当 AI 编程用具进化为能自主实施任务的智能体，架构层面的筹备选拔不再只关乎性能，更关乎安全、可控性与可抓续性。MBZUAI VILA Lab 勾搭 UCL 以 Anthropic 的 Claude Code 源码为案例，系统分析了坐褥级 AI 智能体的筹备空间。

这篇著作在 X 上也引起了普通的温煦和运筹帷幄：

来自 MBZUAI VILA Lab 的辩论团队发布了一项新辩论，以 Anthropic 的 Claude Code 源码为案例，对坐褥级 AI 智能体 ( Agent ) 的架构筹备空间作念了系统分析。论文尝试斟酌一个问题：构建一个坐褥级 AI 智能体，需要回答哪些筹备问题？

Claude Code 是刻下一代 AI 编程用具的代表：在结尾里输入一句"帮我征战 auth.test.ts 里失败的测试"，它会我方收罗陡立文、计算要领、调用用具、实施敕令、查验完了，反复迭代直到以为任务完成 [ 7 ] 。围绕它的源码解读著作还是有不少，但渊博聚焦在"怎么完毕"的层面。

这篇论文的切入点不同：

它不空闲于形貌完毕细节，而是尝试从源码和官方文档中反推出驱动通盘这个词架构的筹备玄学与筹备原则，分析权限、陡立文顾问、可扩展性、子智能体等关节子系统的筹备选拔。同期通过与近期备受温煦的开源智能体系统 OpenClaw 的对比，展示相通的筹备问题在不同部署场景下可能导向不同的谜底。

辩论步伐

论文的分析基于以下几类信息起头：Claude Code v2.1.88 的 TypeScript 源码、Anthropic 官方发布的博客和家具文档，以及社区的逆向工程分析呈报。

不雅察一：五条筹备玄学塑造了架构，但它们之间存在矛盾

论文莫得上来就讲时代细节，而是先追问了一个更底层的问题：这个系统为什么要筹备成这么？通过轮廓 Anthropic 官方文档、源码和运筹帷幄贵府，论文回来出五条驱动架构，以东说念主类价值不雅为导向的筹备玄学：

东说念主类决议巨擘

东说念主类要能随时看到、批准或否决智能体的操作

安全、心事与数据保护

即使东说念主类省略实，系统也要能我方保护用户过甚代码和数据

可靠实施

智能体作念的事要和东说念主类念念的一致，永劫期开动也不成走偏

智商放大

系统要让东说念主类能作念到曩昔作念不到的事

陡立文适合性

系统要能适合用户的具体面容、用具、风气，并随使用时期逐渐改善

在此基础上，论文从官方文档和社分辩析中回来出十三条筹备原则 ( Design Principles ) ，举例"拒绝优先 ( Deny-First ) "、"渐进式信任 ( Graduated Trust ) "、"纵深防患 ( Defense in Depth ) "、"最金莲手架、最大操作 Harness ( Minimal Scaffolding， Maximal Operational Harness ) "等。

但论文发现，这些筹备玄学之间存在部分矛盾。举例：

东说念主类决议巨擘 vs. 安全

凭据 Anthropic 的分析 [ 1 ] ，用户批准了约 93% 的权限弹窗，常常的审批点击导致用户对授权内容的详实力下落。因此安全不成都备依赖东说念主类审批，系统需要有我方的防止机制。

安全 vs. 智商

严格的安全查验会带来性能代价。安全辩论机构 Adversa.ai [ 2 ] 发现，当一条敕令包含 50 个以上子敕令时，淌若逐条作念拒绝法则查验会导致界面冻结。于是系统选拔保抓反馈速率，退化为单条审批，废弃了逐条查验。这证实在性能压力下，多层安全防患可能被动让位于可用性。

可扩展性 vs. 安全

丰富的扩展智商会扩大报复面。Check Point Research 的安全辩论 [ 3 ] 发现，Hooks 和 MCP 扩展在信任对话弹出之前就会加载，这个时序窗口被已显露的安全误差 ( CVE-2025-59536、CVE-2026-21852 ) 所应用。扩展性越强，提前加载的代码越多，可被报复的窗口也就越大 ( 这些误差已在显露后数周内征战 ) 。

这些矛盾更像是同期追求多条筹备玄学所带来的选用，而非筹备残障；雷同的衡量在其他智能体系统中也可能出现。

不雅察二："最金莲手架、最大操作 Harness "

△  图 1：Claude Code 的高层系统结构

系统由七个功能组件组成：用户、接口层、智能体轮回、权限系统、用具、现象与抓久化、实施环境。

这里的"脚手架" ( Scaffolding ) 是指敛迹和迷惑模子决议的计算框架，"操作 Harness "则是围绕模子开动的基础设施。对源码的分析显露，Claude Code 的绝大部分代码是确定性基础设施 ( 权限查验、用具路由、陡立文顾问、失实还原 ) ，AI 决议逻辑只占约 1.6%。中枢的智能体轮回 ( Agentic Loop ) 是一个抓续迭代的过程：调用模子、获取用具调用申请、实施、返回完了，直到模子住手申请。

在智能体工程限度，存在不同的筹备取向。一些框架 ( 如 LangGraph [ 8 ] ) 将决议逻辑编码为显式的现象图，而 Claude Code 选拔了另一条路：不硬性法则模子的决议旅途，而是给模子较大的决议解放度，同期用确定性代码保险安全实施。

论文的分析指出，跟着前沿模子在编码智商上趋同，围绕模子的操作 Harness 的质料可能成为家具各别化的紧要成分。

用户请务实施经由

△  图 2：智能体轮回的多轮迭代过程。

用户输入经过陡立文安设插足轮回：模子产出用具调用申请，由权限系统判定，允许则实施，拒绝则把反馈返回模子重试；遭遇陡立文压力时会触发压缩。轮回抓续直到模子不再申请用具，输出最终恢复给用户；用户无间对话则再次插足新一轮轮回

上头两节运筹帷幄了"为什么这么筹备"，接下来看"具体怎么开动"。论文用一个"开动示例"串起各个架构层级：假定输入"帮我征战 auth.test.ts 里失败的测试"，系统会先组织陡立文 ( 加载 CLAUDE.md 面容教导、对话历史、用具界说、git 现象等 ) ，然后在每轮模子调用前实施陡立文压缩管说念。在调用模子之前，权限系统还是通过用具预过滤移除了被退却的用具。模子在可见的用具范围内决定要调用哪些用具后，权限系统再次判断具体操作是否允许实施。通过后用具实施，完了喂回模子，插驾驭一轮轮回。子智能体请托亦然通过 Agent 用具在这个轮回中触发的。

这个轮回触及以下几个紧要的架构层面：

1. 权限机制

△  图 3：权限系统的决议结构。

每次用具调用都要经过权限系统的判定，2026世界杯最新押注登录平台系统内置多层安全机制，最终完了分为三种：允许则放行实施，拒绝则平直返回，究诘则交由用户或自动分类器裁决。

系统筹备了七层沉寂的安全机制，包括用具预过滤、拒绝优先法则、权限模式、ML 分类器 ( Auto-Mode Classifier ) 、沙箱阻难、还原会话时不给与旧权限，以及 Hooks 禁锢。并非每次操作都会触发沿途七层。举例，ML 分类器仅在 auto mode 开启时见效，沙箱仅针对 Shell 敕令且需全局启用，Hooks 禁锢则取决于用户是否成立了相应的 Hook。但在适用的层上，任何一层都不错单独否决操作 ( 不外论文也指出，在性能压力下这些层可能分享失败模式 ) 。

2. 陡立文顾问

跟着对话鼓舞，陡立文窗口 ( Context Window ) 里的内容握住延迟。为了不超出 token 预算，系统筹备了五层陡立文压缩 ( Context Compaction ) ：预算编著 ( 永久见效 ) 、历史修剪 ( Snip ) 、微压缩 ( Microcompact ) 、陡立文折叠 ( Context Collapse ) 、自动摘抄 ( Auto-Compact，默许开启 ) 。其中历史修剪和陡立文折叠受 feature flag 扫尾，不一定在通盘版块中都启用。这五层在每轮模子调用前限定评估，各层沉寂判断是否需要触发，从轻量编著到模子生成摘抄，压缩力度逐层递加。

3. 可扩展性

模子能用的用具不仅仅内置的那些。Claude Code 提供了四种主要的扩展机制：MCP 管事器认真接入外部用具和资源，妙技 ( Skills ) 认真注入限度教导，Hooks 提供笼罩用具调用、会话生命周期、陡立文顾问等多个维度的事件禁锢点，插件 ( Plugin ) 则是一个打包分发体式，不错将上述机制以及敕令、智能体界说等多种组件系缚为可安装的扩展包。不同机制对陡立文窗口的蚀本不同，开发者不错凭据场景选拔符合的扩展形状。

4. 子智能体的请托与编排

模子不错通过调用 Agent 用具派出子智能体 ( Subagent ) 去完成子任务。系统内置了多种子智能体类型 ( 如专注探索的 Explore、专注计算的 Plan 等 ) ，也撑抓用户自界说。子智能体默许在沉寂的陡立文窗口中使命，阻难模式包括程度内阻难 ( 默许，分享文献系统但陡立文沉寂 ) 、git worktree 阻难 ( 得回沉寂的文献系统副本 ) 等。完成后只把最终恢返回回给父智能体。在 agent teams 场景中，系统通过文献锁机制来和解多个智能体之间的任务分拨。

不雅察三：与 OpenClaw 的对比：相通的筹备问题，不同的解答

论文不单分析了 Claude Code，还和近期在开源社区速即走红的智能体系统 OpenClaw [ 6 ] 作念了六个维度的对比。OpenClaw 是一个个东说念主助手网关，撑抓 WhatsApp、Telegram、Slack 等多种平台接入。两个系统靠近吞并组筹备问题，给出了显贵不同的谜底：

Claude Code 对每次用具调用作念逐操作安全评估，OpenClaw 作念鸿沟级拜谒扫尾

Claude Code 的智能体轮回是系统的中心，OpenClaw 的智能体轮回仅仅网关里的一个组件

Claude Code 的扩展修改的是单个陡立文窗口，OpenClaw 的插件扩展的是通盘这个词网关的智商面

两者还能组合使用：OpenClaw 不错通过 ACP ( Agent Client Protocol，智能体客户端左券 ) 把 Claude Code 动作外部编程 Harness 接入。这说醒目能体的筹备空间不是松懈的非此即彼，而是一个不错分层组合的结构，网关级系统和任务级 Harness 不错疏通使用。

不雅察四：对经久坐褥力与代码质料的潜在影响

除了架构层面的分析，论文还从另一个角度扫视了智能体系统：AI 智能体带来的坐褥力晋升是否如感知中那样简直？是否会在代码质料和经久可人戴性上付出代价？

论文在运筹帷幄中援用了多项针对同类 AI 编程用具的辩论：

一项对 16 名资深开发者、246 个任务的速即对照执行 [ 4 ] 发现，使用 AI 用具的组本色完成速率慢了 19%，但自我感知却快了 20%

对 807 个代码仓库的因果分析 [ 5 ] 发现，使用 Cursor 后代码复杂度飞腾了 40.7%

论文指出，翌日的智能体系统不错将这个"可抓续性缺口"纳入系统筹备的考量，而不仅仅动作过后评估的目的。

六个绽放的翌日标的

论文梳理了六个有待进一步辩论的标的：

1. 静默失败与可不雅测性、评估之间的差距：智能体的主要失败模式不是崩溃，而是在无东说念主察觉的情况下产出失实完了。如何弥合可不雅测性和本色评估之间的差距？

2. 顾虑抓久化与东说念主机经久互助：如何让智能体与用户之间的使命联系有用、踏实地超过屡次对话抓续积聚？

3.Harness 鸿沟的演化：智能体在那处开动、何时举止、操作什么对象、与谁互助，这四个维度都在快速扩展。

4. 时期跨度的扩展：智能体能否从单次对话级别扩展到抓续数天乃至数周的科研级任务？

5. 治理与监管：跟着 EU AI Act 等法例见效，智能体架构需要提供哪些审计与透明度接口？

6. 对东说念主类经久智商的影响：上述可抓续性问题能否从过后评估目的晋升为系统筹备方针？

对 AI 开发者和辩论者的启示

第一，论文提供了一种从筹备玄学开拔分析智能体架构的视角，将具体的完毕选拔顾虑到背后的筹备玄学和筹备原则，而不是停留在"怎么完毕的"层面。

第二，论文展示了智能体筹备中多种价值之间的衡量：安全与效果、东说念主类扫尾与自动化、可扩展性与安全性之间经常存在选用，相接这些衡量有助于作念出更澄澈的架构决议。

第三，论文指出了刻下智能体系统尚未搞定好的几类问题，如跨会话顾虑、静默失败检测、治理合规等，为翌日的辩论和开发提供了标的。

第四，论文还温煦了一个时代除外的问题：智能体带来的短期效果晋升是否简直？是否会在代码质料和经久可人戴性上付出代价？

写在临了

AI 智能体仍处在快速演进中。这篇论文以 Claude Code 为切入点，但愿为智能体架构的筹备运筹帷幄提供一些可参考的不雅察。

代码和完整论文已开源，迎接温煦！

GitHub 面容主页：https://github.com/VILA-Lab/Dive-into-Claude-Code

论文下载：https://arxiv.org/abs/2604.14228

代码与数据：https://github.com/VILA-Lab/Dive-into-Claude-Code

References

[ 1 ] Anthropic. Claude Code Auto Mode: A Safer Way to Skip Permissions. https://www.anthropic.com/engineering/claude-code-auto-mode

[ 2 ] Adversa.ai. Critical Claude Code Vulnerability: Deny Rules Silently Bypassed Because Security Checks Cost Too Many Tokens. https://adversa.ai/blog/claude-code-security-bypass-deny-rules-disabled/

[ 3 ] Donenfeld， A. & Vanunu， O. Caught in the Hook: RCE and API Token Exfiltration Through Claude Code Project Files. Check Point Research. https://research.checkpoint.com/2026/rce-and-api-token-exfiltration-through-claude-code-project-files-cve-2025-59536/

[ 4 ] Becker， J. et al. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089. https://arxiv.org/abs/2507.09089

[ 5 ] He， H. et al. Speed at the Cost of Quality: How Cursor AI Increases Short-Term Velocity and Long-Term Complexity in Open-Source Projects. arXiv:2511.04427. https://arxiv.org/abs/2511.04427

[ 6 ] Steinberger， P. & OpenClaw Contributors. OpenClaw: Personal AI Assistant. https://github.com/openclaw/openclaw

[ 7 ] Anthropic. How Claude Code Works. https://code.claude.com/docs/en/how-claude-code-works

[ 8 ] LangChain， Inc. LangGraph: Build Resilient Language Agents as Graphs. https://github.com/langchain-ai/langgraph

一键三连「点赞」「转发」「小心心」

迎接在辩驳区留住你的念念法！

—  完  —

咱们正在招聘别称眼疾手快、温煦 AI 的学术编著实习生  � �

感兴致的小伙伴迎接温煦 � �  了解确定

� � 点亮星标 � �

科技前沿领路逐日见2026世界杯押注app官方版