本文来自微信公众号： 硅星人Pro ，作者：董道力
3月31日，Anthropic大概没想到，会以这种方式送给开发者社区一份礼物。
安全研究员Chaofan Shou发现，Claude Code的npm包里藏着一个.map文件——sourcemap，这是给开发者调试用的，按理早该从生产环境剔除。没剔除就意味着：任何人都可以从这个文件里还原出Claude Code完整的源码。
1906个文件，512000行代码，40多个工具，85个斜杠命令。几小时内，代码被镜像到GitHub，获得了数千个Star和Fork。
更讽刺的地方在于，代码里有一个叫"Undercover Mode"的子系统，专门用来防止Anthropic内部代号出现在git commit里，避免信息泄露。他们精心设计了防泄露机制，然后把整个源码打包进了npm。
但这篇文章想聊的不是这个失误，而是这份代码里真正值钱的东西：一个生产级agent harness长什么样。
1
Claude Code质量有多高？
Agent harness对于整个行业都是在探索的新东西。Anthropic过去一年反复讲一个观点：模型本身只是引擎，harness才是整辆车。他们提出了context engineering、minimal viable tool sets、sub-agent isolation等一系列设计原则。
现在源码摊开了，终于可以看看：他们会不会遵循自己写的技术文档。
答案是，不仅遵循了，还藏了个焚决。
下文对于harness的评价描述，主要基于Anthropic的技术文档。
1
存储层：上下文工程和记忆
context是要钱的
上下文越长，模型越容易迷失，这个问题业内叫context rot。上下文不是越多越好，每多塞一个token，所有其他token分到的注意力就少一点，重要信息被稀释。
Claude Code的做法是给每一块内容设硬上限，强制控制哪些东西能进窗口、进多少。
Skill列表最多占整个窗口的1%，每条描述不超过250字符：
//verbose whenToUse strings waste turn-1 cache_creation tokens//without improving match rate.exportconstMAX_LISTING_DESC_CHARS=250
为什么这么限？因为Skill列表的作用是让模型知道"有这个工具"，不是让模型读懂怎么用它。发现工具靠的是关键词匹配，描述写500字和写50字匹配率没有差别，多出来的全是浪费。
System prompt被切成两半。前半部分是所有用户共用的指令，内容固定，可以缓存，下次调用直接复用。后半部分是这个用户、这个会话特有的内容，每次动态生成。这样每次API调用只需要处理变化的那一半，省掉了大量重复计算。
大的工具调用结果不放上下文，直接写到磁盘，给模型一个文件路径。比如执行了一条命令返回了几千行日志，把这几千行塞进上下文会挤掉其他有用的信息，换成文件引用就只占一行。
生产系统的本质是处理失败
模型接近上下文窗口极限时，会倾向于草草收尾，Anthropic管这叫"context anxiety"。就像一个人知道自己快没时间了，会开始跳步骤、走捷径。解法是彻底清空窗口，把当前进展整理成结构化的交接材料，下一个窗口从交接材料开始，而不是从一个快撑满的上下文开始。
Claude Code把这个做成了三级压缩：先试轻量摘要，不够再自动压缩，还不够等到API报错了再强制压缩。一级解决不了才走下一级。
三级之上还有熔断器：
//BQ 2026-03-10:1,279 sessions had 50+consecutive failures(up to 3,272)//in a single session,wasting~250K API calls/day globally.constMAX_CONSECUTIVE_AUTOCOMPACT_FAILURES=3
有人在BigQuery里跑数据，发现自动压缩连续失败的会话每天浪费了约25万次API调用。压缩失败的原因通常是上下文已经坏掉了，继续压根没有意义。于是加了个规则：连续失败3次就停，不再尝试。
demo只需要跑通。生产系统还要知道失败的时候怎么止损。
记忆不是把所有东西都存起来
跨context window的agent，每次新开一个窗口，之前发生的事情全忘了。Anthropic把这比作轮班工程师，每班的人来了都不知道上一班干了什么，只能从头摸索。
Claude Code用后台子agent定期把对话里的关键信息提出来存好，下次需要的时候再注入进来。但不是什么都存，也不是什么都注入。记忆筛选用Sonnet来做，判断哪些记忆和当前任务相关。
有一个细节：刚用过的工具，它的参考文档不会被推进来：
asyncfunctionselectRelevantMemories(query:string,memories:MemoryHeader[],recentTools:readonlystring[],//过滤掉刚用过的工具文档):Promise
模型刚用过这个工具，上下文里已经有使用记录了，这时候再把文档推进来只是重复信息，占位置没有额外价值。
1
网络层：工具接入
工具的边界就是agent的能力边界
工具太多，模型不知道该用哪个，跟没有工具一样。这是agent设计里公认的坑，工具选择本身会消耗模型的推理能力，选项越多越容易选错。
Claude Code有50多个工具，解法是大多数工具初始时根本不出现在上下文里，模型主动搜索才拿到完整定义：
exportfunctionisDeferredTool(tool:Tool):boolean{if(tool.alwaysLoad===true)returnfalseif(tool.isMcp===true)returntrue//MCP工具默认延迟加载if(tool.name===TOOL_SEARCH_TOOL_NAME)returnfalse//ToolSearch自己永远不延迟}
ToolSearch永远完整加载，因为模型要靠它找别的工具。如果ToolSearch也延迟加载，模型就找不到任何东西了。
每个工具还带着一套属性：能不能并行执行、会不会修改文件系统、结果超过多大写磁盘、用户打断时是停掉还是继续跑完。
这些属性不是给人看的文档，是调度引擎决定怎么执行这个工具的依据。
权限弹窗可以被提前消除
工具调用要过五关才能执行：输入校验、权限逻辑、规则匹配、hook拦截、分类器或用户确认。每一关都可能叫停，但也都需要时间。
其中最慢的是等用户点确认。为了消除这个等待，分类器在弹窗还没弹出来的时候就已经开始跑了：
/***Start a speculative bash allow classifier check early,so it runs in*parallel with pre-tool hooks,deny/ask classifiers,and permission dialog setup.*/exportfunctionstartSpeculativeClassifierCheck(command:string,...):boolean{constpromise=classifyBashCommand(command,...)promise.catch(()=>{})//防止未处理的rejection speculativeChecks.set(command,promise)returntrue}
如果分类器判断"这个命令大概率没问题"，弹窗直接跳过。用户感知不到等待，因为判断在弹窗准备期间已经做完了。
1
容器层：Sub agent设计
sub-agent不是套娃，是上下文隔离
sub-agent的价值是用完即弃：花几万token去做一个子任务，做完只把结论交给主agent，中间过程全扔掉。主agent的上下文里只有结论，不是整个过程。
有四种执行模式：同步（主agent等子agent跑完）、异步后台（子agent在后台跑，完成了通知用户）、Worktree文件系统隔离（子agent在一个独立的git副本里改代码，不影响主目录，改完了再合并）、跨机器隔离（完全在另一台机器上跑）。风险越高，隔离越彻底。
sub-agent用的工具是过滤过的，不能递归调用自己，防止无限套娃。
//只清理新创建的客户端，不清理共享的constcleanup=async()=>{for(constclientofnewlyCreatedClients){awaitclient.cleanup()}}
子agent自己建的连接，退出时自己关。复用父agent已有的连接，不能关，因为父agent还在用。
1
新加了一层Hook系统
hook系统让harness变成了平台
Claude Code开放了27个事件节点，在agent运行的任何关键时刻，用户都可以插进来做点什么：
exportconstHOOK_EVENTS=['PreToolUse','PostToolUse','PostToolUseFailure','SessionStart','SessionEnd','SubagentStart','SubagentStop','PreCompact','PostCompact','PermissionRequest','PermissionDenied','WorktreeCreate','WorktreeRemove',//...还有14个]asconst
插进来能干什么？不只是拦截，还能改。工具执行前可以把入参改掉，比如agent要写一个文件，hook把路径悄悄改到沙箱目录，agent不知道，照常执行，但文件落在了安全的地方。
有两种写法。一种是跑脚本，退出码0就放行，退出码2就拦截，逻辑自己写。另一种是让Haiku来判断，给它描述和标准，让模型决定要不要放行，等30秒。
这个设计的结果是：安全策略、审计日志、企业合规要求，全都能从外面接进来，不用改Claude Code本身。不同公司有不同的安全规定，以前只能fork代码自己改，现在写几个hook就行了。harness从一个固定的产品，变成了可以按需定制的底座。
1
写在最后
以上七个点，是从源码里挑出来最容易说清楚的部分。
更多同样有意思的东西还埋在里面：压缩后消息的精确重建顺序、工具并发分区的状态竞争处理、Bash命令里针对Zsh和PowerShell各自不同的安全绕过逻辑、sub-agent的MCP服务器生命周期管理……每一处细节背后都有一个真实踩过的坑。
想搞清楚一个生产级harness到底是怎么运转的，直接去读代码。
512000行代码在解决一个问题：怎么让一个会犯错的语言模型，稳定地干完一件需要很多步骤的工程任务。
这个问题比"哪个模型更聪明"更难回答，也更值钱。
行业过去两年把agent失败归因于模型能力不足。但Claude Code认为：模型早就够用了，缺的是那层认真造出来的harness。context配额、压缩熔断、工具延迟加载、sub-agent隔离、hook平台……这些东西不是Anthropic的独家秘方，是任何一个想把agent做稳的团队迟早要解决的问题。
Anthropic先给了个方案，然后意外地把答案公开了，而这可能是这次意外泄露里最值得研究的地方。