从 Copilot 到 Claude Code:智能体编程的范式转移
LLM 从对话伙伴变成推理引擎,催生了 Agent Harness 这个新架构概念。本文梳理 AI 编程工具的演进脉络,拆解 Claude Code 的全景架构与五大设计原则,回答"为什么需要 Agent Harness 而非简单封装"。
LLM 从对话伙伴变成推理引擎,催生了 Agent Harness 这个新架构概念。本文梳理 AI 编程工具的演进脉络,拆解 Claude Code 的全景架构与五大设计原则,回答"为什么需要 Agent Harness 而非简单封装"。
从零安装 Claude Code,到把每一项功能用透。涵盖环境准备、四种运行方式、CLAUDE.md 的写法哲学、上下文管理、斜杠命令、SubAgent、Hooks、Plan 模式、Skills/MCP 的取舍,以及一份按场景分类的速查表。
从六层配置源的合并规则,到四阶段权限管线的纵深防御,再到钩子系统的生命周期扩展点 —— 理清 Claude Code 三大控制系统如何协作,把 Agent 的行为约束在你想要的边界内。
从 SKILL.md 的一行 frontmatter,到"渐进式加载"的上下文经济学,再到为什么 Skills 可能比 MCP 更重要——把 Claude Code 的能力扩展机制讲透。
单个智能体应付不了的复杂任务,靠委派。本文拆解 Claude Code 的三种子智能体来源、四种内置 Agent、Fork 模式的字节级上下文继承,以及企业级的协调器编排,最后落回一个实战争议:自定义 SubAgent 到底该不该用。
从"先想后做"的 Plan 模式,到用确定性代码编排多智能体的 Workflows。理解 Claude Code 如何把"意图对齐"和"流程骨架"变成一等公民。
把 Claude Code 和 OpenAI Codex 两份源码并排读,会发现这是同一道题的两种相反答卷——一种用 TS 类型做加法,一种用 OS sandbox 做减法。这一篇沿 8 个维度对照,提炼可迁移的设计准则。
把前七篇拆开看过的每个子系统重新装回去,用一条六步路线图搭一个最小可运行的 Harness。附一份 Windows 从零到开箱即用的落地清单。