对谈来新璐：Claude Code 源码泄露之后，真正值得学的是什么

一句话总结：来新璐用「执行 / 上下文 / 编排」三层切开 Harness，给出两条判断好坏的硬尺子——与模型当下运行自洽、与模型未来进步正交；同时还原了 Claude Code 源码里真正值钱的细节：双 hook 记忆、压缩交接、CLI 压过 MCP 的语料密度。

开场

Claude Code 的源代码被泄露之后，朋友圈一夜冒出几十篇拆解文。Anthropic 紧接着又发了 Managed Agents，把自家这套 Harness 直接打包给开发者。两件事撞到一起，问题就变得尖锐：开发者还要不要自己搭 Harness？产品经理还要不要懂这层底层细节？

这一期十字路口的对谈嘉宾是来新璐，C2AI 的创始人。九个月前他把 Claude Code 的设计拆成一份开源教程 Learn Claude Code，到对谈这一刻已经攒下五万颗星。他自己又在做名字叫 1KB Computer 的工具链——给 Agent 配一台跑在内存里的虚拟 UNIX。

聊 Harness 的人很多，但能同时站在「教程作者 / Infra 创业者 / Anthropic 源码阅读者」三个视角的人不多。所以他的拆法值得听。

那么 Claude Code 这次泄露真正值钱的是什么？开发者该用什么尺子判断一个 Harness 的好坏？答案是一句话：Harness 不是工具集，是模型的延伸；判断它好不好，看的不是层数多少，而是它是否与模型自洽、是否随模型变强而变强。下面分三层展开。

金字塔总览

mindmap
  root((Harness 的工程现场))
    一·三层切分
      执行能力层
      上下文环境层
      编排治理层
    二·两把硬尺子
      与模型运行自洽
      与模型进步正交
    三·泄露与共识
      CLI 压过 MCP
      双 hook 记忆
      压缩交接策略

一、三层切分：来新璐版的 Harness 解剖

来新璐对 Harness 的拆法很直接：模型以外都是 Harness。如果把模型比作聪明但没手脚的大脑，Harness 就是让它能动起来的机甲。

在这副机甲里，他切了三层。

1.1 执行能力层：给模型配 Action

最底层，就是工具——文件增删读写、Bash 命令、浏览器操作、语言解释器。绝大多数 Agent 任务，无论是 coding 还是 deep research，靠这三组工具就能覆盖 95% 的场景。

但这一层有个反直觉的坑：工具的设计必须紧贴 Agent 的角色，而不是配得越多越好。他举的例子是测试 Agent——绝不能给它写代码的权限，否则它会一边测一边偷偷改代码，最后所有测试都「奇迹般」通过了。

1.2 上下文环境层：模型的工作空间

第二层是上下文——系统提示词、Skills、Memory、当前工作目录、依赖信息、git 状态。这层有个常被忽略的细节：模型的上下文窗口不是无限的，长任务必然会装满。

装满之后呢？需要把当前进度写成文档，让下一个 Agent 接力。「你以为还是那个 Agent 在工作，其实已经是一个新的模型窗口，再装上一些初始化上下文，让它继续上一个窗口里在进行的工作。」每一次窗口切换，本质上都是一次接力赛跑。

1.3 编排治理层：Agent 之间的组织架构

第三层处理的是多 Agent 协作。一旦你面对的不是一个 Agent，而是一百个，问题就从「怎么用工具」变成了「怎么管员工」——按什么组织架构协作、按什么顺序传递、每个角色给什么权限。

来新璐用「两周 100 个 Agent 从零造一个 C 编译器」当例子串这三层：底层得有文件增删读写让模型能写代码；中间层得让每个 Agent 知道环境、能在窗口爆满时把状态委托给下一个；顶层得管住测试 Agent 不去改代码、并行 Agent 之间不打架。

金句：你以为还是那个 Agent 在工作，其实是一场新的接力赛——上一棒交什么、不交什么，下一棒读什么、按需查什么，里面全是 trade-off。

二、两把硬尺子：怎么判断一个 Harness 好不好

这是来新璐这次给出的最锋利的两句判断。短，但很刀子。

2.1 第一把尺子：与模型当下的运行自洽

最典型的反例是「为了优化上下文而瞎管理」——你以为自己在做精细化，其实在破坏 KV cache。

「过去一到两年，我发现很多开发者非常关心上下文的管理，其实最好的管理就是不要做管理。」他这句话杀伤力很强：你随手扔掉前面几轮、随意改写系统提示词，就直接让模型 prompt caching 失效，下一次推理整个上下文要从头重算。

自洽，意味着你的 Harness 要顺着模型的工作机理，而不是逆着它走。

2.2 第二把尺子：与模型未来的进步正交

很多 Harness 设计当年是合理的——比如 LangGraph 那种「一个 node 一个 node 串 prompt」的状态图。原因是当时模型能力弱，只能做几轮简单工具调用就停下来，必须靠人在外面写 if/else 给它兜底。

但模型变强之后，这种结构就变成枷锁。模型越强，你的 Harness 反而越束缚模型——这就是不正交。

正交的 Harness 应该是这样：模型变强，Agent 整体能力跟着变强，而不是需要你不断推倒重来。

金句：好的 Harness 有两条命脉——一条往下扎到模型当下怎么跑，一条往上对齐模型未来怎么变。两条都断的，叫”过时的 Harness”。

2.3 用这两把尺子重新看派系之争

带着这两把尺子回头看，「Bash is all you need」凭什么压过 MCP就变得清楚了。

MCP 是 2024 年才提出的新协议，预训练语料里占比可能不到 0.01%。Bash / UNIX 命令出现于 1971 年，预训练里有几十亿条样本。来新璐自己换过——一开始装 GitHub MCP 干活，后来发现换成 gh CLI，任务成功率高出一大截。

「我们不应该再造更多的轮子，不应该做更多的协议。」回到 UNIX，回到 LLM 训得最熟的那套自洽哲学——这两把尺子同时支持这个选择。

三、源码泄露真正值钱的细节

聊到 Claude Code 源码这一段，来新璐讲了几个外面拆解文里很少展开的工程细节。

3.1 双 hook 的记忆机制：实时 + 做梦

Claude Code 里 Memory 是靠两套机制更新的，不是一套。

第一套是实时：每次 Agent 完成一轮回复，会触发一个叫 stop 的 hook，hook 上挂了一个 fork agent——它会复用之前的 KV cache 来判断”这一轮里有什么信息值得保存”，写进对应的 Markdown。

第二套是做梦：每隔大约一天、积累到至少 5 个 session 时触发一次。后台 Agent 把最近这些 session 重放一遍，做更深一层的整理——提取信息、纠正过时事实、合并冗余记忆。

「就像我们做梦一样，做重放，做信息整理。」这套设计很有趣的一点是：所有 Markdown 文件本身都是结构化的——前三行 YAML frontmatter、写好 description，加载时只先读文件名和描述，按需展开正文。和 Skills 走的是同一套哲学。

3.2 压缩交接：装满之后怎么传棒

256K 的上下文其实能装很多东西。真正的难题不是窗口够不够大，是装满之后，下一棒怎么接。

Claude Code 的做法是分级的：

• 阈值压缩：到 0.8 时就主动留 20% 空间，写交接文档——目前进度、用户的整体目标、下一步要做什么。
• 垃圾清理：识别哪些工具 output 已经不需要、可以剔除，腾出几十 K 空间继续干。
• 按需查看：哪些信息全文带过去、哪些只留索引让下一个 Agent 自己去查。

每一条都是 trade-off。这是 Anthropic 在工程兜底上花最多功夫的地方，也是后入场的同行最容易抄漏的部分。

3.3 模型才是 Agent

读完源码，来新璐反复强调一个直觉：Claude Code 的所有设计，都是「给模型更多 context、更多 action，几乎不做 control」。

「在 0 control，最多就是限制你调工具的时候，有些工具不能调。」之前那些把 Agent 拆成几十个 prompt node 的做法——本质是程序员替模型在每一步做决策。Claude Code 完全反过来：把决策权全部还给模型，自己只负责把环境、工具、上下文备齐。

这跟 Manus 一年多前就在讲的「less control, more context」对得上。之前没想通为什么的人，换到模型的视角就清楚了：模型是自回归的，你每多一层 control，就多一道写死的栅栏挡在它前面。

金句：所有”奇怪的最佳实践”，只要你换到模型的视角，就立刻 make sense——它原本就是从模型怎么跑反推出来的。

一页速览

一句话收束

Harness 设计不需要你比模型聪明——它只需要你比模型更耐心地准备好它需要的一切，然后让开。