AI Agent

上一篇文章聊了上下文压缩——它解决的是"当前会话能记住多少"的问题。但编程助手还需要另一种记忆：跨会话的长期记忆。

大模型在物理底层不存在真正意义上的生物记忆，只有在显卡高带宽内存（HBM）中随序列长度线性堆叠的 Key-Value Cache，以及在数学上随序列拉长而被急剧稀释的注意力权重分布。Claude Code 呈现给开发者的所谓长程对话能力，本质上是一套在硬件显存与精度边界夹缝中运行的缓存逐出流水线，伴随着不可逆的信息失真与前缀失效代价。

任何运行在宿主机用户态、依赖模型自律与应用层正则拦截的 AI Agent 权限系统，在操作系统内核视角下都不构成强制安全边界。Claude Code 设计的五级权限模型与交互式审批机制，是一套降低开发误操作概率的人机协作流控协议，在恶意对抗场景下缺乏沙箱约束力。

如果你以为 System Prompt 就是"给 AI 设定一个人设"，那 Claude Code 的 system prompt 会颠覆你的认知。 它不是几句话。它是一个上千行的模板引擎，由多个层次组成，每一层负责不同的事：身份定义、行为约束、工具说明、项目上下文、记忆注入、技能加载。有些层是静态的（每次一样），有些层是动态的（根据项目、会话、用户偏好实时注入）。

上一篇文章我们聊了 Think-Act-Observe 循环——AI 编程助手的骨架。骨架本身不会干活，它需要肌肉。在 Claude Code 里，肌肉就是工具。 没有工具，循环里 Think 和 Observe 之间缺了 Act，退化回普通的问答。有了工具，模型才能触碰真实世界：读你的代码、改你的配置、跑你的测试。

如果你把 Claude Code 的源码翻一遍，你会发现一个反直觉的事实： 整个程序的核心，是一个 while 循环。 不是复杂的状态机，不是精巧的管道，不是分布式协调——就是一个朴素的 while 循环，反复做三件事：让模型想、让模型动手、把结果喂回去。

67 MB 的 DMG 安装包，解压后 164 MB，里面藏着 Anthropic 的 Claude Science（内部代号 Operon）。逆向之后，我看到了 54 张 SQLite 表、9 层安全模型、30 多个生物信息学 Skill，以及一个面向计算生物学的完整 AI Agent 平台。

为什么 AI Agent 需要记忆系统？ # 如果你有过长时间使用 AI Agent 的经验，一定对以下场景不陌生：

Claude Code Skill in Anywhere 利用 MCP 实现 Claude Skills 的渐进式披露机制: 复用 Claude Code Skill in Anywhere # —— 一种可行的能力封装与动态上下文扩展方案（技术设想与验证） # 前言 # Claude Skills 引入了一个非常先进的概念： 将专业知识、流程规范和任务方法封装成“技能包”，并在任务实际需要时才动态加载。