这两天整个技术圈都在传同一件事：Claude Code 的完整源码泄露了。
3 月 31 号凌晨，Anthropic 推了一版 npm 更新（v2.1.88），结果忘了过滤 source map 文件。一个 59.8MB 的 cli.js.map 就这么混进了公共 npm 包里。几个小时之内，51.2 万行 TypeScript 被完整还原，GitHub 上到处都是镜像。
大伙都在做源码分析，拆架构、扒功能、找彩蛋。我也翻了两天，但最后让我停下来的不是某个功能的实现细节。
我反复想的一件事是：这 51 万行代码，竟然没有一行在做"模型"。
Anthropic 管这个叫 Harness。
Harness 是什么
整个泄露的源码，1900 多个文件，51.2 万行 TypeScript，做的全是模型外围的编排工作。
Claude 本身呢？就是个 API 调用。往 https://api.anthropic.com 发个 POST 请求，返回一段文本。完事了。
那 51 万行代码在折腾什么？
让模型从"能说话"变成"能干活"。裸模型你给它一段话，它回你一段话。但在 Claude Code 里，AI 可以读文件、改代码、跑命令、做搜索、并行处理多个子任务，甚至记住你上次聊天时的偏好。这些能力全来自外围的 Harness，模型本身一个都给不了。
翻完源码后改变我认知的几个设计
不聊具体代码实现，只说思路。
记忆系统：敢遗忘的 AI 反而更聪明
Claude Code 的记忆分了三层。最上面是 CLAUDE.md，用户自己写的项目说明，放在项目根目录，每次对话都加载。中间层是自动记忆，AI 在聊天过程中自己提取关键信息，比如你说过"测试别用 mock"，它下次就会记住。最底层是即时上下文，当前对话的内容，用完即走。
有个细节很有意思：记忆索引 MEMORY.md 被限制在每行 150 字符、总共 200 行以内。这不是技术限制，是故意的。大部分人做 AI 应用恨不得把所有对话记录都塞进 context window，Claude Code 反过来，主动控制记忆密度，只留指针，要用的时候再去查原始文件。
跟做项目文档一个道理。写得多不一定好，找得到才有用。
工具约束比工具本身更重要
Claude Code 里有几十个工具：读文件、写文件、执行 shell 命令、搜索代码、管理 git，连浏览器都能操作。但看源码之前我以为"工具调用"就是把 API 暴露给模型，看了之后发现差得远。
每个工具的 schema 里写了大量的"什么时候别用"。比如搜索工具会说"找特定文件用 Glob 别用 Grep"，还会告诉模型"别用 Bash 去 cat 文件，有专门的 Read 工具"。
道理很简单：AI 只要有能力做某件事，它就真的会去做。你给它一把锤子，它看什么都像钉子。所以好的 Harness 设计重点在约束，在"别做什么"，而不在"能做什么"。
这对我写自己的 AI 应用启发很大。给工具的时候，说明文档花的时间应该比写工具本身更多。
多 Agent 是为了隔离，不是为了快
源码里有一套 Agent 调度系统。主 Agent 可以起多个子 Agent，每个有独立的上下文和工具集，甚至能在独立的 git worktree 里干活，互不干扰。
一开始我以为这是为了并行提速。看了实现才明白，核心原因是 context window 有限。复杂任务全塞在一个 Agent 里，上下文很快就爆了。拆成多个独立 Agent，每个只管自己那摊事，结果反而更可控。
软件工程里的模块化不也是这个思路么？拆分的收益在隔离，并行只是副产品。
跟我有什么关系？
说说我自己的体感。过去半年 Cursor、Cline、Claude Code、Windsurf 这些工具我基本都摸过，有个感觉越来越明显：
模型正在变成水电煤。
2024 年大家还在争 GPT-4 好还是 Claude 好，到了 2026 年，GPT-5.4、Claude Opus 4.6、DeepSeek V4、Gemini 3.1 Pro 各有所长，但差距在缩小。你不会因为"用南方电网还是北方电网"就觉得电脑性能有差别，模型也在走同一条路。
Claude Code 的源码印证了这个判断。51 万行 Harness 代码 vs. 一个 API 调用。模型是引擎，Harness 才是整辆车。
所以我现在的做法是：别纠结"哪个模型最好"，把精力花在搭自己的工作流上。
模型要能换。写代码用 Claude Opus，日常问答扔给 DeepSeek V4，长文档丢给 Gemini 3.1 Pro 的百万 token 上下文。绑死一个模型不如搞一套能灵活切换的基础设施。
上下文管理比 prompt engineering 重要。我现在在项目里维护一个 CLAUDE.md，把项目结构、技术栈、关键约定写清楚。效果比花半小时调 prompt 好得多。
工具编排是真正的活。模型不会用你的内部 API，不了解你的数据库，不知道你的部署流程。把这些封装成工具喂给它，才算把 AI 真正接进来了。
我的实际工具链
主力编码用 Claude Code，需要跑多个模型对比效果的时候走 API 聚合平台统一调用。以前试过直接对接各家官方 API，接到第三个的时候我就放弃了，每家一套认证、计费、报错逻辑，胶水代码写得比业务代码还多。现在统一走 OpenAI 兼容格式，换模型改个 model 参数就行。
复杂重构扔给 Claude Opus 4.6，上下文长推理强。日常问答和快速原型用 DeepSeek V4 或 GPT-5.4 mini，响应快成本低。长文档分析选 Gemini 3.1 Pro，百万 token 上下文。虽然确实省钱了，但核心原因是不同场景真的需要不同模型。
这次泄露之后我一直在想一件事。Anthropic 花了上亿美金和一堆顶尖工程师，99% 的代码量花在了 Harness 上。那我们做 AI 产品的时候，到底应该把精力放在哪？
我自己的答案越来越明确了：模型交给专业做模型的人，我们把外面那一圈搭好就行。
