这次我们直接进入 Claude Code 的源码世界。Claude Code 是目前终端里最热门的 AI 编程代理之一网上关于它的安装、配置、使用教程已经很多但真正值得研究的是它背后的 Agent Harness 设计。简单说Claude Code 不只是“一个能写代码的命令行工具”它的核心是一个完整的 Agent 运行框架负责接收任务、维护上下文、调用工具、等待结果、继续推理直到任务结束。这个过程如果你只看表面使用会觉得它像“魔法”但拆开源码和运行日志后你会发现它其实是一个结构非常清晰的工程系统。如果你关心的是“一个带工具调用的 AI Agent 到底是怎么跑起来的”“为什么 Claude Code 能在终端里自主读文件、改代码、跑命令”“我能不能用同样的思路搭一个自己的 Agent 工作台”那这篇文章就是写给你的。我会从安装部署开始跑一个真实任务从源码视角拆解 Agent Harness 的核心模块最后给出 headless 非交互模式的脚本调用示例。整篇不是泛泛介绍而是可以照着执行的实操路线。先给一个快速判断Claude Code 不需要本地 GPU不消耗显存核心逻辑是“本地客户端 云端模型接口”的架构。它主要的资源消耗在内存、网络请求和上下文 token 上。下面我们按“先看规格再动手再看源码最后排查”的顺序展开。1. Claude Code 核心能力速览在开始安装之前先用一张表把 Claude Code 的关键规格说清楚。能力项说明项目性质Anthropic 开源的终端 AI 编程代理交互方式终端交互式命令行 headless 非交互模式核心机制Agent Loop 工具调用框架也就是 Agent Harness主要能力文件读写、命令执行、代码搜索、Git 操作、多步骤任务拆解运行环境需要 Node.js支持 macOS、Linux、Windows 终端环境模型依赖默认使用 Anthropic 官方模型接口配置 API Key 后使用显存要求无模型推理在远端服务完成本地只运行客户端与工具执行层启动方式终端执行claude或npx anthropic-ai/claude-code接口扩展支持-p非交互模式、--output-format等参数可被脚本调用批量任务可通过脚本循环调用 headless 模式实现批量处理配置位置~/.claude/目录核心是settings.json与CLAUDE.md是否开源是源码托管在 GitHub 的 anthropics/claude-code 仓库从这张表能看出两个重点。第一这是一个“轻客户端”设计。工具本身不跑大模型只负责把用户需求、项目文件、工具调用结果组装成上下文发给模型接口再把模型输出转成工具操作。所以它不会像本地大模型那样吃显存普通开发机都能跑。第二它的能力上限不完全取决于模型本身更多取决于 Harness 怎么设计工具调用、权限控制和上下文管理。这也正是源码值得看的原因。2. Harness 和 Agent 的区别先搞清楚概念很多文章把 Agent 和 Harness 混着用但这两个概念在 Claude Code 的架构里分得很清楚。Agent 是“决策单元”。它接收用户任务基于当前上下文进行推理决定下一步要做什么比如“读取某个文件”“执行某个命令”“继续生成代码”。Agent 本身不关心这个命令具体怎么被操作系统执行也不关心文件权限怎么校验。Harness 是“运行框架”。它负责把 Agent 包在一个可运行的工程环境里。具体包括接收并解析用户输入维护当前会话的上下文窗口做裁剪和摘要注册和管理可用工具比如Read、Write、Bash、Grep、Glob在 Agent 产生工具调用意图后执行权限校验、用户确认、沙箱限制真实执行工具把输出结果回传给 Agent循环处理“思考 - 行动 - 观察结果”的完整闭环处理错误、超时、会话恢复、日志审计。所以 Claude Code 本质上就是把 Claude 这个 Agent装进了一个为“终端编程任务”定制的 Harness 里。这个 Harness 给 Agent 提供了“手和脚”没有 Harness模型只能生成文本无法真正改文件、跑测试。同样的架构思路在 Codex、Cursor 等 AI 编程工具里也能看到。业界现在有一个常见说法叫 build on the open agent harness意思就是不要把精力重复花在造 Agent 上而要把 Agent 跑在一个开放、可靠、可扩展的 Harness 平台里然后在上面做自己的业务和工具链。Claude Code 就是这个思路的典型实现。理解了这个区别你就知道读源码时重点该看哪里不是看模型怎么推理而是看 Harness 怎么把“模型输出”转成“真实工具动作”再转回“新的上下文”。3. 适用场景与使用边界Claude Code 适合以下几类场景。一是日常开发辅助。比如快速生成项目脚手架、批量重命名、跨文件重构、运行测试并修复失败用例。这些任务有明确边界让 Agent 在本地仓库里执行比较安全。二是问题定位与代码阅读。大型仓库里查找函数定义、追踪调用链、分析报错日志这类任务人力翻代码很费时间Claude Code 可以通过搜索和读文件快速给出结论。三是自动化流水线。利用 headless 模式把 Claude Code 嵌入 CI/CD 流程或脚本中对一批仓库执行代码规范检查、生成文档、自动修复格式等操作。四是技术学习。通过观察它每一步的工具调用顺序和决策逻辑可以学习一个成熟的 Agent 系统是怎么拆解复杂任务的。但它的使用边界也要说清楚。不适合把未经验证的工具调用放到生产环境直接自动执行。删文件、改数据库、推送远端代码这类高风险操作必须保留人工审批环节。Claude Code 默认也会请求权限这是正确行为不要去关掉它。同时要注意数据和隐私问题。Claude Code 默认会把项目文件内容作为上下文发送到模型接口因此包含密钥、客户隐私数据、未公开商业代码的仓库直接让 AI 读取有泄露风险。涉及这类场景需要在配置层面做路径排除或者只使用符合数据合规要求的接入方案。最后一个边界是版权与授权。让 AI 生成代码或批量改写代码时要确认输入素材是否有合法授权。输出代码进入商业项目前也要做人工审查不能默认“AI 生成的代码就一定没有版权风险”。4. 环境准备与安装Claude Code 的安装依赖非常简单Node.js 和 npm。它本质上是一个 Node.js CLI 应用不需要 Python、不需要 CUDA、不需要 GPU。先检查 Node.js 是否已经安装。node -v npm -v如果提示命令不存在需要先安装 Node.js。建议使用当前主流的 LTS 版本具体版本要求以 Claude Code 官方文档为准。安装完 Node.js 后再检查 npm 是否可用。安装 Claude Code 官方推荐通过 npm 全局安装命令如下npm install -g anthropic-ai/claude-code如果在 macOS 或 Linux 下遇到权限错误通常是全局安装目录没有写入权限。建议先检查当前用户是否有 npm 全局目录的写权限而不是直接使用 sudo。你可以通过下面的命令查看全局安装前缀npm prefix -g安装完成后验证版本claude --version如果提示claude: command not found说明 npm 全局 bin 目录没有加入 PATH。你可以执行npm prefix -g把它下面的bin目录加进环境变量或者重新调整 npm 全局路径配置。安装完成后在项目目录里执行claude就能进入交互式界面。首次启动会引导完成认证配置这一步需要你有一个有效的模型服务访问凭证。5. 启动配置与模型接入Claude Code 的配置集中在~/.claude/目录。核心有两个一个是settings.json用于控制权限、模型、输出行为另一个是CLAUDE.md用于给 Agent 提供项目级的长期记忆。进入交互模式后第一次使用会提示配置访问凭证。默认使用 Anthropic 官方模型接口配置 API Key 后即可调用。需要先确认你的网络环境能正常访问对应的模型服务按照官方支持的区域和网络条件配置。以下是~/.claude/settings.json的一个示例{ permissions: { allow: [ Read, Glob, Grep ], deny: [ Bash(rm -rf *) ] }, model: claude-sonnet-4-5, includeCoAuthoredBy: true }这个配置的意思是说允许 Agent 直接执行读取类的工具但拒绝它在终端里运行rm -rf *这种危险命令。model字段配置要使用的模型名称具体支持的模型名以你实际有权限访问的服务为准。不要随意填入不存在的模型名Claude Code 会直接报错提示 is not a model this version of claude code recognizes。项目级记忆放在仓库根目录的CLAUDE.md里。当 Claude Code 启动时会把该文件内容注入上下文让 Agent 了解项目结构、代码规范、常用命令和注意事项。比如# 项目开发规范 1. 代码风格采用 TypeScript 严格模式。 2. 测试使用 pnpm test 运行。 3. 所有新增工具函数必须放在 src/utils 目录下。 4. 修改 API 路由后必须同步更新 docs/api.md。使用CLAUDE.md的好处是减少重复描述。你不必每次对话都说明项目背景Agent 会自动读取这些约定。关于接入第三方模型社区里有一些通过兼容接口配置的讨论比如接入 DeepSeek 等模型服务。这属于模型厂商与 Claude Code 之间的兼容性配置需要严格按照对应模型厂商的接口规范和 Claude Code 当前版本的配置要求来操作。不同版本能力差异很大直接照搬别人的配置可能失败最稳妥的做法是查官方文档确认当前版本支持哪些配置项。6. 实测一个任务观察 Agent Loop 全过程理论说完了现在跑一个真实任务来观察 Agent Harness 是怎么工作的。这是理解源码前最有价值的环节。任务目标让 Claude Code 在当前目录创建一个 Python 脚本读取data.csv输出销量最高的前三行。先在目录下准备测试数据mkdir -p claude-demo cd claude-democat data.csv EOF product,sales apple,100 banana,80 orange,120 grape,60 pear,90 EOF然后启动 Claude Codeclaude在交互界面输入写一个 Python 脚本读取 data.csv按 sales 列从高到低排序输出销量最高的前三行。脚本保存为 top3.py。重点观察下面几个过程。第一权限请求。Claude Code 会先分析任务判断需要执行“写文件”操作。默认情况下它会请求你批准写入top3.py。你可以在交互界面选择允许或拒绝。这一步就是 Harness 中权限控制模块在起作用。第二工具调用顺序。批准后Agent 先调用写文件工具创建脚本然后调用终端工具尝试运行它。如果运行报错它还会继续读报错信息、修改脚本、重新运行。这个“尝试 - 观察 - 修正”的循环就是 Agent Loop。第三上下文更新。每一次工具调用结果都会作为新上下文追加到会话中Agent 根据结果决定下一步动作。你会在终端里看到它的中间思考和下一步计划。任务完成后打开top3.py验证内容cat top3.pypython3 top3.py预期输出是orange 120、apple 100、pear 90排在前三。如果结果符合预期说明整个 Agent Loop 跑通了。这个过程中值得思考的一点是模型本身并不知道怎么创建文件它只是输出“我想调用 Write 工具内容是 xxx”。真正创建文件、执行命令的是 Harness。所以你在终端里看到的每一次工具调用都是 Harness 在模型和操作系统之间做翻译和调度。7. 源码视角Agent Harness 的核心模块拆解从使用体验回到源码视角。虽然不同版本的 Claude Code 代码实现会有变化但一个成熟的 Agent Harness 在工程上通常由以下几个模块组成。这些模块你在使用 Claude Code 时都能观察到读源码时也可以按图索骥。7.1 CLI 入口与参数解析CLI 入口负责解析用户输入的命令行参数比如-p指定非交互任务、--output-format指定输出结构、--debug开启调试日志。入口模块会把参数转换成内部配置对象然后启动对应的会话模式。7.2 上下文组装这是 Harness 质量的关键。Agent 每次推理前需要把系统提示、项目说明CLAUDE.md、用户输入、相关文件内容、历史对话、工具执行结果组合成一个上下文包。上下文组装模块要做两件事一是决定哪些内容进入上下文二是决定上下文太长时怎么裁剪。从实际使用看Claude Code 会自动读取项目根目录下的关键文件但不会把所有文件都塞进上下文。合理的上下文管理能在节省 token 的同时让 Agent 拿到完成任务所需的关键信息。7.3 工具注册表工具注册表是 Harness 的核心扩展点。每个可用工具都包含名称、描述、参数定义、执行函数。Claude Code 内置了文件读取、文件写入、终端命令、文本搜索、路径匹配、Git 操作等工具。每次模型输出“要调用某个工具”时Harness 会在注册表里查找匹配项校验参数格式然后决定是直接执行还是先请求权限。7.4 Agent LoopAgent Loop 是 Agent 运行的主循环逻辑可以简化为接收用户任务 循环 1. 组装当前上下文 2. 调用模型获取下一步动作 3. 如果动作是最终回答退出循环 4. 如果动作是工具调用校验权限并执行 5. 把工具结果加入上下文 6. 回到步骤 1 输出最终结果这个循环是所有 Agent 系统的核心。Claude Code 在终端里表现出的“自动改文件、自动跑命令、自动修错”本质上就是循环足够稳定可以在多轮工具调用中保持一致的目标与状态。7.5 权限审批模块权限模块决定哪些工具调用可以直接执行哪些要询问用户哪些直接拒绝。默认情况下读取类操作通常自动放行写文件和执行命令默认需要确认。这个策略在settings.json里可以细化。从安全角度看权限模块是 Harness 里最重要的非功能模块。它防止 AI 在无人监督时执行破坏性操作也给用户提供了可控的放行手段。7.6 流式输出与状态展示Claude Code 终端里的流式输出是把模型增量生成的内容实时渲染到终端。同时Harness 还在界面上展示当前状态比如“正在读取文件”“正在运行命令”“等待权限确认”。这个模块不参与业务逻辑但直接决定使用体验。7.7 会话持久化与审计日志交互式会话会保存历史记录这样你关掉终端重新打开一段对话可以继续之前的上下文。同时~/.claude/下会有历史会话文件。审计日志对排查批量任务、复现问题非常重要。7.8 和纯模型调用的区别如果你只调用模型 API每次请求都是“一次性”的模型不会自动修改文件、不会自动运行命令、不会根据终端输出自我修正。而 Agent Harness 把模型放进了一个“带手带脚”的循环里让它可以与环境交互。Claude Code 源码的本质就是这个循环的工程化实现。8. Headless 模式与接口调用Claude Code 最实用的扩展能力是 headless 模式也就是非交互式调用。通过claude -p 任务描述直接执行任务不需要进入交互终端输出结果可以直接被脚本消费。基础用法claude -p 读取 data.csv统计总销量如果想输出 JSON 格式方便程序解析claude -p 读取 data.csv统计总销量 --output-format json在脚本中调用时建议加上超时控制避免长时间卡住timeout 120 claude -p 把 src/utils.ts 中的函数全部加上 JSDoc 注释下面给一个 Python 的封装调用示例用 subprocess 调起 Claude Code 执行任务import subprocess import json import time def run_claude_task(task: str, timeout: int 180) - dict: cmd [ claude, -p, task, --output-format, json ] started time.time() result subprocess.run(cmd, capture_outputTrue, textTrue, timeouttimeout) elapsed time.time() - started print(f任务耗时: {elapsed:.1f}s) print(f退出码: {result.returncode}) if result.stdout.strip(): return json.loads(result.stdout) return {error: result.stderr} if __name__ __main__: output run_claude_task(统计项目目录下的文件数量) print(output)批量任务可以直接在循环里调用。比如对一批仓库生成 READMEimport subprocess repos [repo-a, repo-b, repo-c] for repo in repos: print(f处理 {repo} ...) result subprocess.run( [claude, -p, 根据项目代码生成 README.md包含功能说明和启动方式], cwdrepo, capture_outputTrue, textTrue, timeout300 ) print(result.stdout[-500:] if result.stdout else result.stderr)批量任务有几个工程化要点每个任务要设置独立超时避免单次调用拖死整个队列输出结果按仓库分目录保存方便定位失败任务建议先跑一个小批次验证效果再扩大到全量如果失败先看退出码和 stderr再检查网络和权限配置。9. 资源占用与性能观察Claude Code 跟本地大模型是两种完全不同的资源模型。它不跑推理所以不存在显存占用问题。你只需要关注内存、网络请求延迟和上下文 token 消耗。内存方面Claude Code 是一个 Node.js 进程启动后内存占用通常在几百兆以内具体取决于会话上下文长度和扫描的文件数量。这不构成使用门槛但要留意长时间运行、大型仓库扫描时的内存增长。网络方面主要的性能瓶颈是模型 API 的往返延迟。每完成一次工具调用都要发起一次模型请求Agent 决策步骤越多耗时越长。复杂任务出现几十个工具调用时整体时间会明显拉长。任务的响应速度主要由网络延迟和模型服务端负载决定不是本地 CPU 性能。上下文方面大仓库、长对话、多轮工具调用会持续消耗上下文窗口和 token 配额。如果任务很复杂建议通过CLAUDE.md明确范围把 Agent 的关注点限制在必要文件上。观察资源占用可以使用系统自带工具# 查看 Claude Code 进程占用 ps aux | grep claude也可以开启 Claude Code 的调试模式claude --debug调试模式会输出更详细的请求和工具调用信息对定位超时、上下文溢出、权限拒绝等问题很有帮助。如果是 CI/CD 环境使用 headless 模式还建议把任务的开始时间、结束时间、退出码、输出摘要统一记录下来方便后续统计和优化。10. 常见问题与排查方法在实际使用中最容易遇到下面这些问题。问题现象可能原因排查方式解决方案npm 安装失败Node.js 版本过低或全局目录无写权限检查 node -v、npm prefix -g升级 Node.js调整 npm 全局目录权限claude 命令不存在npm 全局 bin 目录不在 PATH 中echo $PATH检查 npm prefix -g把全局 bin 目录加入 PATH运行时报 529 错误模型服务端负载过高或网络不稳定查看报错上下文和请求状态码稍后重试降低并发批量任务数提示模型名不被识别配置了当前版本不支持的模型名查看当前版本支持模型列表修改 settings.json 中的 model 字段工具权限一直被拒settings.json 的权限配置过严查看会话中的权限提示按需调整 allow 列表避免放开危险命令任务超出上下文限制大仓库文件过多、对话过长使用 --debug 观察上下文长度精简 CLAUDE.md缩小任务范围headless 模式调用超时任务步骤过多或网络延迟大检查退出码和耗时统计增加 timeout拆分子任务分批处理输出质量不稳定上下文不完整或权限回调中断查看工具调用顺序和报错输出细化 prompt明确定义输入输出格式其中 529 错误值得单独说明。它通常不是本地配置问题而是服务端暂时无法处理请求。你可以在脚本中做指数退避重试避免集中重试加大服务端压力import time import subprocess for attempt in range(3): result subprocess.run( [claude, -p, 统计项目文件数量], capture_outputTrue, textTrue, timeout120 ) if 529 not in result.stderr: print(result.stdout) break print(f第 {attempt 1} 次重试) time.sleep(2 ** attempt)11. 最佳实践与合规提醒最后给一套经过验证的有效用法直接照做可以减少很多坑。第一第一次使用先用最小任务验证链路。不要在第一天就跑大仓库重构。新建一个测试目录放几个文件让 Claude Code 完成一个单文件脚本任务确认安装、权限、输出都正常。第二保留一套最小可运行配置。把settings.json和CLAUDE.md整理好放在一个模板项目里。新项目直接复制模板再按项目需求微调。这样可以避免每个项目都要重新配置权限和上下文。第三权限配置遵循最小放行原则。默认只放开必要的读取类工具。对写文件和命令执行保持审批。即使你觉得麻烦也建议先保留确认环节等熟悉了它的行为模式再逐步放开低风险工具。第四模型文件、输入素材、输出结果分目录管理。尤其是批量任务场景输入和输出分开避免 Agent 在扫描时误读生成文件造成上下文污染。第五批量任务必须有日志和失败重试。在真实业务里网络抖动、模型服务端限流、单任务超时都很常见。稳定的批量处理不是靠单次调用质量而是靠失败重试和结果归档。第六接口服务要限制访问范围。如果通过脚本批量调用 Claude Code注意不要让任务涉及生产环境。任何时候都不要在生产服务器上直接让 Agent 自动执行高风险命令。第七涉及人脸、声音、版权素材、非公开代码、用户隐私数据时必须确认授权。Claude Code 读取的本地文件内容、发送的上下文信息需要符合你所在企业和地区的合规要求。第八发布或商用前要做效果复核。AI 编程工具可以提高效率但不能代替人工审查。生成代码、文档、脚本进入正式流程前至少要检查一遍逻辑、敏感信息和可维护性。总结与下一步这篇文章从安装部署、真实任务测试到源码视角拆解 Agent Harness再到 headless 接口调用和批量任务设计把 Claude Code 的核心运行机制完整过了一遍。最值得你先尝试的功能是 headless 模式下的脚本调用。它不改变你现有的开发习惯但能很快验证 Agent Harness 的实际能力。先写一个小任务观察它的工具调用顺序、权限请求和输出格式你会对“Agent 到底是怎么工作的”建立直观认识。最容易踩的坑有两个一是权限配置默认审批虽然有点繁琐但不要因为觉得麻烦就把危险命令全放开二是上下文管理不要让 Agent 扫描整个仓库尽量通过CLAUDE.md和任务描述把范围圈定清楚这既能节省 token也能提高输出质量。后续如果你要继续深入可以沿着这三个方向看Claude Code 的官方源码和文档看它具体实现了哪些工具、权限和会话持久化逻辑对比 Codex 的开源 Agent Harness 设计看不同团队对同一问题的解法差异或者自己用 Python 写一个最小版的工具调用循环把“模型输出 - 工具执行 - 上下文回传”这个链路跑通。能自己实现一遍才算真正理解 Agent Harness。