7张图讲透Claude Code架构（非常详细），Harness设计从入门到精通，收藏这一篇就够了！

1. 整体概述众所周知Claude Code不仅仅是Coding产品更是一个通用的终端Agent能循环思考、调度工具、治理权限、恢复上下文、稳定长会话…如何研读项目源码呢首先我让AI帮着梳理了下目录架构和模块职责对项目工程架构有个整体认知。代码结构先有个大概认知就可以重要的是学习以下各模块的设计哲学。Harness架构设计Claude Code的Harness 是一套「入口适配 会话成型 运行桥接」编排。设计本质是把多入口、多模式、多运行位置收敛成一套统一的agent turn执行模型。Harness负责将不同入口来的请求统一成同一种 agent 运行方式。在架构上可以拆成三层第一层入口与分流负责接住用户不同的使用方式如命令行、交互界面、SDK调用、assistant模式、远端链接等。先经过main.tsx做参数解析、模式判断和路由分发。第二层Harness会话编排这是整个架构核心可以理解为标准化处理层负责把三种不同形态交互会话、无界面会话、远端接入的请求整理成统一的turn契约。此外把工具能力、扩展接入、状态与持久化一起接进来。这样在真正执行前就已经把一次会话需要的输入、能力和状态组织完整了。第三层Runtime与支撑层对于本地路径进入本地Runtime执行完整的Agent Loop需要调用模型或执行工具时再继续落到模型与工具执行层。对于远端路径转入远端会话宿主由remote / bridge / server这套机制承载实际执行。Agent Loop设计Harness 解决了请求从哪里来、交给谁Agent Loop解答了另一个核心问题这条链路如何运行Claude Code的Agent Loop是一种TAOR 循环Tink-Act-Observe-Repeat。这种架构编排足够简单其背后的哲学是「将智能下沉给模型释放智能自主权」。如图所示Claude Code在将一次turn拆成了几个稳定步骤预处理上下文 → 流式采样 thinking → 执行工具 → 拼接toolResult → 判断是否回流到下一轮。模型负责生成意图工具负责和外部世界交互系统再把结果补回上下文决定要不要进入下一轮。这不是一个简单的问答回合而是一套可持续推进任务的执行循环这也是Claude Code能支撑复杂长任务的核心基础。状态管理Claude Code有两套状态系统采用「会话运行态 全局会话态 持久化层」分层协同管理架构。AppState 会话态当前会话运行实时状态包括REPL/TUI 里的任务、MCP、插件、权限、通知和远端连接等实时状态服务于交互体验和当前turn的运行过程。bootstrap**/state 全局态**负责管理当前会话的全局运行信息包括项目位置、会话标识、成本与预算、模型与功能开关、通道与遥测等是整个runtime的公共配置底座。sessionStorage 持久化层负责把会话记录和恢复信息写入磁盘保存的是对话轨迹、续接数据和历史快照供resume、历史读取和会话恢复使用。这三层架构由ToolUseContext串起来它既把当前会话状态暴露给query、tools、tasks也把turn内上下文带进Agent Loop。记忆管理Claude Code的记忆管理比OpenClaw更加成熟完善。有策略层、指令层、记忆层三套机制构成「策略约束 指令注入 分层记忆召回」的组合式上下文系统。策略层企业或组织下发的开关与限制用来约束系统能做什么指令****层包括CLAUDE.md、用户级和项目级规则文件告诉模型如何工作记忆层当前会话沉淀、项目与团队范围的记忆、面向特定Agent的专属记忆以及每轮按相关性动态注入的动态记忆。重点看下记忆层按进入turn的来源在runtime中是如何筛选、注入和回写如图可见claude code记忆加载链路是记忆文件 - 相关性筛选 - 附件注入 - 进入下一轮 turn。最核心的是筛选与装配在合适的时机筛选出“本轮最相关”的记忆。与OpenClaw典型的RAG 语义检索路线不同Claude Code的记忆筛选机制是LLM 驱动的文件级记忆选择。筛选机制如下候选集来自磁盘记忆文件选择依据是文件名、描述、query 语义匹配选择器是模型不是embedding similarity结果是挑文件不是查向量库 top-k chunk另外动态记忆nested memory也不是检索而是按路径触发补充。总之Claude Code记忆系统「按作用域分层、按时机写入、按相关性召回、按预算约束展示」的完整机制能够让用户感知到这个系统越来越懂上下文而不是“强行回忆”。工具系统Claude Code的能力供给系统分成三层能力定义、能力装配、能力执行。如图所示给模型的能力扩展先定义了一套统一的能力契约再按场景把真正可用的能力动态装配出来最后以运行时上下文的形式交给 agent loop 使用。可以理解为一条能力供给链上游扩展能力来源中间统一筛选和装配下游按回合决策调用并把tool_result 回流到下一轮上下文。这条链路既能不断接入新能力又能保持运行时的一致性、可控性和可扩展性。对用户来说内建工具、MCP外部能力、skills / plugins扩展能力在运行时都表现为统一能力体验上能力很多使用方式一致。隐藏功能通过代码中很多未完成的代码可见Anthropic内部组织分化在做多方面探索将Coding Agent外溢到各行各业覆盖更多人群。****通过这些功能可见Claude Code的演进方向是打造成一个兼具主动协作、长时记忆、远端运行与会话资产管理能力的Agent工作平台。整体来看Claude Code非常重视恢复能力、权限模型、上下文压缩和长会话稳定性也在持续补齐远端协作、记忆沉淀、会话资产化等更强自主性的Agent能力。技术栈和架构形态也许可以相似但真正拉开差距的往往是细节是否被打磨到了足够扎实。Claude Code 这套 Harness 范式提供的是一个「下限可控、上限可拓」的基础框架如何做到卓越很多track依然要从代码细节中挖掘再结合业务打造差异化。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】