刚刚过去的 3 月，AI 编程圈发生了一件大事：Claude Code 部分源码意外泄漏。
这次"意外"，却给全世界的开发者打开了一扇窗——原来 AI 编程 Agent 的内部架构如此精密，原来那些"魔法"般的操作背后有着如此复杂的设计。
今天给大家介绍四个因此事而火起来的项目，它们从不同角度解读了 Claude Code 的设计精髓。
一、动画演示 Claude Code 工作原理（英文）
如果说源码是一本天书，那这个网站就是它的"动画图解版"。
由开发者 @zackautocracy 创建的这个交互式网站，把 Claude Code 从输入到输出的完整流程做成了可点击、可动画演示的可视化作品：
核心模块包括：
- The Agent Loop（代理循环） 从用户输入 → 消息处理 → API 调用 → Token 计算 → 工具调用 → 循环渲染的完整流程，11 个步骤一步步动画展示
- Architecture Explorer（架构浏览器） 超过 1800 个文件的源码树结构，按 Tools & Commands、Core Processing、UI Layer 等分类展示
- Tool System（工具系统） 50+ 内置工具的详细说明，按功能分为文件操作、执行、搜索、Agent 任务、MCP、计划等类别
- Command Catalog（命令目录） 88 条斜杠命令的完整索引
- Hidden Features（隐藏功能） 代码中尚未发布的功能，包括 Buddy（虚拟宠物）、Kairos（持久化模式）、UltraPlan（长时规划）、Coordinator Mode（多代理协调）等
推荐理由：这是目前最直观、最完整的 Claude Code 可视化教程，适合想快速理解其工作原理的开发者。
二、Claude Code 源码深度研究报告
这个仓库提供两版深度技术报告（PDF），对 Claude Code 源码进行了系统性的解剖分析。
报告核心内容：
- Agent Loop 机制：Query Loop 如何驱动整个系统的运转
- 工具系统设计：50+ 工具的接口定义与执行流程
- 多 Agent 协作：Task、Team、Agent 之间的关系与通信机制
- 上下文管理：记忆压缩、上下文治理的内部实现
- 安全机制：权限系统、权限判定、中断处理的设计逻辑
特别的是，这个仓库还包含一个教学用的最小 Python Agent 项目（src/agt/），用于演示 AI Agent 的核心结构应该如何组织：
# Agent 核心代码位置
src/agt/agent.py
# CLI 入口
src/agt/cli.py
目前内置 Fake LLM 接口，方便学习者理解架构后自行接入真实模型。
推荐理由：想从理论层面深入理解 Agent 架构？这两份报告是目前最系统的中文/英文参考资料。
三、精简版 Claude Code 开源实现
这是本次介绍中最"硬核"的项目——用 Python 从零实现了 Claude Code 的核心架构，但代码量只有后者的 1/44。
对比数据：
| 指标 | Claude Code | OpenHarness | 差距 |
|---|---|---|---|
| 代码行数 | 512,664 | 11,733 | 44x lighter |
| 文件数 | 1,884 | 163 | - |
| 工具数 | ~44 | 43 (98%) | 几乎持平 |
| 命令数 | ~88 | 54 (61%) | - |
| 语言 | TypeScript | Python | - |
保留的核心功能：
- 🔄 Agent Loop：流式工具调用循环 + 指数退避重试
- 🔧 43 个工具：文件 I/O、Shell、搜索、Web、MCP
- 🧠 上下文与记忆：CLAUDE.md 注入、上下文压缩、MEMORY.md 持久化
- 🛡️ 权限系统：多级权限模式、路径规则、PreToolUse/PostToolUse Hooks
- 🤝 多 Agent 协调：子 Agent 派生、团队注册、后台任务管理
- 📚 Skills 系统：兼容 anthropics/skills 格式
架构设计：
openharness/
engine/ # Agent Loop — query → stream → tool-call → loop
tools/ # 43 Tools — file I/O, shell, search, web, MCP
skills/ # on-demand skill loading (.md files)
permissions/ # multi-level modes, path rules, command deny
hooks/ # PreToolUse/PostToolUse lifecycle
commands/ # 54 Commands
memory/ # persistent cross-session knowledge
coordinator/ # subagent spawning, team coordination
推荐理由：想自己动手实验 Agent 架构？或者想基于 Claude Code 理念构建自己的编程工具？这是目前最完整、最干净的开源参考实现。
四、两本 Claude Code 设计指南
这个仓库包含两本关于 Harness Engineering 的书，追问一个核心工程问题：
一个会写代码的模型进了终端、仓库、权限系统和团队流程，系统凭什么还能保持边界、连续性和后果控制？
《Harness Engineering：Claude Code 设计指南》 （第一本）
目录摘要：
- 第 1 章：为什么 Harness Engineering 不是 Prompt Engineering 的大号别名
- 第 2 章：Prompt 不是输入框，而是控制面
- 第 3 章：Query Loop——Agent 不是在答题，而是在持续接管工作流
- 第 4 章：工具、权限与中断——怎样让模型动手，但不让它乱动手
- 第 5 章：上下文、记忆与压缩——怎样让系统长期工作而不是越聊越糊
- 第 6 章：错误与恢复——模型犯错不是异常，而是运行时常态
- 第 7 章：多 Agent 与验证——不要让系统自己给自己当裁判
- 第 8 章：团队落地——把个人技巧变成组织能力
- 第 9 章：十条原则——如何判断一个 AI 编程系统是不是工程系统
《Claude Code 和 Codex 的 Harness 设计哲学》 （第二本）
把 Claude Code 和 GitHub Copilot 的 Codex 引擎放在一起比较，分析两种 harness 设计各自的秩序哲学。
在线阅读：
推荐理由：如果你不满足于"怎么用"，而想知道"为什么这样设计"，这两本书提供了目前最深刻的工程视角解读。
写在最后
Claude Code 源码泄漏事件，让我们有机会一窥顶级 AI 编程工具的内部世界。
这四个项目从不同角度切入——可视化图解、深度技术报告、开源实现、工程设计指南——构成了一套完整的学习路径：
| 如果你想 | 推荐从哪个开始 |
|---|---|
| 快速了解工作原理 | ccunpacked.dev |
| 系统学习架构设计 | ai-agent-deep-dive 报告 |
| 动手构建自己的 Agent | OpenHarness |
| 理解工程设计哲学 | harness-books |
希望这些资源能帮助你更好地理解 AI 编程工具的内部世界。
相关链接汇总：
🔗 ccunpacked.dev：ccunpacked.dev/ 🔗 ai-agent-deep-dive：github.com/tvytlx/ai-a… 🔗 OpenHarness：github.com/HKUDS/OpenH… 🔗 harness-books：github.com/wquguru/har…
你觉得哪个项目最有价值？欢迎在评论区分享你的看法。
