全因 Claude Code 源码泄漏了。

安全研究员 Chaofan Shou 发现 Anthropic 发布在 npm 上的 Claude Code 包里，有一个 57MB 的.map文件没被排除。通过这个文件可以还原出全部 1,906 个 TypeScript 源文件，512,000 行代码。

泄漏原因很低级——Bun 打包器默认生成 source map，.npmignore没加排除规则。更讽刺的是，源码里有一个叫 Undercover Mode 的子系统，专门防止 AI 在 git commit 里泄漏内部代号。然后他们自己把整个源码塞进了 npm 包。

但这篇文章不聊八卦。

我聊两件事：这 51 万行代码里藏着什么值得学的工程设计，以及泄漏之后 24 小时内全球开发者造出了什么。

第二件事才是重点。因为源码本身会过时，但它催生的开源生态不会。

01

51 万行代码到底在干什么

没有一行在训练模型

全部都是 Harness Enginerring。工具系统、权限管控、记忆整理、上下文压缩、多 Agent 协调、遥测监控。

模型只是一个 API 调用。

ShareAI Lab 的逆向工程团队总结了一句话：模型是大脑，Harness 是身体。没有身体，大脑什么也做不了。

我之前搭 Agent，80% 的时间在调 prompt。看完这堆源码才发现方向反了。

6 个值得学的工程决策

1. 被禁用的工具，连 Schema 都不发给模型。

Claude Code 里约 40 个工具，29,000 行定义代码。被拒绝的工具，模型的工具列表里看不到，自然不会去调用。

我之前搭 OpenClaw 的 agent，在 prompt 里写了一堆「不可以调用 XX 工具」，模型照调不误。改成不注册 Schema 之后，幻觉调用直接没了。

2. 上下文用到 92% 自动压缩。

压缩比 6.8 倍，语义损失不超过 3%。150K token 压到 25K。掘金上的拆解文章记录了六种不同的压缩策略，根据 session 状态动态选择。

我之前的 agent 长对话到后半段就开始忘前面说了什么。上下文管理不是优化项，是架构决策。

3. Agent 会自己做梦。

后台有个服务叫 autoDream。触发条件：距上次 Dream 超过 24 小时 + 至少 5 个新 session + 获取排他锁。触发后执行四个阶段：感知、采集、整合、修剪。这个 Dream 子 Agent 只有只读权限。

大多数 Agent 的记忆就是把对话存档。Claude Code 的记忆是会自己整理笔记的。

4. 文件编辑不用 diff，用字符串替换。

FileEditTool 接受old_string和new_string。不用 unified diff，不用行号。让 LLM 生成合法 diff 太容易出错。字符串替换更不容易出错，在 Agent 工程里可靠性永远排在优雅前面。

5. 系统提示词切成静态和动态两段。

静态段命中 API prompt cache 不花钱。动态段根据项目变化。一刀切两段，成本直接降下来。

6. 多 Agent 协调要防偷懒。

Coordinator 的 prompt 里写死了一条规则：Do NOT say 'based on your findings' — read the actual findings and specify exactly what to do.

我之前搭多 Agent 系统踩过完全一样的坑。主 Agent 指令太模糊，子 Agent 输出一堆无关内容，最后质量还不如单 Agent。Claude Code 的解法不优雅但有效：在 prompt 里硬编码反偷懒规则。

51 万行源码里的 6 个工程决策

和 Codex 的核心分歧

这下奥特曼怕是做梦都会笑醒。来对比一下它们。

Codex 在操作系统内核层做安全。Seatbelt、Landlock、seccomp 沙箱。粒度粗，逃逸难度极高。代码跑在云端容器。

Claude Code 在应用层做安全。17 个生命周期钩子，6 层安全门控，每次工具调用安全检查开销 0.8ms。粒度细，可编程性强，但跟用户进程共享边界。

Codex 选了绝对隔离。Claude Code 选了精细控制。

Claude Code vs Codex 架构对比

两个未发布的隐藏功能

KAIROS：不等输入的 Claude。每隔一段时间自己触发，检查有没有事情可以主动做。15 秒阻塞预算——任何阻塞用户超过 15 秒的操作自动推迟。

BUDDY：完整的电子宠物系统。18 个物种，5 个稀有度等级，闪光传说级出现概率 0.01%。发布窗口看代码是 4 月 1-7 日。实际上已经发布了，文章我发晚了。。。

02

泄漏之后 24 小时，全球开发者造了什么

这部分才是我真正想写的。

源码泄漏本身是一个事件。但它引爆的开源生态，才是真正改变 Agent 开发格局的东西。

截至今天，GitHub 上标记claude-code的仓库超过14,691 个。覆盖 Python、TypeScript、Shell、JavaScript、Go、Rust 六种语言。其中包括 GitHub 历史上增长最快的仓库。

我按类别梳理一遍。每个类别我会标出最值得关注的项目和它解决的问题。

源码泄漏引爆开源生态

一、洁净室重写：四种语言，不到 24 小时

不是复制源码，是从零重写。架构上学 Claude Code，代码上完全自己写。法律上叫洁净室工程。

claw-code（Python + Rust）[1]

这个项目 2 小时内拿了 50,000 stars，24 小时内突破 100,000 stars。GitHub 历史上增长最快的仓库。超过了之前的记录保持者 OpenClaw。

创建者 Sigrid Jin 是 Claude Code 最活跃的用户之一，《华尔街日报》报道过她一年消耗了 250 亿 token。她在泄漏当天凌晨 4 点用 Codex 做编排工具，从零重写了 Python 版本。现在 Rust 移植也在推进中，跨 8 个 crate。

Anthropic 对直接源码镜像发了 DMCA，但没有对这个洁净室重写采取行动。

Kuberwastaken/claude-code（Rust）[2]

方法更严谨：一个 AI Agent 分析源码产出行为规格，另一个 Agent 仅根据规格实现。维护者引用了 1984 年 Phoenix Technologies v. IBM 的洁净室法律先例。

opensolon/soloncode（Java）[3]

Gitee 上的 Java 实现。面向中国企业开发者生态。

二、教学项目：把架构变成课程

这个类别对做 Agent 的人价值最大。不是看源码，是有人把源码拆成了可以跟着学的课程。

learn-claude-code（46,200 stars）[4]

副标题「Bash is all you need」。12 个课时，每个课时逆向工程一个机制：Agent 循环、工具使用、子 Agent 生成、技能加载、上下文压缩、任务系统、后台任务、Agent 团队、自主 Agent、worktree 隔离。

一个综合文件s_full.py组合了所有机制。有英文、中文、日文文档。

核心理念：模型就是 Agent，代码就是 Harness。Build great harnesses, the agent will do the rest.

这个项目我认为是整个生态里最值得花时间看的。不是因为它代码量大，是因为它把 51 万行代码的核心设计浓缩成了 12 个可学习的模块。

mini-claude-code[5]

更极致的浓缩。5 个渐进式 Python 文件，总共 1,100 行。从 16 行的最小 bash Agent 到 550 行带技能加载的完整版本。

适合完全没做过 Agent 的人入门。

claw0（7,000 行 Python）[6]

10 个章节，7,000 行 Python。专注于常驻 Agent 功能。五个阶段：Foundation → Connectivity → Brain → Autonomy → Production。

claude-code-deep-pe[7]

中文深度研究报告。PDF 输出。覆盖架构、系统提示词、Agent 调度链、技能、插件、钩子、MCP 集成。关键结论：「Claude Code 的强大来自一套完整的软件工程体系，不是一个神秘的系统提示词。」

claude-code-agent-teams-exercises[8]

8 个练习 + 3 个综合项目。专门学习 Agent Teams 协调模式。

三、解锁版：去遥测、开隐藏功能

法律上最有争议的类别。直接改泄漏源码。我列出来是因为它们确实存在，但不建议在生产环境用。

free-code（2,600 stars）[9]

去掉了所有遥测（OpenTelemetry、GrowthBook、Sentry），剥离了安全提示词护栏，解锁了 45+ 实验性 feature flag，包括 VOICE_MODE、KAIROS、COORDINATOR_MODE、DAEMON。

claude-code-haha[10]

中国开发者项目。修复了泄漏源码的多个阻塞问题，做出了完全本地可运行的版本。关键是支持通过ANTHROPIC_BASE_URL接入国内 LLM 提供商（MiniMax 等）。在中文开发者社区很受欢迎。

claude-private[11]

二进制补丁方案。替换了 15 个遥测 URL，清零了 Datadog token。核心功能不受影响。

四、架构可视化和分析工具

claude-code-reverse（2,200 stars）[12]

泄漏前就有的项目。最初是用 LLM 对混淆后的 JS 做静态逆向。泄漏后升级到 v2：基于运行时的动态逆向，拦截 Claude Code → LLM API 请求来理解实际行为。提供日志可视化工具。

sanbuphy/claude-code-source-code（9,200 stars）[13]

四语种（英/日/韩/中）深度分析。记录了模型代号：Capybara = Claude 4.6，Fennec = Opus 4.6，Numbat = 未发布。完整路线图分析。

nirholas/claude-code（6,300 stars）[14]

附带一个 MCP 服务器，让 Claude Desktop、VS Code Copilot、Cursor 都能交互式探索 Claude Code 的完整源码。覆盖约 40 个 Agent 工具和 85 个斜杠命令。

collection-claude-code-source-code[15]

聚合仓库。追踪从 3 月 31 日起的每一个重要分析、文章和社区反应。中英文 README。当做索引用。

五、技能和插件生态

这个类别增长最猛。GitHub 上claude-code话题下 14,691+ 仓库，其中很大一部分是技能和插件。

awesome-claude-code（30,900 stars）[16]

整个生态的 awesome list。903 次提交。精选收录了技能、钩子、斜杠命令、Agent 编排器、插件。想找什么先来这里搜。

claude-code-plugins-plus-skills[17]

340 个插件 + 1,367 个 Agent 技能。自带包管理器 CCPI。还附带 Prism Scanner，一个 Agent 技能安全扫描器，39+ 规则 + AST 污点追踪。

awesome-claude-code-toolkit[18]

135 个 Agent + 35 个精选技能（通过 SkillKit 可访问 400,000+）+ 42 个命令 + 150+ 插件 + 19 个钩子 + 15 条规则 + 7 个模板 + 8 个 MCP 配置。目前最全的工具包。

claude-code-skills[19]

覆盖完整交付生命周期的插件套件。含 hex-line（哈希验证文件编辑）、hex-graph（代码知识图谱）、hex-ssh（远程 SSH）。900+ 编号技能。

泄漏 24h 后的开源生态版图 · 按 Star 量级分布

六、CLAUDE.md 生成器

Claude Code 的配置文件 CLAUDE.md 是整个系统的指令核心。泄漏之后，一批工具专门帮你生成和优化它。

claude-code-templates[20]

CLI 工具，npx claude-code-templates@latest。600+ Agent、200+ 命令、55+ MCP、39+ 钩子、14+ 模板。交互式 Web 界面。

claude-md-templates[21]

最佳实践入门套件。Next.js/TypeScript、Python/FastAPI、通用技术栈三套模板。建议 CLAUDE.md 保持在 80 行以内。

claudemd-generator[22]

输入一个 DNA 文件，生成定制的 CLAUDE.md。也有 Web 版。

七、记忆系统实现

autoDream 是泄漏里最让人兴奋的设计。但目前没有开源项目完整复制了它。

ai-dream[23]

目前最直接的实现。记录了官方三层记忆架构（索引层 + 主题文件 + 对话记录），提供了一个可定制的 OpenClaw 版本，带 DREAM.md 配置文件。做梦周期：检测陈旧度 → 生成后台子 Agent → 审查 → 整合 → 更新 MEMORY.md。

这个项目离官方实现还有距离，但方向对。做 Agent 的人可以在这个基础上改。

八、上下文压缩工具

contextzip[24]

基于钩子的压缩器。堆栈跟踪从 30 行压到 3 行，npm install 输出剥离弃用警告。有损压缩，但只损 Claude 不看的部分。

cozempic

会话修剪插件。13 种修剪策略 + Agent Team 保护 + MCP 服务器。

GitHub Gist 上 badlogic 写了一篇对比调研，记录了 Claude Code、Codex CLI、OpenCode、Amp 四家的压缩策略。做上下文管理的人必读。

九、多 Agent 协调框架

oh-my-claudecode（9,900 stars）[25]

五种执行模式：Autopilot、Ultrapilot（3-5 倍并行）、Swarm、Pipeline、Ecomode。31+ 技能，32 个专业 Agent。支持 Claude、Codex、Gemini 三家模型。

claude_agent_teams_ui[26]

看板式桌面 UI。Agent 自行处理任务、互相发消息、互相审查代码。支持 diff 级别的审查。token 监控仪表盘按用户消息、CLAUDE.md、工具输出、思考和团队协调分类。

claude-code-teams-mcp[27]

把 Claude Code 内部的 Agent Teams 协议抽出来做成独立 MCP 服务器。用 tmux 生成 Agent，JSON 收件箱通信，原子写入协调。适用于任何支持 MCP 的工具。

03

目前生态里还缺什么

翻完这一百多个项目之后，我整理了几个还没有人做好的方向。

14,691 个仓库里还没有人做好的 6 个方向

autoDream 记忆整合管线。VoidLight00/ai-dream 记录了架构，但没有匹配官方实现的精密度。特别是夜间生成分叉子 Agent 进行记忆整合的完整流程，没有开源项目做到。

KAIROS 自主模式。常驻后台运行、周期性 tick 提示、15 秒阻塞预算、append-only 观察日志——这套东西没有等价的开源实现。

KV 缓存分叉合并。Claude Code 通过分叉 prompt 缓存让子 Agent 并行化基本免费。这需要服务器端基础设施，开源项目做不到。

ULTRAPLAN。把复杂规划卸载到云端容器，跑 Opus 4.6，最长 30 分钟思考时间。目前没有任何替代品。

安全验证体系。2,500 行 bash 验证安全检查 + 8 层安全防御。没有衍生项目匹配了这个投入。

跨境电商场景的 Agent Skills。这个不是 Claude Code 缺的，是整个生态缺的。14,691 个仓库里，面向跨境电商场景的 Claude Code Skills 几乎为零。选品调研、Listing 优化、竞品监控、红人邮件管理——这些场景全部是空白。

04

我的判断

做 Agent，80% 的精力应该花在 Harness 上，不是花在调 prompt 上。

这个判断在泄漏之前是我的直觉。现在有 51 万行源码和 14,691 个衍生项目来证明。

如果只能从这篇文章里带走一件事：去看 shareAI-lab/learn-claude-code[4]。12 个课时，从零开始理解 Agent Harness 的每一个核心机制。这比读任何一篇分析文章都有用。

如果正在搭 Agent 或者在用 AI 做自动化，这篇值得收藏。有具体问题可以评论区聊——上下文压缩、记忆系统、多 Agent 协调这几块，我还在深入研究，后面会出专题拆解。

以上提及的项目地址我放评论区了。