3月31日，Anthropic照常更新Claude Code，版本號2.1.88，看著毫無波瀾。

一個小時后，安全研究員Chaofan Shou在X上發(fā)了條帖子：他翻npm包，找到一個source map文件，里面藏著Claude Code的完整TypeScript源代碼。

51.2萬行代碼、1900個文件、35+子系統(tǒng)全部曝光。

24小時內(nèi)，GitHub上冒出多個fork倉庫，其中一個拿下3.2萬星標、4.4萬次fork。全球開發(fā)者像拆圣誕禮物一樣，把這個AI編程工具翻了個底朝天。

看完代碼大家才意識到用好AI的門道原來這么多，所謂「Harness工程」原來這么玩！

今天，我們聊聊這堂價值數(shù)十億美元的系統(tǒng)架構(gòu)公開課。

Python重構(gòu)避免版權(quán)問題的claw-code項目飆升 Claude Code這次究竟暴露了啥？

先澄清一個誤解：這些泄露的不是AI模型。

這次暴露的是Anthropic官方套殼的Claude Code代碼，涉及到怎么調(diào)度AI模型、管理記憶、執(zhí)行工具、處理權(quán)限，這一整套工程代碼。

打個比方：AI模型是千里馬，泄露的是馴馬師的全套手冊。技術(shù)上看影響好像還好，但這事可能比泄露模型權(quán)重更重要。

它等于告訴所有開發(fā)者、用戶，AI編程賽道頭部玩家如何管理AI員工、設(shè)計AI產(chǎn)品。

看完這套框架，你不一定能開發(fā)出好的AI產(chǎn)品，但一定對用好AI會有更深的理解。

三層記憶與睡眠模式

用AI寫過代碼的人大概都碰過這種事：前10分鐘它還記得你的項目結(jié)構(gòu)，半小時后就開始犯糊涂，把寫好的函數(shù)名搞錯，甚至忘了你在做什么。

業(yè)內(nèi)有時候會把這種情況稱為「上下文熵增」：對話越長，AI越容易產(chǎn)生幻覺和矛盾。所有AI編程工具都卡在這里。

Claude Code的源代碼揭示了Anthropic的解法：三層記憶架構(gòu)。

第一層：MEMORY.md 輕量索引

每次會話啟動，Claude Code都會加載一個叫MEMORY.md 的文件。這個文件不存數(shù)據(jù)，存的是各種信息、文件地址，每行大約150個字符，指向具體的文件。類似圖書館的索引卡，告訴AI哪個文件放在哪個文件夾，你需要了自己去拿。

為了避免索引被濫用，還設(shè)置了25KB的上限，需要持續(xù)優(yōu)化，防止「工作記憶」被垃圾信息淹沒。

第二層：主題文件，按需加載

簡單說就是項目知識分散在多個主題文件中，用到才加載。你在改前端代碼，AI不會把后端架構(gòu)文檔也塞進來占token。

盡可能降低AI的上限文窗口占用。

第三層：完整會話記錄，可搜索但不回讀

這是最有趣的一個點，Claude Code得所有歷史對話都會保存，但AI不會每次執(zhí)行任務(wù)都把以前的對話都看一遍。

只有需要了解某個具體細節(jié)時，Claude Code會搜索，提取相關(guān)片段，看看當時提的要求是什么，怎么設(shè)計的。

三層配合，用最小的上下文開銷覆蓋最大的知識范圍，已經(jīng)是很精妙了設(shè)計，但源代碼里還藏著更有趣的東西。

聊天多了、執(zhí)行多了，記憶同樣會爆炸，前面的優(yōu)化只是解決眼下的問題，面對信息爆炸該怎么辦？

Anthropic設(shè)計了后臺進程KAIROS，它會執(zhí)行名為AutoDream（對，就叫「自動做夢」）的程序，就像人類睡覺時大腦整理記憶一樣，在不干活時悄悄管理記憶。

AutoDream之前就已經(jīng)公布了，但這次暴露了它的實現(xiàn)原理：

1. 定向掃描：讀取記憶索引和已有主題文件

2. 信號采集：從每日日志里提取新信息，檢測「記憶漂移」，揪出跟當前代碼矛盾的舊記憶

3. 整合歸并：把新信號合并進主題文件，相對日期轉(zhuǎn)絕對日期，刪掉過時的事實

4. 修剪索引：更新MEMORY.md，控制在25KB以內(nèi)

Claude Code正在變成「常駐CTO」，記住你的項目，后臺主動消化、整理、更新對項目的理解。

提示詞工程到「Harness 工程」

看到這，無論你用AI的水平如何，想必都能感受到Anthropic在管理AI上確實有一套。

值得我們學習的還不止這些！

源代碼泄露前一周，Anthropic官方博客發(fā)了一篇被嚴重低估的文章：《Harness Design for Long-Running Application Development》。

作者Prithvi Rajasekaran來自Anthropic Labs團隊，提了一個新概念：Harness Engineering，韁繩工程。

2024年是「提示詞工程」元年，2025年輪到「上下文工程」，2026年新戰(zhàn)場叫「韁繩工程」。

所謂「韁繩工程」就是隨著AI能力繼續(xù)提升，我們需要的已經(jīng)不是簡單的一句一句和AI對話，而是要設(shè)計一套系統(tǒng)，馴服AI寫代碼的過程，讓它在長時間復雜任務(wù)里不跑偏、不掉鏈子。

Rajasekaran發(fā)現(xiàn)，AI獨立完成復雜編程任務(wù)有兩個致命問題：

上下文焦慮，對話變長，AI開始「緊張」，覺得自己快用光上下文窗口了，于是匆忙收尾、草率交活。這是行為問題，不是幻覺問題。

自我評估偏差，讓AI檢查自己寫的代碼，跟讓學生給自己的考卷打分一樣，幾乎總給高分，哪怕代碼一塌糊涂。

他的解法借鑒了GAN（生成對抗網(wǎng)絡(luò)）的思路：Generator（生成器）：負責寫代碼，Evaluator（評估器）：負責打分、找bug、提改進意見。

兩個獨立的AI，一個干活，一個挑刺。評估器用Playwright實際操作運行中的應(yīng)用，點按鈕、填表單、測API，然后按詳細標準打分反饋。

同一句需求：「做一個2D復古游戲編輯器，包含關(guān)卡編輯、精靈編輯、實體行為和可玩測試模式?！?/p>

任務(wù)跑下來，效果驚人、成本也驚人：普通模式下一個Agent開發(fā)20分鐘，花了9美元，做出一個能看不能玩的游戲。

采用Harness工程，AI開發(fā)了6個小時，花了200美元，但造出了真正的游戲，不光完成了基本需求，還自動擴展出16個功能模塊：精靈動畫系統(tǒng)、行為模板、音效音樂、AI輔助關(guān)卡設(shè)計、游戲?qū)С龊头窒礞溄印?/p>

貴了20倍以上，但也帶來了真實能力的質(zhì)變。

普通人可能只看到花更多錢就能取得更好的效果，但真正的創(chuàng)業(yè)者會意識到，好的「Harness工程」藏著巨大的機會。

你不需要會開發(fā)AI大模型，只是在模型的管理與控制上有一套自己的解法，或許就能推出一個嶄新的產(chǎn)品。

官方演示的游戲原型 重新認識AI時代的護城河

AI工具的護城河在哪？這個問題的答案一直在變。

2024年拼模型能力，2025年大家在提上下文管理，到了2026年回到了最本質(zhì)的問題：系統(tǒng)工程。

Claude Code的泄露就是告訴大家：模型是發(fā)動機，模型之上的各種設(shè)計才能造出真正的賽車。

從提示詞工程到上下文工程，再到韁繩工程，AI時代的技術(shù)范式每半年刷新一次。

面對這么多概念、炒作，你是不是感覺手足無措？無從下手？

如果你也想快速了解最新、最有價值的AI用法，成為駕馭AI工程的人，歡迎加入前哨AI小課第五季

前哨AI小課2022年上線，Tina幫助數(shù)千會員持續(xù)迭代，掌握最前沿的AI工具、最佳實踐，幫助大家把AI用到自己的工作生活中。

與其碎片化地追熱點，不如用一套結(jié)構(gòu)化課程，把AI的底層邏輯一次搞清楚。

掃碼/點擊鏈接，加入「前哨AI小課」，用最短時間建立最扎實的AI認知。