企业官网建设流程全解析

Dive into Claude Code 深度解析：Agent核心循环的9步管线与5种停止条件

【免费下载链接】Dive-into-Claude-CodeA Systematic Analysis and Discussion of Claude Code for Designing Today's and Future AI Agent Systems项目地址: https://gitcode.com/gh_mirrors/di/Dive-into-Claude-Code

Dive into Claude Code 是一个对 Claude Code 进行源码级架构分析的开项目，它拆解了 AI 智能体（Agent）核心循环的每一轮是如何运转的。本文将带你快速看懂贯穿智能体循环的9 步管线与5 种停止条件——你会发现，这套系统 98.4% 都是确定性基础设施，真正负责“思考”的 AI 逻辑只占约 1.6%。

为什么值得读这份解析

大多数人以为“聪明的 Agent”来自更复杂的模型或更花哨的循环，但 Claude Code 给出的答案恰恰相反：

• 核心循环就是一个 while 循环，遵循 ReAct 模式：组装上下文 → 调用模型 → 分派工具 → 检查权限 → 执行 → 重复。
• 复杂度在循环之外：权限门控、上下文管理、工具路由、故障恢复，这些才是让 Agent 稳定可靠的“骨架”。

这个观点来自 README.md 的 TL;DR：“Agent 循环是一个简单的 while 循环；真正的工程复杂度存在于它周围的系统里。”理解了这一点，你就抓住了整个架构的命脉。

系统全景：Agent 核心循环如何嵌入整个系统

Claude Code 由 7 个组件构成：用户 → 接口 → Agent 循环 → 权限系统 → 工具 → 状态与持久化 → 执行环境。其中Agent Loop 是心脏，它向上向工具“提出行动”，由权限系统给出“允许/询问/拒绝”，再把工具结果收集回来，同时负责从状态中读取数据并持久化。

整个系统可以看成5 层、21 个子系统：表层（入口与渲染）、核心层（Agent 循环 + 压缩管道）、安全/行动层（权限、工具、钩子）、状态层（转录、记忆）、后端层（Shell、MCP、沙箱）。这张分层图能帮你定位“核心循环”在其中的位置——它处在核心层，而上下文整形、压缩管道都围绕它服务。

智能体循环的 9 步管线：每一轮都走这条流水线

这是本文的核心。Claude Code 的每一轮（turn）都严格执行一条 9 步管道，无论来自命令行、SDK 还是 IDE，所有入口最终都汇聚到同一个queryLoop：

第 4 步是很多人忽略的关键：在调用模型之前，系统会按顺序检查五个上下文整形阶段（预算缩减 → 裁剪 Snip → 微压缩 Microcompact → 上下文折叠 Context Collapse → 自动压缩 Auto-Compact），每个阶段只在满足自身条件时才真正改动上下文。这样模型始终拿到“刚好够用、又不超载”的信息。

💡 两条执行路径：StreamingToolExecutor让工具一边流入一边开始执行（降低延迟）；后备的runTools则把工具区分为“可并发安全”与“互斥”两类。

5 种停止条件：循环什么时候停

一个 Agent 循环最怕失控——既不能该停不停（无限打转、烧钱），也不能不该停就停（任务没做完）。Claude Code 用恰好 5 种停止条件来控制循环的边界，这也是长任务 Agent 稳定性的关键：

这张“停止条件清单”是长任务 Agent 的核心机制：它让系统知道何时该继续、何时该验证、何时该停下来找人，而不是盲目地把 token 花光。

上下文与恢复：循环之外的“隐形护栏”

循环能跑得稳，靠的是两样东西：稳定的上下文，和出错后的恢复。

• 9 个有序上下文来源：系统提示 → 环境信息 → CLAUDE.md 层级 → 路径规则 → 自动记忆 → 工具元数据 → 对话历史 → 工具结果 → 压缩摘要。
• 4 级 CLAUDE.md 记忆：托管级 → 用户级 → 项目级 → 本地级，全部基于文件，可查、可改、可进版本控制。

循环并非“一错就崩”，而内置了多重视恢复机制：

• 输出 token 上限逐级放宽：每轮最多重试 3 次
• 反应式压缩：每轮最多触发一次
• 提示过长降级：上下文折叠溢出 → 反应式压缩 → 终止
• 流式后备 + 备用模型切换：主路径失败时自动兜底

这套“恢复护栏”正是 98.4% 基础设施的核心体现——循环本身很简单，难的是让它在真实世界里不出事。

小结：把这份解析用起来的 3 个要点

1. 别把复杂度押在模型上：Agent 的可靠来自循环之外的权限、上下文与恢复系统，这就是“护城河是 harness 而非模型”的含义。
2. 给循环装好 9 步管线和 5 种停止条件：明确每一轮做什么、何时停，是长任务 Agent 不打转、不失控的前提。
3. 上下文是稀缺资源：先用渐进式压缩“整形”，再交给模型，远比事后截断更稳。

想继续深入，可阅读 docs/architecture.md 的“轮次执行：9 步管道”章节，以及 docs/architecture_zh.md 的中文详解；若你想亲手构建自己的 Agent，docs/build-your-own-agent.md 提供了从设计问题到取舍的完整指南。

【免费下载链接】Dive-into-Claude-CodeA Systematic Analysis and Discussion of Claude Code for Designing Today's and Future AI Agent Systems项目地址: https://gitcode.com/gh_mirrors/di/Dive-into-Claude-Code