Claude Code泄密！演示AI最前沿的「Harness工程」！

3月31日，Anthropic照常更新Claude Code，版本號2.1.88，看著毫無波瀾。

一個小時后，安全研究員Chaofan Shou在X上發了條帖子：他翻npm包，找到一個source map文件，里面藏著Claude Code的完整TypeScript源代碼。

51.2萬行代碼、1900個文件、35+子系統全部曝光。

24小時內，GitHub上冒出多個fork倉庫，其中一個拿下3.2萬星標、4.4萬次fork。全球開發者像拆圣誕禮物一樣，把這個AI編程工具翻了個底朝天。

看完代碼大家才意識到用好AI的門道原來這么多，所謂「Harness工程」原來這么玩！

今天，我們聊聊這堂價值數十億美元的系統架構公開課。

Python重構避免版權問題的claw-code項目飆升 Claude Code這次究竟暴露了啥？

先澄清一個誤解：這些泄露的不是AI模型。

這次暴露的是Anthropic官方套殼的Claude Code代碼，涉及到怎么調度AI模型、管理記憶、執行工具、處理權限，這一整套工程代碼。

打個比方：AI模型是千里馬，泄露的是馴馬師的全套手冊。技術上看影響好像還好，但這事可能比泄露模型權重更重要。

它等于告訴所有開發者、用戶，AI編程賽道頭部玩家如何管理AI員工、設計AI產品。

看完這套框架，你不一定能開發出好的AI產品，但一定對用好AI會有更深的理解。

三層記憶與睡眠模式

用AI寫過代碼的人大概都碰過這種事：前10分鐘它還記得你的項目結構，半小時后就開始犯糊涂，把寫好的函數名搞錯，甚至忘了你在做什么。

業內有時候會把這種情況稱為「上下文熵增」：對話越長，AI越容易產生幻覺和矛盾。所有AI編程工具都卡在這里。

Claude Code的源代碼揭示了Anthropic的解法：三層記憶架構。

第一層：MEMORY.md 輕量索引

每次會話啟動，Claude Code都會加載一個叫MEMORY.md 的文件。這個文件不存數據，存的是各種信息、文件地址，每行大約150個字符，指向具體的文件。類似圖書館的索引卡，告訴AI哪個文件放在哪個文件夾，你需要了自己去拿。

為了避免索引被濫用，還設置了25KB的上限，需要持續優化，防止「工作記憶」被垃圾信息淹沒。

第二層：主題文件，按需加載

簡單說就是項目知識分散在多個主題文件中，用到才加載。你在改前端代碼，AI不會把后端架構文檔也塞進來占token。

盡可能降低AI的上限文窗口占用。

第三層：完整會話記錄，可搜索但不回讀

這是最有趣的一個點，Claude Code得所有歷史對話都會保存，但AI不會每次執行任務都把以前的對話都看一遍。

只有需要了解某個具體細節時，Claude Code會搜索，提取相關片段，看看當時提的要求是什么，怎么設計的。

三層配合，用最小的上下文開銷覆蓋最大的知識范圍，已經是很精妙了設計，但源代碼里還藏著更有趣的東西。

聊天多了、執行多了，記憶同樣會爆炸，前面的優化只是解決眼下的問題，面對信息爆炸該怎么辦？

Anthropic設計了后臺進程KAIROS，它會執行名為AutoDream（對，就叫「自動做夢」）的程序，就像人類睡覺時大腦整理記憶一樣，在不干活時悄悄管理記憶。

AutoDream之前就已經公布了，但這次暴露了它的實現原理：

1. 定向掃描：讀取記憶索引和已有主題文件

2. 信號采集：從每日日志里提取新信息，檢測「記憶漂移」，揪出跟當前代碼矛盾的舊記憶

3. 整合歸并：把新信號合并進主題文件，相對日期轉絕對日期，刪掉過時的事實

4. 修剪索引：更新MEMORY.md，控制在25KB以內

Claude Code正在變成「常駐CTO」，記住你的項目，后臺主動消化、整理、更新對項目的理解。

提示詞工程到「Harness 工程」

看到這，無論你用AI的水平如何，想必都能感受到Anthropic在管理AI上確實有一套。

值得我們學習的還不止這些！

源代碼泄露前一周，Anthropic官方博客發了一篇被嚴重低估的文章：《Harness Design for Long-Running Application Development》。

作者Prithvi Rajasekaran來自Anthropic Labs團隊，提了一個新概念：Harness Engineering，韁繩工程。

2024年是「提示詞工程」元年，2025年輪到「上下文工程」，2026年新戰場叫「韁繩工程」。

所謂「韁繩工程」就是隨著AI能力繼續提升，我們需要的已經不是簡單的一句一句和AI對話，而是要設計一套系統，馴服AI寫代碼的過程，讓它在長時間復雜任務里不跑偏、不掉鏈子。

Rajasekaran發現，AI獨立完成復雜編程任務有兩個致命問題：

上下文焦慮，對話變長，AI開始「緊張」，覺得自己快用光上下文窗口了，于是匆忙收尾、草率交活。這是行為問題，不是幻覺問題。

自我評估偏差，讓AI檢查自己寫的代碼，跟讓學生給自己的考卷打分一樣，幾乎總給高分，哪怕代碼一塌糊涂。

他的解法借鑒了GAN（生成對抗網絡）的思路：Generator（生成器）：負責寫代碼，Evaluator（評估器）：負責打分、找bug、提改進意見。

兩個獨立的AI，一個干活，一個挑刺。評估器用Playwright實際操作運行中的應用，點按鈕、填表單、測API，然后按詳細標準打分反饋。

同一句需求：「做一個2D復古游戲編輯器，包含關卡編輯、精靈編輯、實體行為和可玩測試模式。」

任務跑下來，效果驚人、成本也驚人：普通模式下一個Agent開發20分鐘，花了9美元，做出一個能看不能玩的游戲。

采用Harness工程，AI開發了6個小時，花了200美元，但造出了真正的游戲，不光完成了基本需求，還自動擴展出16個功能模塊：精靈動畫系統、行為模板、音效音樂、AI輔助關卡設計、游戲導出和分享鏈接。

貴了20倍以上，但也帶來了真實能力的質變。

普通人可能只看到花更多錢就能取得更好的效果，但真正的創業者會意識到，好的「Harness工程」藏著巨大的機會。

你不需要會開發AI大模型，只是在模型的管理與控制上有一套自己的解法，或許就能推出一個嶄新的產品。

官方演示的游戲原型 重新認識AI時代的護城河

AI工具的護城河在哪？這個問題的答案一直在變。

2024年拼模型能力，2025年大家在提上下文管理，到了2026年回到了最本質的問題：系統工程。

Claude Code的泄露就是告訴大家：模型是發動機，模型之上的各種設計才能造出真正的賽車。

從提示詞工程到上下文工程，再到韁繩工程，AI時代的技術范式每半年刷新一次。

面對這么多概念、炒作，你是不是感覺手足無措？無從下手？

如果你也想快速了解最新、最有價值的AI用法，成為駕馭AI工程的人，歡迎加入前哨AI小課第五季

前哨AI小課2022年上線，Tina幫助數千會員持續迭代，掌握最前沿的AI工具、最佳實踐，幫助大家把AI用到自己的工作生活中。

與其碎片化地追熱點，不如用一套結構化課程，把AI的底層邏輯一次搞清楚。

掃碼/點擊鏈接，加入「前哨AI小課」，用最短時間建立最扎實的AI認知。