一篇分析Claude Code 源码的论文：深入探索Claude Code：当今与未来AI代理系统的设计空间arxiv.org/abs/2604.14228
论文认为Claude Code 的能力来自“薄模型决策层 + 厚工程执行层”。模型负责决定下一步，外部 harness 负责上下文装配、权限判断、工具执行、恢复、持久化和安全边界。论文认为，生产级 agent 的难点主要在模型周边系统，而非单纯的推理循环。
“Claude Code 是一种智能体式编程工具，能够代表用户运行 shell 命令、编辑文件并调用外部服务。本文通过分析其公开可获得的 TypeScript 源代码，描述了它的完整架构，并进一步将其与 OpenClaw 进行比较。OpenClaw 是一个独立的开源 AI agent 系统，在不同部署场景下回答了许多相同的设计问题。
我们的分析识别出五类驱动该架构的人类价值、理念与需求：人类决策权、安全与安全性、可靠执行、能力放大、上下文适配性。本文进一步追踪这些价值如何通过十三项设计原则落实到具体实现选择中。系统的核心是一个简单的 while 循环：调用模型、运行工具，然后重复执行。
然而，大部分代码存在于这个循环周边的系统中：一个具有七种模式和基于机器学习分类器的权限系统；一个用于上下文管理的五层压缩流水线；四种扩展机制，即 MCP、插件、技能和 hooks；一个子 agent 委派与编排机制；以及面向追加写入的会话存储。
与 OpenClaw 这个多渠道个人助理网关的比较表明，当部署环境发生变化时，相同的反复出现的设计问题会产生不同的架构答案：从逐动作安全评估转向边界级访问控制，从单一 CLI 循环转向嵌入网关控制平面的运行时，从上下文窗口扩展转向网关级能力注册。
最后，我们基于近期的实证研究、架构研究和政策文献，提出了未来 agent 系统的六个开放设计方向。”AI创造营
