第 04 课：Vibecoding 究竟是如何运作的

你已经了解到 AI 智能体（agent）和聊天机器人不一样：它不只是回应，它还会采取行动。你描述你想要的东西，智能体编写代码、运行代码、不断迭代。

但它是怎么做到的？编程智能体内部到底有什么，能让它完成这一切？

本课程中你会用到的每一个智能体（Replit 的 agent、Codex、Cursor 等等）都是由相同的核心组件构建而成。它们的封装方式和默认配置不同，但底层结构是一样的：一个模型、一个上下文窗口、一组工具、一个循环，外加把它们包裹起来的 harness（外壳/运行时）。一旦你理解了这些组件，你就能对任何编程智能体做出推断——什么时候该用哪一个，以及它为什么会表现成那样。

为了让这些组件具体起来，我们会以 Anthropic 的 Claude 作为贯穿全文的例子。深入剖析一个具体的智能体，比同时对比五个更容易看清结构。我们讲到的一切，对其他智能体也适用，只是名字略有不同。

可以把它想象成一辆汽车。你不需要成为机修工才能开车，但知道车里有发动机、变速箱、轮子和油箱，能帮你理解它为什么会有那样的表现。我们对编程智能体做的就是同一件事。

---

整体图景

Claude 不是一个单独的东西。它是一组协同工作的分层结构：

1. 模型（The Model）：负责读写文本的「大脑」。
2. 上下文窗口（The Context Window）：大脑此刻能看到的全部内容。
3. 系统提示（The System Prompt）：塑造行为的常驻指令。
4. 工具（Tools）：让大脑在现实世界做事的「双手」。
5. 智能体循环（The Agentic Loop）：让大脑不断行动、观察、迭代的引擎。
6. 记忆与 CLAUDE.md（Memory & CLAUDE.md）：跨会话保留的长期笔记。
7. Skills、Hooks 和 Settings：配置 Claude 如何运行的 harness。
8. MCP：让 Claude 接入外部系统的「插头」。

我们一个一个来看。

---

第 1 层：模型（大脑）

Claude 的核心是一个 大语言模型（large language model，LLM）：一个被训练来根据输入预测下一段文本的神经网络。这听上去几乎过于简单，但规模会改变一切。在海量代码、文档和文字上训练之后，模型学会了推理、遵循指令，并能用几十种语言生成可工作的代码。

Claude 系列有不同的尺寸：

• Opus：能力最强，适合困难推理和长任务。
• Sonnet：能力与速度的平衡。默认主力。
• Haiku：最快也最便宜，适合大量简单任务。

模型本身是 无状态（stateless） 的。它自己不会在请求之间记住任何东西。每次给它发消息，你都必须把它需要知道的一切一并发过去。这就是上下文窗口登场的地方。

---

第 2 层：上下文窗口（Claude 看到的东西）

上下文窗口（context window） 是 Claude 当下能同时看到的所有内容：你当前的消息、对话中过去的消息、它读过的文件，以及它运行工具得到的输出。它就像 Claude 在这次会话中的短期工作记忆。

上下文是用 token（令牌）来度量的。一个 token 大致是四分之三个英文单词，或一小段代码。现代的 Claude 模型可以看到最多 200,000 个 token（标准）甚至 1,000,000 个 token（扩展），足以容纳一个小型代码库。

关于上下文窗口，有几件重要的事：

• 越大并不总是越好。 更多 token 意味着更多花费和更多处理时间。
• 它会被填满。 在长任务中，Claude Code 会自动总结较早的轮次，以保持在上限之内。
• 不在上下文里的东西，对 Claude 来说就不存在。 如果一个相关文件还没被读入，Claude 就无法对它进行推理。它必须先用 Read 把文件读进来。

这就是为什么好的 vibecoding 往往意味着把 Claude 指向正确的文件。你在塑造最终进入上下文窗口的内容。

---

第 3 层：系统提示（常驻指令）

在你发出第一条消息之前，Claude 就已经收到了指令。它们来自 系统提示（system prompt）：应用程序（比如 Claude Code）每一轮都放在上下文窗口最顶端的一段文本。

系统提示告诉 Claude：

• 它是谁（「You are Claude Code, Anthropic's official CLI…」）。
• 它能用哪些工具，以及如何使用。
• 行为规则（如何处理风险操作、什么时候需要和用户确认、如何组织回复）。
• 任何项目相关的上下文（关于 CLAUDE.md 我们下文再说）。

可以把系统提示看作 Claude 每次「上班」前都会读一遍的 岗位说明书。它一直在那里，安静地引导着行为。如果 Claude Code 在删除文件时显得格外谨慎，那就是系统提示在发挥作用。

---

第 4 层：工具（双手）

模型可以读写文本，但仅靠文本无法编辑文件或运行测试。工具（tools） 才是让 Claude 能真正动手做事的东西。

一个工具就是一个具名的能力，带有定义好的输入和输出。当 Claude 判断需要使用某个工具时，它会输出一个结构化的请求，比如 Read(file_path="src/app.js")，由 harness 实际执行并把结果送回来。

在 Claude Code 中，内建工具箱包括：

• Read：打开一个文件并查看其内容。
• Write：创建一个新文件。
• Edit：对已有文件做精确修改（diff 风格）。
• Bash：运行一个 shell 命令（测试、构建、git，任何东西）。
• Grep：在文件内容中搜索某个模式。
• Glob：按文件名模式查找文件。
• WebFetch / WebSearch：在线查资料。
• Agent：派生一个子智能体处理一个聚焦的子任务。

没有工具，Claude 只能产出文本。有了工具，Claude 就能调研代码库、修改它、运行它，并看到发生了什么。工具是「给你建议的 AI」和「替你把事情做完的 AI」之间的差距。

---

第 5 层：智能体循环（引擎）

我们已经有了模型（大脑）、上下文（短期记忆）、系统提示（岗位说明）和工具（双手）。把这一切串起来的，是 智能体循环（agentic loop）。

每一轮，Claude 都做这件事：

1. 思考（Think）。 读取完整上下文，推理下一步该做什么。
2. 行动（Act）。 要么用文本回复，要么调用一个工具。
3. 观察（Observe）。 如果调用了工具，就读取工具的结果。
4. 重复（Repeat）。 用新得到的信息决定下一步。

循环会一直运行，直到 Claude 判断任务已经完成。

这就是整个游戏。一个「修测试」的任务可能是这样的：跑测试（Bash）、读失败的测试（Read）、读源码（Read）、提出假设、修改（Edit）、再次跑测试（Bash）、变绿、汇报。每一步都是循环的一轮。

因为循环会一直跑到任务完成，Claude 可以处理需要很多步骤的任务，而不需要你逐步审批每一步。你描述目标；循环就一直转，直到目标达成。

---

第 6 层：子智能体（委托）

对于大任务，Claude 可以派生 子智能体（sub-agents）：处理一个聚焦子任务并把结果汇报回来的、独立的智能体循环实例。

假设你让 Claude 重构 auth 系统。它可能会派生出：

• 一个 Explore 子智能体，负责梳理出所有 auth 相关的文件。
• 一个 Plan 子智能体，负责设计重构方案。
• 几个聚焦的通用子智能体，并行实现各个具体的部分。

每个子智能体都有自己的上下文窗口。它在自己的草稿区里做大量乱糟糟的搜索和阅读，然后把一份简洁的总结返回给主智能体。这样主对话的上下文就能保持干净，专注在高层规划上。

子智能体正是 Claude Code 能在不被杂物淹没的前提下，承担规模惊人的任务的原因。

---

第 7 层：记忆与 CLAUDE.md（长期笔记）

上下文窗口是短期记忆。对话结束时它会被重置。对于需要跨会话保留的东西，Claude 有两种机制：

CLAUDE.md 是项目级的指令文件。当你在某个文件夹里启动 Claude Code 时，它会自动读取项目里的任何 CLAUDE.md，并把它放进系统提示中。这里就是你存放项目约定、关键文件位置、常用命令以及任何 Claude 应当「知道」的东西的地方。它最接近于你给 AI 协作者准备的入职文档。

记忆文件（Memory files） 是一个 Markdown 文件夹，Claude 可以在里面保存关于用户、长期项目、反馈和参考资料的笔记。每次会话开始前，Claude 会查阅 memory 索引；会话结束后，它可以写入新的记忆。这就是 Claude 「记得」你偏好简短回复，或者 Linear 上专门记录 bug 的项目叫「INGEST」的方式。

CLAUDE.md（项目知识）和 memory（用户与跨项目知识）合在一起，构成了 Claude 的连续性。

---

第 8 层：Skills、Hooks 和 Settings（harness）

围绕模型的，是一个 harness：组装上下文、执行工具、管理循环的应用层代码（比如 Claude Code）。harness 是可配置的。

• Skills / Slash Commands：可复用的工作流，用 /name 调用。例如：/init 用于生成 CLAUDE.md，/review 用于审查 PR，/security-review 用于审计最近的改动。一个 skill 把 prompt（通常带特定工具和步骤）打包成一条命令。
• Hooks：harness 会在特定事件自动运行的 shell 命令——工具调用之前、Claude 停下之后、文件被编辑时。非常适合自动格式化代码、拦截危险命令或发送通知。
• Settings（settings.json）：控制权限（哪些工具自动批准）、环境变量、默认模型和 hook 配置。这里就是把 Claude 的行为从「凡事都问」调到「在这个沙箱里可以放手干」的地方。
• Keybindings：自定义常用操作的键盘快捷键。

harness 是把一个原始模型变成可用产品的东西。不同的 harness（Claude Code vs. Cursor vs. Replit）以不同方式包裹同一类模型，服务于不同的工作流。

---

第 9 层：MCP（插头）

内建工具能覆盖文件、shell 和网络。但你自己的系统呢——你的数据库、你的 Linear 看板、你的 Gmail？

MCP（Model Context Protocol，模型上下文协议） 是 Anthropic 创建的一个开放标准，用来把 AI 助手连接到外部工具和数据源。一个 MCP server 暴露一组工具。任何兼容 MCP 的客户端（包括 Claude Code）都可以使用它们。

这把工具集成从一种定制开发，变成了一个即插即用的生态：

• 想让 Claude 读你的 Gmail？安装 Gmail MCP server。
• 想让 Claude 查询你的 Postgres 数据库？安装 Postgres MCP server。
• 想让 Claude 与你的内部 API 对话？写一个小型的自定义 MCP server。

MCP 就是 Claude 把能力扩展到「开箱即用范围之外」的方式。

---

把它们拼到一起

这是 Claude 单轮对话的完整图景：

┌──────────────────────────────────────────────────────┐
│  HARNESS (Claude Code)                               │
│                                                      │
│  ┌──────────────────────────────────────┐            │
│  │  CONTEXT WINDOW                      │            │
│  │  - System prompt                     │            │
│  │  - CLAUDE.md                         │            │
│  │  - Memory index                      │            │
│  │  - Conversation history              │            │
│  │  - Tool outputs                      │            │
│  │  - Your current message              │            │
│  └──────────────────────────────────────┘            │
│                    ▼                                 │
│              ┌──────────┐                            │
│              │  MODEL   │  ← think                   │
│              └──────────┘                            │
│                    ▼                                 │
│        text response  OR  tool call                  │
│                               │                      │
│                               ▼                      │
│             ┌───────────────────────────┐            │
│             │  TOOLS                    │            │
│             │  Read, Edit, Bash, Grep…  │  ← act     │
│             │  + MCP tools              │            │
│             └───────────────────────────┘            │
│                               │                      │
│                               ▼                      │
│                    tool result ← observe             │
│                               │                      │
│                               └──► back into context │
└──────────────────────────────────────────────────────┘
                  (repeat until task is done)

Claude 做的所有看起来很厉害的事情——端到端修一个 bug、重构一个模块、探索一个陌生的代码库——本质上都是这套结构在循环里跑。模型负责推理，工具负责行动，上下文把一切串在一起，harness 让整套东西安全地运转。

现在，当 Claude 让你惊喜或令你困惑时（无论好坏），你都可以问一句：这是哪一层造成的？ 是模型推理得不好？是上下文里少了某个文件？是系统提示太过谨慎？还是选错了工具？理解结构，正是从「魔法」走向「可调试」的方法。

---

接下来是什么

现在，你可以用组成部分来理解任何一个编码智能体：模型、上下文窗口、工具、循环，以及 harness。接下来，你将学习威胁意识——这是你第一次接触安全，学会思考一个真实上线的应用会以哪些方式被攻击，从而提前防范。