止并告警
  • 自动格式化代码、自动写入日志、自动审计关键操作
• 最适合：任何"必须 100% 执行"的守门逻辑——安全审查、合规检查、格式化执行

"权力分立"原则：命令定义行为，子智能体执行，Hooks 守卫——共同构成一个相互制衡的系统。

---

第三层：集成——连接外部世界

无头模式

完全自动化、零交互执行。

• 典型用法：在 CI/CD 流水线中调用 Claude

  # 在 GitHub Actions 工作流中
  claude --headless "Fix all linting errors in src/"

• 用例：自动代码审查、自动修复、变更日志生成、发布说明
• 关键转变：Claude Code 成为流水线中的智能节点，而非手动触发的助手

MCP（模型上下文协议）

将外部系统暴露为 Claude 可调用的工具接口。

• 连接对象：数据库、Jira、内部知识库、自定义 API
• 数据流向：Claude → MCP → 外部系统（查询、写入、编排）

为什么重要：MCP 将 Claude 的能力扩展至组织内每一个可通过 API 访问的系统。结合技能，你可以构建同时具备领域知识和真实执行能力的完整工作流。

---

第四层：编程接口——智能体 SDK

当基于配置的扩展不足以应对复杂场景时，SDK 为你提供代码级控制。

# main.py
from claude_sdk import ClaudeSDKClient

client = ClaudeSDKClient()

result = client.query(
    prompt="Review this code for security issues",
    tools=["Read", "Grep"],
    max_turns=10
)

能力：

• 完全控制对话流程、工具调用策略、循环次数和上下文组装
• 将 Claude 作为你自己系统中的一个组件嵌入，而非独立应用

最适合：自定义智能体系统、复杂多阶段流水线、深度业务系统集成

---

如何选择合适的组件

面对四个扩展组件、一个集成层和一个 SDK，如何决定何时用什么？快速判断法则：

需求	选择
每次必须完全相同地执行	命令（显式）或 Hooks（自动）
语义智能激活	技能
隔离、耗费资源或并行工作	子智能体
连接外部系统	MCP
无人值守的 CI/CD 执行	无头模式
代码级编排	智能体 SDK

如需深入了解如何思考这些组件的组合——包括组合原则、架构模式、治理设计和实际示例——请参阅系统性思维：组合技能、子智能体等。

---

核心要点

Claude Code 是一个 AI 智能体框架，而非简单的聊天工具。它拥有内存系统、子智能体、技能系统、Hooks、集成层和 SDK。其真正价值在于让你构建自己的 AI 工作流和自动化系统。

四层架构是模块化且可组合的。 内存奠定基础，扩展层管理能力，集成层连接企业世界，SDK 提供代码级控制。这种分层使得渐进式采用成为可能——从简单开始，按需扩展复杂度。

工程思维 + 组件组合 = 运营者级别的能力。 你不是在堆砌配置文件——你是在设计一个 AI 驱动的工程系统。一旦你掌握了这个架构和选择框架，就能将任何 AI 编程工具重构为一个可控的、智能体驱动的工程平台。

---

为何这一架构具有迁移价值

Claude Code 的四层架构并非随意设计——它映射到每个智能体系统都必须解决的通用需求：

智能体需求	Claude Code 层次	你将在以下系统中看到...
跨会话的持久上下文	基础层（内存）	Cursor 的 .cursorrules、Codex 的项目配置、任何带配置文件的智能体
超越基础工具的可扩展能力	扩展层（命令、技能、子智能体、Hooks）	VS Code 扩展、Devin 的工具集成、任何插件系统
连接外部服务	集成层（无头模式、MCP）	API 连接器、CI/CD hooks、任何将 AI 与基础设施桥接的系统
用于自定义工作流的程序化控制	编程接口层（SDK）	OpenAI Agents SDK、LangChain、任何带代码 API 的智能体框架

一旦你在 Claude Code 中内化了这四个层次，你就会在遇到的每一个智能体系统中认出同样的架构——有时名称不同，有时边界不同。具体工具会变，结构性思维会延续。

本章其余部分将深入探讨每一层：上下文管理深化基础层，子智能体和智能体团队扩展扩展层，技能、Hooks和构建工具完善能力图景，系统性思维以设计生产级智能体系统的组合原则将一切融会贯通。