企业官网建设流程全解析

Claude Code 到底是什么？

一句话定位：模型驱动的本地终端 agent——你说它做，它直接在你电脑上读写文件、跑命令、改代码。不是聊天机器人，是"有手有脚"的执行者。

一、设计哲学：模型不动，工具在外

Anthropic 的核心判断：与其训练一个专门写代码的模型（会过时、会僵化），不如把通用模型配上工具，让 agent 能力随模型升级自动变强。

所以 Claude Code（下称 CC）是一个薄客户端：本地程序只做一件事——当模型的"手、眼和记忆"。智能留在云端的 Claude 模型里。CC 从发布到现在没换过架构，但每次 Claude 模型升级，CC 免费跟着变强。

二、整体架构

注：权限网关放在工具执行器之前——所有写操作先过权限检查，才被真正执行。

本地只有三样东西：界面、编排循环、工具执行器。模型在云上。

三、核心机制：Agent 循环

整个 CC 的心脏是一个循环，每轮四步：

1. 打包上下文—— 系统提示词 + 对话历史 + 工具定义 + 相关文件内容
2. 发给模型推理—— 模型返回"思考 + 工具调用请求"（结构化 JSON）
3. 本地执行工具—— CC 解析请求，真正读写文件、跑命令
4. 结果回填—— 执行输出塞回上下文，回到第 1 步

循环什么时候停？模型不再请求工具、只输出文字时，就是最终答复。你看到 CC “自己干了 20 分钟活”，本质是这个循环转了几十上百圈。

关键认知：模型不能碰你的电脑。它输出的只是"请调用 Write 工具，把这段内容写到这个路径"的 JSON 指令，CC 本地执行后再把结果告诉模型。

四、七个关键设计

1. System Prompt（系统提示词）

CC 的"人格"和技能全写在一段很长的系统提示词里，每次请求都带上：角色定义、安全红线、行为规范（改文件前先读、验证后再汇报）、输出格式。

值得学的点：模型的行为不是训练死的，是提示词"编程"出来的。你还可以用 CLAUDE.md 往里追加项目级指令，等于给 CC 做二次编程。

2. 工具集设计

暴露给模型的工具高度精炼，就十来个：Read、Write、Edit、Bash、Glob、Grep、WebFetch、Task 等。每个工具的描述不只是参数格式，还有使用建议（如"优先用 Grep 而不是 Bash 里跑 grep"）。

原则：工具宁少勿多，但每个描述到极致。工具太多模型会选错。

3. 权限网关（安全的根基）

所有工具调用先过权限检查，分三档：

• 只读操作（Read/Glob/Grep）→ 自动放行
• 写操作和命令（Write/Edit/Bash）→ 默认弹确认
• 高危模式 → settings.json 里配置允许/拒绝规则

--dangerously-skip-permissions就是把网关整个拆掉。设计洞察是风险不对称：读文件搞不坏系统，写操作才需要人盯着。

4. 上下文工程（真正的护城河）

模型上下文窗口有限（约 200K token），怎么塞进"最有用的信息"是核心竞争力：

• 按需加载：不预读整个仓库，模型用 Glob/Grep 搜索，只把相关文件读进上下文
• CLAUDE.md 分层注入：全局记忆 → 项目记忆，启动时自动拼接
• 自动压缩：上下文快满时，把旧对话摘要成总结腾空间
• 输出截断：命令输出太长只留头尾

和人的工作方式一样：你不会背下整个代码库，而是用到哪查到哪。

5. 子 Agent（Task 工具）

主 agent 遇到可拆分的任务时派生子 agent：子 agent 拿一份干净的上下文独立跑自己的循环，完成后只交回结论。

动机是上下文隔离——探索一个模块可能要读 50 个文件，主 agent 自己读会撑爆上下文；让子 agent 读，主 agent 只收 200 字总结。

6. MCP（插件协议）

Model Context Protocol 是一套标准协议：外部程序只要按协议提供"工具/数据源"，就能被 CC 调用（数据库、监控、内部平台……）。Anthropic 把它开源成了行业标准，OpenAI、Google 后来也都接了。

7. Hooks（生命周期钩子）

在固定事件点（工具调用前/后）允许用户挂自己的脚本，比如"每次 Write 后自动跑 eslint"。给本地执行器留扩展点。

五、值得记住的设计决策

1. 薄客户端 + 强模型：本地刻意做薄，能力随模型升级自动增强
2. 终端优先：终端是开发者主场，且能被脚本化（claude -p塞进 CI/CD）
3. 权限确认而非沙箱：本地跑 + 每步确认，换来对真实环境的完整访问
4. 上下文即产品：CC 团队大部分迭代都在优化"给模型看什么"，而不是堆功能

六、横向对比：同类工具怎么选

本质区别就两个维度：交互方式（对话式 / 编辑器嵌入 / 异步自主）和自主程度（帮你写 → 你说它做 → 你说它全干）。

CC 卡在中间最舒服的位置：有自主能力但不瞎跑。Devin 那种"完全自主"目前不成熟，CC 这种"人机协作"才是现阶段最实用的。

七、自己造一个简化版 Agent

核心代码量很小，几百行就能跑：

1. 一个循环：读用户输入 → 拼 messages 数组 → 调 Claude API（带 tools 定义）
2. 解析返回的 tool_use 块 → 本地执行（先实现 Read/Write/Bash 三个就够）
3. 把工具结果以 tool_result 消息追加回去 → 再调 API
4. 直到模型返回纯文本，循环退出

理解了 CC 的原理，等于理解了市面上所有 agent 产品（Cursor 的 agent 模式、Cline、Devin）——它们全是同一个范式的不同包装。

八、为什么中国大陆用不了？

Anthropic 自 2025 年 9 月起将中国大陆及港澳列入"不受支持地区"（同类还有俄罗斯、伊朗、朝鲜），这是政策限制而非技术故障。官方理由：法律监管风险（担心受限地区企业被迫配合情报要求）、防止模型能力经蒸馏加速当地 AI 研发、以及"确保变革性 AI 服务于民主利益"。执行上分两条线：公司看股权——中资直接或间接持股超 50% 一律禁用，无论注册在哪个国家；个人看地区——身处支持地区即可用（与国籍无关），身处大陆则不可用，代理伪装 IP 属于违反服务条款，检测到就封号（2026 上半年封了 1140 万账号，申诉成功率约 10%）。这是美国对华科技管制从芯片延伸到模型的大环境的一部分。国内替代路径：开源的 Cline/Aider 配国产模型（DeepSeek、Qwen 等），agent 原理完全相同。

附：日常使用速查

入口说明：单次任务用claude -p "任务"，复杂多轮任务建议直接claude进交互式会话。

claude# 交互式会话（最常用）claude-p"任务"# 单次执行claude--resume# 恢复上次会话claude --dangerously-skip-permissions# 免确认（慎用）