Claude Code 泄露源码解读 从 Agent 循环到工具权限与上下文管理

让编程助手解释一段代码，和让它把一个问题修好，是两种很不一样的体验。前者把答案写在对话框里就够了；后者要碰到真实文件、真实命令，还得面对用户随时插进来的修改。

假设你给它这样一句话：“切换几次 3D 模型，页面就越来越卡。帮我找原因，修完跑一下项目现有的检查。”终端里开始搜索、读文件、改代码，看起来顺理成章。但这些动作靠什么衔接？读到一半文件变了怎么办？测试命令报错以后，是继续修，还是直接结束？

这几个问题，比找一段神奇的系统提示词更吸引我。它们决定一个助手能不能在真实项目里持续工作，也正好是这次源码阅读的主线。

2026 年 3 月 31 日，Claude Code 的一次 npm 发布意外暴露了内部源码。@anthropic-ai/claude-code 的 2.1.88 版本带上了不应公开的 source map，相关源码随后被保存和整理到多个仓库中。这次事件让开发者得以直接阅读一个实际编程代理的客户端实现。事件报道

本文使用的泄露源码整理仓库：hujinbin/claude-code。 想边读边对照，可以从这里打开目录；文中的源码引用另外固定到了具体提交，方便以后回看。

分析基线是提交 480314ded0d2f60bd854ff3e2661116d0f3a1b5e，整理提交日期为 2026 年 4 月 13 日。本文以静态阅读为主：副本缺少完整构建配置和部分模块，下面的修复场景用于解释代码，不是一份实际运行报告；讨论范围也限定在这份实现。

沿着代码走下去，会看到一套围绕模型组织起来的运行时：它维护消息，调度工具，检查权限，管理上下文，也负责把任务收住。这类系统在 Agent 工程里常被称为 Harness。这个词听起来抽象，放进上面的修复任务里就好理解了：模型决定下一步试什么，运行时把这个决定落到实际操作上，再把发生的事情告诉模型。

从 source map 泄露说起

Source map 用来关联构建后的代码与原始源码，方便调试。根据生成方式，它可能包含原始源码内容，也可能暴露指向源码的路径或位置。因此，拿到相应调试产物，有时就能看到远比压缩后 JavaScript 更完整的实现，而无需重新推导源程序。Source map 说明

这次泄露属于发布链路中的调试产物暴露。Anthropic 将事件归因于人为造成的发布打包失误。公司回应

这件事给开发者的提醒很具体：编译结果、调试产物和最终发布包，需要分别看待。调试文件对排查线上问题很有用，但“内部调试需要它”和“用户安装包应该带上它”是两回事。

至于“Bun 默认生成 .map，忘写 .npmignore 就会泄露”的说法，细节还要分开看。Bun 当前文档列出的 sourcemap 默认值是 none；实际生成方式和打包范围取决于项目自己的配置。这份副本没有原始发布配置，因此下面重点研究泄露出来的实现。Bun 构建文档

本文把它作为泄露源码来读，并不把它称作官方主动开源。阅读对象是编程代理的客户端工程，范围也不延伸到模型权重或全部云端服务。

📝 前言

在 AI 大模型时代，越来越多的 Web 应用需要集成智能对话功能。然而，前端技术栈的多样性（Vue、React、jQuery 等）给开发者带来了一个难题：如何开发一个一次编写、到处运行的 AI 对话插件？

本文记录了 AI Agent Plugin 项目从诞生到完成的全过程，分享技术选型、架构设计、核心实现以及遇到的挑战与解决方案。

🎯 项目背景与目标

痛点分析

在实际项目中，我们遇到以下问题：

1. 技术栈碎片化：公司不同项目使用 Vue 2、Vue 3、React、jQuery 等不同技术栈
2. 重复开发成本高：每个技术栈都要单独开发一套 AI 对话组件
3. 维护困难：功能更新需要同步修改多个版本
4. 样式冲突：插件样式容易被宿主项目覆盖

设计目标

基于以上痛点，我们确定了以下核心目标：

• ✅ 跨框架兼容：一套代码支持 Vue、React、jQuery 等任意前端框架
• ✅ 零依赖：不依赖任何第三方框架，纯原生实现
• ✅ 样式隔离：避免与宿主项目样式冲突
• ✅ TypeScript 支持：提供完整的类型定义
• ✅ 主题定制：支持浅色/深色主题和自定义配色
• ✅ 灵活配置：支持流式/普通响应、四角定位等

AI Tools 完全指南：从选择到集成的全链路实践

一篇帮你快速掌握 AI 工具生态、选型决策和集成开发的实战手册

引言：AI 工具的爆发式增长

2023 年 ChatGPT 爆火后，AI 工具市场迎来了井喷式增长。据统计，目前市面上有超过 10,000+ 款 AI 工具，涵盖从文本生成、图像创作、代码开发到数据分析的各个领域。

作为开发者，我们面临的问题不再是”有没有 AI 工具可用”，而是：

• 😵 选择困难：这么多工具，该用哪个？
• 🔧 集成复杂：如何将 AI 能力集成到自己的应用中？
• 💰 成本控制：免费还是付费？API 调用费用如何？
• 🎯 效果评估：哪个工具真正好用？

本文将系统性地解决这些问题，帮你建立完整的 AI 工具知识体系。

一、AI Tools 全景图

1.1 按功能分类

📝 文本生成类

对话型

• ChatGPT：OpenAI 出品，最强大的通用对话模型

  • 优势：理解能力强、知识面广
  • 适用：写作、编程、分析、翻译
  • 成本：$20/月（Plus）或按 Token 计费

• Claude：Anthropic 出品，擅长长文本理解

  • 优势：200K 上下文窗口、安全性高
  • 适用：文档分析、长篇创作
  • 成本：免费 / Pro $20/月

• Gemini：Google 出品，多模态能力强

  • 优势：与 Google 生态整合
  • 适用：搜索增强、多语言任务
  • 成本：免费 / Advanced $20/月

• 文心一言：百度出品，中文优化

  • 优势：中文理解好、本地化
  • 适用：中文内容创作
  • 成本：基础免费

AI Agent：从对话工具到智能助手的进化之路

从 ChatGPT 到 AI Agent，人工智能正在经历从”被动回答”到”主动执行”的范式转变

前言

当你打开 ChatGPT，输入”帮我写一份项目报告”，它会给你一份精美的文本输出。但如果你说”帮我把这份报告发给团队，并安排明天下午的会议”，ChatGPT 就无能为力了。

这正是 AI Agent 诞生的原因——我们需要的不只是一个会说话的 AI，而是一个能真正帮我们做事情的智能助手。

什么是 AI Agent？

定义

AI Agent（人工智能代理） 是一个能够自主感知环境、做出决策并采取行动以实现特定目标的智能系统。

用更简单的话说：

• ChatGPT 像是一位博学的顾问，你问什么它答什么
• AI Agent 像是一位能干的助理，你给它一个目标，它会自己想办法完成