Anthropic源码泄露复盘:Claude Code背后的Harness工程架构
2026年3月31日,Anthropic在更新Claude Code的npm包时发生严重失误,误将一个60MB的source map调试文件包含在发布包中。这一疏漏导致包含1902个文件的完整TypeScript源码被公开,尽管官方迅速响应并强调未泄露客户数据,但源码已被镜像至GitHub,无法彻底清除。这是继2025年2月首发事故后,Anthropic再次因同样的打包流程错误导致源码暴露。此次事件虽然源于操作失误,却为业界提供了一次剖析顶级AI编程工具工程设计的契机。
- 03月31日
- 2025年02-01月
01核心概念:Harness Engineering
通过对泄露源码的分析可以看出,Claude Code之所以能提供领先的体验,核心在于其采用了“Harness Engineering”(笼具工程)理念。该理念强调,AI Agent的产品化不仅依赖模型本身的底层能力,更取决于围绕模型构建的工程系统。这套系统涵盖了工具设计、安全约束、反馈循环和记忆机制等维度,旨在将模型从“不可预测的智能”转化为“稳定可靠的交付”。
02技术架构八大亮点
- 分层系统提示词机制
将系统提示词划分为静态与动态两部分。静态部分(身份定义、安全准则等)全用户共享缓存;动态部分(配置、目录状态等)独立加载。通过SYSTEM_PROMPT_DYNAMIC_BOUNDARY常量精确分割,既优化了Token成本,又保障了个性化响应。 - 四层安全审查流水线
全自动模式下引入独立AI权限分类器,实施四层验证:规则命中放行、低风险跳过、白名单只读放行、Claude Sonnet安全分类。同时设置熔断机制,连续或累计拒绝达到阈值即降级为手动确认模式。 - 严格的记忆系统设计
坚持“记偏好不记代码”原则,自动记忆用户语言与风格偏好,但代码事实实时读取源码。记忆提取具备独立限流与异步处理机制,由只读Fork Agent执行,避免污染主线程。 - 九段式上下文压缩
面对长对话,采用结构化压缩策略,保留核心请求、关键概念、错误修复、解决过程等九个维度。核心原则是完整保留所有用户消息,防止因丢弃纠正性反馈而导致重复错误。 - 企业级多Agent协作
构建了包含Leader和Teammate的完整组织架构。每个Agent拥有独立邮箱文件进行异步通信,并在独立Git Worktree中工作。权限请求采用“冒泡”机制上报给Leader,模拟真实团队管理流程。 - 朴素搜索哲学
摒弃复杂的向量数据库,采用grep和ripgrep进行精确文本匹配。设计逻辑在于利用高智能LLM理解搜索结果,而非在搜索引擎端过度设计,保持系统简单高效。 - 内外部差异化标准
源码显示内部版(ant类型)标准更严,要求无注释输出、失败直接陈述、类文章化输出;外部版则侧重简洁直接。这体现了Anthropic将工具作为效率核心的内部定位。 - 隐藏功能与扩展性
源码中包含未发布的虚拟宠物系统及主动模式、守护进程等Feature Flags,显示产品正从被动问答向主动思考的AI伙伴形态演进。
03行业影响与启示
此次泄露事件客观上为AI Agent行业提供了一份详实的工程实践教材。它印证了当前AI产品的核心竞争力已从单纯的模型参数比拼,转向围绕模型的工程系统能力(Harness)。在底层模型趋同的背景下, harness设计决定了产品的稳定性、安全性与用户体验。对于开发者而言,安全边界的构建、结构化的数据处理以及系统的复杂度分配,均具有直接的参考价值。
当前文章无评论,是时候发表评论了