![《Peeking Under the Hood of Claude Code》一窥 Claude Code 的内部机制Anthropic 的工程师们设计了 Claude Code —— 这个工具能高效完成编程任务：专注于目标、遵守约束，并且安全地执行你本不想手动输入的操作。然而，对它的内部原理，Anthropic 一直讷言寡语。为此，OutSight AI 搭建了一个 LiteLLM 代理来监视 Claude Code 与其 API 之间的“对话”，揭示了它到底在做什么。★ TL;DR （精要总结）1 前置上下文：Claude Code 在真正动手之前，会提前注入简短而有针对性的提示，比如标题概括、主题确认、任务摘要之类。2 遍布的“系统提醒”（system-reminder）：在系统提示、用户提示、工具调用乃至工具结果中，都频繁出现这种“系统提醒”，用来让代理保持专注、不偏离轨道。3 风控机制：在执行 shell（Bash）命令前，会进行命令前缀提取和插入检查，以防命令注入。4 子代理机制：当任务复杂且包含多个步骤时，会生成带有更精确指令的子代理（“Task” 工具），并根据任务难度动态调整上下文。★ 监测设置：使用 LiteLLM 观察 Claude Code为了观察 Claude Code 的行为，OutSight AI 将 LiteLLM 设置为一个透明代理，置于 Claude Code 和 Anthropic API 服务器之间：pip install 'litellm[proxy]'export ANTHROPIC_BASE_URL= 网页链接litellm --config monitoring_config.yaml --detailed_debug如此便能捕获真实编码会话中的数百次 API 调用，从而解读其“凭空出现的奇效”。★ “惊叹时刻”的秘密源头不少开发者曾称，Claude Code 经常“直接就成功了，让人惊讶”。而我们发现，真正的“魔法”其实在会话一开始便已经启动：当你在已有项目中启动 Claude Code，它会先总结之前的对话内容，提炼标题。随后判断当前消息是否属于新话题，并提取 2–3 词的新标题。这只是上下文前置策略的一个例子，实际上这种“预处理”在多个环节都在发生。例如，它自动插入如下系统和用户提示："system": [ { "text": "Summarize this coding conversation in under 50 characters. Capture the main task, key files, problems addressed, and current status.", "type": "text", "cache_control": {"type": "ephemeral"} }],"messages": [ {"role": "user", "content": "…", "type": "text"}]..."system": [ { "text": "Analyze if this message indicates a new conversation topic. If it does, extract a 2-3 word title… Format your response as a JSON object …", "type": "text" }],这些示例说明 Claude Code 不仅在动手前建立清晰上下文，也持续监控会话行为。★ “系统提醒”标签：Claude Code 的关键秘密最令人印象深刻的，是遍布整个流程的 <system-reminder> 标签。这些标签并非偶尔一现，而是广泛用于系统提示、用户消息、工具调用结果等各处，有时还用于检测恶意文件并避免处理它们。例如："text": "\nAs you answer the user's questions, you can use the following context:… Do what has been asked; nothing more, nothing less.… NEVER create files unless they're absolutely necessary.…"Claude Code 在多次调用 TodoWrite 工具后，也在提示中嵌入新的系统提醒，提示是否需要使用 todo 工具，但不必显式告知用户。★ Bash 执行前的命令注入检测与权限请求机制Claude Code 在运行 Bash 命令前，并非直接执行，而是通过生成式提示来判断是否有命令注入风险，并提取命令前缀：Your task is to process Bash commands that an AI coding agent wants to run...This policy spec defines how to determine the prefix of a Bash command:…If the command seems to contain command injection, you must return "command_injection_detected".系统根据允许的命令前缀决定是否继续执行，否则要求用户确认。★ 子代理架构设计Claude Code 使用“任务工具”（Task 工具），为多步复杂任务生成专门的子代理。它们与主代理相似，但少了 system-reminder 标签，不使用 todo 列表工具，而是专注完成特定子任务并以完整报告形式回复用户。此外，根据任务复杂度，系统会有条件地注入 system-reminder 标签，以调整子代理行为。★ 真实的“秘密武器”本文认为，Claude Code 的“严谨表现”并非因模型基础特别，而是得益于：- 明晰的 prompt 架构- 精心设计的工具说明- 连续的上下文管理与正确标签注入策略这些工程设计让 Claude Code 在面对长上下文时避免偏离。★ 给构建 AI 代理的开发者的启示用一句话总结全文：“在恰当时机注入简短提醒，就能显著改变代理行为。”无论 <system-reminder> 有无特殊意义，它的反复使用让模型保持专注的策略是行之有效的。建议其他代理构建者也采用类似设计：1. 上下文前置：会话前先摘要、判断主题、设定上下文；2. 分层提醒：贯穿过程的提醒标签防止行为漂移；3. 内嵌安全机制：命令验证、注入检测等安全提示直接插入交互流程；4. 多代理协作：不同子代理负责不同任务，主循环协调它们，并用条件上下文动态控制。★ 总结：Claude Code 的成功在于工程精细设计——上下文管理、多重提醒、安全提示和子代理架构共同发挥作用，让其表现出“仿佛有魔法”的流畅体验。原文：medium.com/@outsightai/peeking-under-the-hood-of-claude-code-70f5a94a9a62#人工智能##程序员#](https://kkimgs.yisou.com/ims?kt=url&at=smstruct&key=aHR0cHM6Ly93eDMuc2luYWltZy5jbi9sYXJnZS8wMDZhZjcxWWx5MWk0bTluejVyMW5qMzB1MDB4MDQxei5qcGc%3D&sign=yx%3AJP5mYEetRv79ScBtQu9Gji4G_TU%3D&tv=400_400)
《Peeking Under the Hood of Claude Code》一窥 Claude Code 的内部机制Anthropic 的工程师们设计了 Claude Code —— 这个工具能高效完成编程任务：专注于目标、遵守约束，并且安全地执行你本不想手动输入的操作。然而，对它的内部原理，Anthropic 一直讷言寡语。为此，OutSight AI 搭建了一个 LiteLLM 代理来监视 Claude Code 与其 API 之间的“对话”，揭示了它到底在做什么。★ TL;DR （精要总结）1 前置上下文：Claude Code 在真正动手之前，会提前注入简短而有针对性的提示，比如标题概括、主题确认、任务摘要之类。2 遍布的“系统提醒”（system-reminder）：在系统提示、用户提示、工具调用乃至工具结果中，都频繁出现这种“系统提醒”，用来让代理保持专注、不偏离轨道。3 风控机制：在执行 shell（Bash）命令前，会进行命令前缀提取和插入检查，以防命令注入。4 子代理机制：当任务复杂且包含多个步骤时，会生成带有更精确指令的子代理（“Task” 工具），并根据任务难度动态调整上下文。★ 监测设置：使用 LiteLLM 观察 Claude Code为了观察 Claude Code 的行为，OutSight AI 将 LiteLLM 设置为一个透明代理，置于 Claude Code 和 Anthropic API 服务器之间：pip install 'litellm[proxy]'export ANTHROPIC_BASE_URL= 网页链接litellm --config monitoring_config.yaml --detailed_debug如此便能捕获真实编码会话中的数百次 API 调用，从而解读其“凭空出现的奇效”。★ “惊叹时刻”的秘密源头不少开发者曾称，Claude Code 经常“直接就成功了，让人惊讶”。而我们发现，真正的“魔法”其实在会话一开始便已经启动：当你在已有项目中启动 Claude Code，它会先总结之前的对话内容，提炼标题。随后判断当前消息是否属于新话题，并提取 2–3 词的新标题。这只是上下文前置策略的一个例子，实际上这种“预处理”在多个环节都在发生。例如，它自动插入如下系统和用户提示："system": [ { "text": "Summarize this coding conversation in under 50 characters. Capture the main task, key files, problems addressed, and current status.", "type": "text", "cache_control": {"type": "ephemeral"} }],"messages": [ {"role": "user", "content": "…", "type": "text"}]..."system": [ { "text": "Analyze if this message indicates a new conversation topic. If it does, extract a 2-3 word title… Format your response as a JSON object …", "type": "text" }],这些示例说明 Claude Code 不仅在动手前建立清晰上下文，也持续监控会话行为。★ “系统提醒”标签：Claude Code 的关键秘密最令人印象深刻的，是遍布整个流程的 <system-reminder> 标签。这些标签并非偶尔一现，而是广泛用于系统提示、用户消息、工具调用结果等各处，有时还用于检测恶意文件并避免处理它们。例如："text": "\nAs you answer the user's questions, you can use the following context:… Do what has been asked; nothing more, nothing less.… NEVER create files unless they're absolutely necessary.…"Claude Code 在多次调用 TodoWrite 工具后，也在提示中嵌入新的系统提醒，提示是否需要使用 todo 工具，但不必显式告知用户。★ Bash 执行前的命令注入检测与权限请求机制Claude Code 在运行 Bash 命令前，并非直接执行，而是通过生成式提示来判断是否有命令注入风险，并提取命令前缀：Your task is to process Bash commands that an AI coding agent wants to run...This policy spec defines how to determine the prefix of a Bash command:…If the command seems to contain command injection, you must return "command_injection_detected".系统根据允许的命令前缀决定是否继续执行，否则要求用户确认。★ 子代理架构设计Claude Code 使用“任务工具”（Task 工具），为多步复杂任务生成专门的子代理。它们与主代理相似，但少了 system-reminder 标签，不使用 todo 列表工具，而是专注完成特定子任务并以完整报告形式回复用户。此外，根据任务复杂度，系统会有条件地注入 system-reminder 标签，以调整子代理行为。★ 真实的“秘密武器”本文认为，Claude Code 的“严谨表现”并非因模型基础特别，而是得益于：- 明晰的 prompt 架构- 精心设计的工具说明- 连续的上下文管理与正确标签注入策略这些工程设计让 Claude Code 在面对长上下文时避免偏离。★ 给构建 AI 代理的开发者的启示用一句话总结全文：“在恰当时机注入简短提醒，就能显著改变代理行为。”无论 <system-reminder> 有无特殊意义，它的反复使用让模型保持专注的策略是行之有效的。建议其他代理构建者也采用类似设计：1. 上下文前置：会话前先摘要、判断主题、设定上下文；2. 分层提醒：贯穿过程的提醒标签防止行为漂移；3. 内嵌安全机制：命令验证、注入检测等安全提示直接插入交互流程；4. 多代理协作：不同子代理负责不同任务，主循环协调它们，并用条件上下文动态控制。★ 总结：Claude Code 的成功在于工程精细设计——上下文管理、多重提醒、安全提示和子代理架构共同发挥作用，让其表现出“仿佛有魔法”的流畅体验。原文：medium.com/@outsightai/peeking-under-the-hood-of-claude-code-70f5a94a9a62#人工智能##程序员#
![【把Claude Code变成你的私人技术导师】最近看到一个让人眼前一亮的用法：在CLAUDE.md文件里加一段提示词，就能把Claude Code从代码生成器变成技术教练。做法很简单。告诉Claude：为每个项目写一份FOR[你的名字].md文件，用大白话把整个项目讲清楚。包括技术架构是怎么设计的，代码各部分怎么串联，为什么选这些技术方案，踩过哪些坑又是怎么填的，有什么值得记住的最佳实践。关键是别写成枯燥的技术文档，要像讲故事一样，用类比和案例让人读得进去、记得住。"For every project, write a detailed FOR[yourname].md file that explains the whole project in plain language. Explain the technical architecture, the structure of the codebase and how the various parts are connected, the technologies used, why we made these technical decisions, and lessons I can learn from it (this should include the bugs we ran into and how we fixed them, potential pitfalls and how to avoid them in the future, new technologies used, how good engineers think and work, best practices, etc). It should be very engaging to read; don't make it sound like boring technical documentation/textbook. Where appropriate, use analogies and anecdotes to make it more understandable and memorable."这个思路妙在哪？大多数人用AI写代码，停留在“能跑就行”。代码是生成了，但为什么这么写、背后的设计逻辑是什么，一问三不知。这种学习是空心的。而这个方法逼着AI把决策过程摊开来讲，每个项目都变成一堂课。你交付的不只是代码，还有理解。评论区有人说得好：最有价值的是bugs那部分。绝大多数教程只展示成功路径，但真正的学习发生在失败里。那些报错、那些死胡同、那些“原来要这样才行”的时刻，才是经验真正沉淀的地方。还有人调侃：这比YouTube教程强多了，没广告，不用听“记得点赞订阅”，就是纯粹的学习。当然也有人提出质疑：那些纯靠氛围编程的人，真的会去读这份文档吗？这倒是个好问题。但换个角度想，这份文档即使你不读，也能在未来给AI设置上下文，让它更好地理解项目全貌。对于困在“教程地狱”里的人来说，这个方法尤其有效。你不再是被动地看别人怎么做，而是在真实项目里观察一个“资深工程师”的思考方式。边做边学，学的还是真东西。说到底，工具的价值取决于你怎么用它。同样是Claude Code，有人只拿它当代码生成器，有人却能把它变成成长加速器。差别就在于你有没有主动设计学习的闭环。每个项目都是一次学习机会，关键是你得把这个机会显性化。#How I AI#x.com/zarazhangrui/status/2015057205800980731](pic.php?q=claude+code+%E9%85%8D%E7%BD%AE+api+key&p=1&idx=54&img_src=https%3A%2F%2Fwx3.sinaimg.cn%2Flarge%2F5396ee05ly1i9mqsh90qwj20se11ugpw.jpg)
![《Peeking Under the Hood of Claude Code》一窥 Claude Code 的内部机制Anthropic 的工程师们设计了 Claude Code —— 这个工具能高效完成编程任务：专注于目标、遵守约束，并且安全地执行你本不想手动输入的操作。然而，对它的内部原理，Anthropic 一直讷言寡语。为此，OutSight AI 搭建了一个 LiteLLM 代理来监视 Claude Code 与其 API 之间的“对话”，揭示了它到底在做什么。★ TL;DR （精要总结）1 前置上下文：Claude Code 在真正动手之前，会提前注入简短而有针对性的提示，比如标题概括、主题确认、任务摘要之类。2 遍布的“系统提醒”（system-reminder）：在系统提示、用户提示、工具调用乃至工具结果中，都频繁出现这种“系统提醒”，用来让代理保持专注、不偏离轨道。3 风控机制：在执行 shell（Bash）命令前，会进行命令前缀提取和插入检查，以防命令注入。4 子代理机制：当任务复杂且包含多个步骤时，会生成带有更精确指令的子代理（“Task” 工具），并根据任务难度动态调整上下文。★ 监测设置：使用 LiteLLM 观察 Claude Code为了观察 Claude Code 的行为，OutSight AI 将 LiteLLM 设置为一个透明代理，置于 Claude Code 和 Anthropic API 服务器之间：pip install 'litellm[proxy]'export ANTHROPIC_BASE_URL= 网页链接litellm --config monitoring_config.yaml --detailed_debug如此便能捕获真实编码会话中的数百次 API 调用，从而解读其“凭空出现的奇效”。★ “惊叹时刻”的秘密源头不少开发者曾称，Claude Code 经常“直接就成功了，让人惊讶”。而我们发现，真正的“魔法”其实在会话一开始便已经启动：当你在已有项目中启动 Claude Code，它会先总结之前的对话内容，提炼标题。随后判断当前消息是否属于新话题，并提取 2–3 词的新标题。这只是上下文前置策略的一个例子，实际上这种“预处理”在多个环节都在发生。例如，它自动插入如下系统和用户提示："system": [ { "text": "Summarize this coding conversation in under 50 characters. Capture the main task, key files, problems addressed, and current status.", "type": "text", "cache_control": {"type": "ephemeral"} }],"messages": [ {"role": "user", "content": "…", "type": "text"}]..."system": [ { "text": "Analyze if this message indicates a new conversation topic. If it does, extract a 2-3 word title… Format your response as a JSON object …", "type": "text" }],这些示例说明 Claude Code 不仅在动手前建立清晰上下文，也持续监控会话行为。★ “系统提醒”标签：Claude Code 的关键秘密最令人印象深刻的，是遍布整个流程的 <system-reminder> 标签。这些标签并非偶尔一现，而是广泛用于系统提示、用户消息、工具调用结果等各处，有时还用于检测恶意文件并避免处理它们。例如："text": "\nAs you answer the user's questions, you can use the following context:… Do what has been asked; nothing more, nothing less.… NEVER create files unless they're absolutely necessary.…"Claude Code 在多次调用 TodoWrite 工具后，也在提示中嵌入新的系统提醒，提示是否需要使用 todo 工具，但不必显式告知用户。★ Bash 执行前的命令注入检测与权限请求机制Claude Code 在运行 Bash 命令前，并非直接执行，而是通过生成式提示来判断是否有命令注入风险，并提取命令前缀：Your task is to process Bash commands that an AI coding agent wants to run...This policy spec defines how to determine the prefix of a Bash command:…If the command seems to contain command injection, you must return "command_injection_detected".系统根据允许的命令前缀决定是否继续执行，否则要求用户确认。★ 子代理架构设计Claude Code 使用“任务工具”（Task 工具），为多步复杂任务生成专门的子代理。它们与主代理相似，但少了 system-reminder 标签，不使用 todo 列表工具，而是专注完成特定子任务并以完整报告形式回复用户。此外，根据任务复杂度，系统会有条件地注入 system-reminder 标签，以调整子代理行为。★ 真实的“秘密武器”本文认为，Claude Code 的“严谨表现”并非因模型基础特别，而是得益于：- 明晰的 prompt 架构- 精心设计的工具说明- 连续的上下文管理与正确标签注入策略这些工程设计让 Claude Code 在面对长上下文时避免偏离。★ 给构建 AI 代理的开发者的启示用一句话总结全文：“在恰当时机注入简短提醒，就能显著改变代理行为。”无论 <system-reminder> 有无特殊意义，它的反复使用让模型保持专注的策略是行之有效的。建议其他代理构建者也采用类似设计：1. 上下文前置：会话前先摘要、判断主题、设定上下文；2. 分层提醒：贯穿过程的提醒标签防止行为漂移；3. 内嵌安全机制：命令验证、注入检测等安全提示直接插入交互流程；4. 多代理协作：不同子代理负责不同任务，主循环协调它们，并用条件上下文动态控制。★ 总结：Claude Code 的成功在于工程精细设计——上下文管理、多重提醒、安全提示和子代理架构共同发挥作用，让其表现出“仿佛有魔法”的流畅体验。原文：medium.com/@outsightai/peeking-under-the-hood-of-claude-code-70f5a94a9a62#人工智能##程序员#](pic.php?q=claude+code+%E9%85%8D%E7%BD%AE+api+key&p=1&idx=64&img_src=https%3A%2F%2Fwx3.sinaimg.cn%2Flarge%2F006af71Yly1i4m9nz5r1nj30u00x041z.jpg)
