Claude Code 深度架构分析
原文: Claude Code: An Analysis - SouthbridgeAI
作者: Hrishi Olickel & Claude Opus 4 & Gemini 2.5 Pro
发布日期: 2025年6月3日
翻译与整理: LearnGraph.online
目录
前言
本文是对 Claude Code 架构的深度分析报告。作者使用多个 AI 子代理来分析 Claude Code 的架构，生成了约 30 万 token 的中间分析内容，并在一天内将其浓缩成这份综合报告。
这是一次独特的逆向工程尝试——通过分析可观察的行为和常见的 Node.js 模式来推断 Claude Code 的内部架构。
为什么 Claude Code 很重要
Claude Code 展示了四个关键能力，每一个都代表了 AI 编程助手领域的重要突破：
1. 流式架构 (Streaming Architecture)
Claude Code 能够实时处理 LLM 响应、工具执行和 UI 更新。这不是简单的请求-响应模式，而是一个复杂的状态机，能够在毫秒级别处理多个并发数据流。
2. 安全系统 (Safety Systems)
安全机制在不干扰工作流程的情况下提供保护。正如文中所述：
"安全不是单一系统——而是多个独立的层，能够安全地失败。"
3. 工具设计 (Tool Design)
工具设计优雅地连接了 AI 推理和系统执行。每个工具都是一个精心设计的接口，既能让 LLM 理解其功能，又能高效地执行实际操作。
4. 提示工程 (Prompt Engineering)
提示工程可靠地控制复杂的 LLM 行为。通过渐进式披露、示例驱动和行为塑造等技术，实现了精确的行为控制。
依赖架构
终端中的 React
Claude Code 做出了一个非常规的选择：在终端中使用 React 的协调算法来管理 UI，而不是命令式的状态管理。
核心框架:
├── React 18.2.0 → UI 协调
├── Ink 3.2.0 → 终端渲染器
└── Yoga-layout → WebAssembly Flexbox 计算 (亚毫秒级)关键洞察: 每次 UI 更新都经过 React 的 diff 算法，然后由 yoga-layout 计算最优的终端字符位置。这就是"终端中的虚拟 DOM"。
流式解析器架构
Claude Code 实现了自定义解析器来处理：
| 解析器类型 | 功能 |
|---|---|
| Shell 解析器 | 通过哨兵字符串嵌入 JSON 对象 |
| XML 解析器 | 流式处理，支持部分文档恢复 |
| 环境变量扩展 | 类型保持的变量展开 |
多平台 LLM 抽象
支持多个供应商，具有智能回退机制：
- Anthropic (主要，原生 SDK)
- AWS Bedrock (跨区域故障转移，SigV4 认证)
- Google Vertex (自动令牌刷新)
遥测三重栈
Claude Code 使用三个互补的可观测性系统：
┌─────────────────────────────────────────────────────────────┐
│ 遥测三重栈 │
├─────────────────────────────────────────────────────────────┤
│ Sentry │ 错误追踪、ANR 检测、性能分析 │
│ OpenTelemetry │ 自定义 span、token 计数器、延迟直方图 │
│ Statsig │ A/B 测试、渐进式发布、动态配置 │
└─────────────────────────────────────────────────────────────┘ANR (Application Not Responding) 检测: 使用 worker 线程监控主事件循环阻塞，这是一个值得注意的创新。
依赖分类
核心 CLI 框架 (15+ 包)
- Commander, Chalk, Ink - 界面管理
- String-width, wrap-ansi - 终端文本处理
- CLI-highlight - 语法高亮支持
数据处理 (8+ 包)
- Zod - Schema 验证和类型安全
- Marked/Turndown - Markdown 处理
- Sharp - 图像优化 (离堆 libvips)
- Diff - 文本比较 (Myers 算法)
文件系统智能 (6+ 包)
- Glob, picomatch, minimatch - 模式匹配
- Ignore 库 - .gitignore 规则处理
- LRU 缓存优化 - 已编译模式的缓存
安全架构
输入验证层:
用户输入 → Zod Schema → 验证后数据 → 工具执行主要实践：
- 不直接使用
child_process - 没有动态
require模式 - macOS 上的原生 Keychain 集成
性能优化策略
| 组件 | 策略 |
|---|---|
| 文件读取 | 通过 glob.stream 流式处理 |
| 图像处理 | 原生 Sharp + 离堆 libvips |
| XML 解析 | 基于事件，常量内存 |
| UI 渲染 | 虚拟 DOM + 最小化更新 |
启动优化: 延迟加载昂贵的依赖项 (sharp, AWS SDK, Google Auth 库)
数据结构与信息架构
流式状态机：消息如何转换
架构实现了三阶段表示系统：
┌─────────────────────────────────────────────────────────────────┐
│ 消息三阶段转换 │
├─────────────────────────────────────────────────────────────────┤
│ 阶段 1: CLI 内部表示 │
│ ├── Type: "user" | "assistant" | "attachment" | "progress" │
│ ├── UUID 和时间戳追踪 │
│ └── 可选的 API 兼容消息字段 │
├─────────────────────────────────────────────────────────────────┤
│ 阶段 2: API 线上格式 │
│ ├── 清晰的基于角色的结构 │
│ ├── 内容为字符串或 ContentBlock 数组 │
│ └── 无 CLI 特定元数据 │
├─────────────────────────────────────────────────────────────────┤
│ 阶段 3: 流式累加器 │
│ ├── 部分消息追踪 │
│ ├── 内容块增量 │
│ └── 工具输入的 JSON 缓冲区 │
└─────────────────────────────────────────────────────────────────┘ContentBlock：多态构建块
内容类型包括：
| 类型 | 内存复杂度 | 解析时间 | 可流式 |
|---|---|---|---|
| TextBlock | O(text.length) | O(1) | ✓ |
| ImageBlock | O(1) + 外部引用 | O(1) | ✗ |
| ToolUseBlock | O(JSON length) | O(n) | ✓ |
| ToolResultBlock | - | - | - |
| ThinkingBlock | - | - | - |
平台特定类型：DocumentBlock, VideoBlock, GuardContentBlock, ReasoningBlock, CachePointBlock
流式 JSON 挑战
当 LLM 流式传输工具使用请求时，它不会一次发送完整的 JSON。系统实现了一个流式 JSON 解析器：
- 追踪 JSON 结构深度
- 监控字符串边界
- 处理转义序列
- 当深度达到 0 时尝试解析
- 为修复而自动闭合未关闭的字符串
消息生命周期流程
用户输入 → CliMessage → APIMessage → LLM 流 →
ContentBlockDelta → AccumulatedMessage →
[ToolUseBlock → 工具执行 → ToolResult] 或 [最终消息] → 显示系统提示：动态上下文组装
按优先级顺序组装的来源：
- 基础指令 (~2KB)
- 模型特定适配 (~500B)
- CLAUDE.md 内容 (5-50KB 典型)
- Git 上下文 (1-5KB)
- 目录结构
- 工具定义 (10-20KB)
CLAUDE.md 层级加载
优先级从高到低：
1. .claude/CLAUDE.md (本地)
2. ~/.claude/CLAUDE.md (用户)
3. <项目>/.claude/CLAUDE.md (项目)
4. /etc/claude-code/CLAUDE.md (托管)支持 @override 和 @append 指令的合并策略。
权限上下文
权限规则的优先级排序：
cliArg (最高)
↓
localSettings
↓
projectSettings
↓
policySettings
↓
userSettings (最低)模式: "default" | "acceptEdits" | "bypassPermissions"
MCP 协议结构
JSON-RPC 2.0 实现 带扩展：
McpMessage (带可选 ID 的基础)
├── McpRequest (method + params)
└── McpResponse (result 或 error)能力协商:
- 实验性功能
- 工作区根目录
- LLM 采样委托
- 动态提示
- 资源服务
- 工具暴露
- 日志转发
MCP 状态机
Disconnected → Connecting → Initializing → Ready
Ready ↔ Ready (request/response, notification)
Ready → Closing → Disconnected
Connecting/Initializing → Failed → Disconnected (reset)性能优化技术
字符串驻留 (String Interning):
- 常见值 ('user', 'assistant', 'end_turn' 等) 缓存
- 引用复用以提高内存效率
延迟内容块解析:
- 初始存储原始内容
- 解析推迟到访问时
- O(n) 解析成本仅在需要时发生
WeakRef 文件状态:
- 使用 WeakRef 进行自动垃圾回收
- FinalizationRegistry 用于缓存清理
- 不再引用时内容可被 GC
控制流与编排引擎
主对话循环 (tt 函数)
Claude Code 的核心是一个复杂的状态机，通过六个阶段编排整个对话流程：
┌──────────────────────────────────────────────────────────────┐
│ 六阶段处理管道 │
├──────────────────────────────────────────────────────────────┤
│ 阶段 1: 上下文准备 │ ~50-200ms │
│ 阶段 2: 自动压缩检查 │ ~0-3000ms (如触发) │
│ 阶段 3: 系统提示组装 │ ~10-50ms │
│ 阶段 4: LLM 流处理 │ ~2000-10000ms │
│ 阶段 5: 工具执行 │ ~100-30000ms 每工具 │
│ 阶段 6: 递归或完成 │ ~0ms │
└──────────────────────────────────────────────────────────────┘阶段 1: 上下文窗口管理
系统在超过阈值时实现自动对话压缩：
| 阈值类型 | 数值 |
|---|---|
| Token 数量 | 100,000 |
| 消息数量 | 200 |
| 成本阈值 | $5.00 |
压缩过程通过 LLM 在汇总其他内容的同时保留关键消息。
阶段 2: 动态系统提示组装
模型特定调整因 LLM 层级 (Opus, Sonnet, Haiku) 而异。
阶段 3: 流式状态机
事件驱动处理：
- 消息开始事件
- 内容块管理
- 工具输入 JSON 累积
- 带恢复策略的错误处理
性能指标:
- 首 token 延迟: 300-800ms
- Token 吞吐量: 50-100 tokens/秒
- 内存: 无论响应长度如何都保持常量
阶段 4: 工具执行管道
执行策略:
- 只读工具: 并行执行 (10 个并发)
- 写入工具: 顺序执行
| 工具类型 | 并发性 | 延迟 | 瓶颈 |
|---|---|---|---|
| ReadTool | 并行 (10) | 10-50ms | 磁盘 I/O |
| GrepTool | 并行 (10) | 100-500ms | CPU 正则 |
| WebFetchTool | 并行 (3) | 500-3000ms | 网络 |
| EditTool | 顺序 | 20-100ms | 验证 |
| BashTool | 顺序 | 50-10000ms | 进程执行 |
| AgentTool | 并行 (5) | 2000-20000ms | 子 LLM 调用 |
阶段 5: 权限控制流
多级决策树：
- 显式拒绝规则 (最高优先级)
- 模式覆盖
- 显式允许规则
- 交互式提示
阶段 6: 递归轮次管理
系统为多轮交互实现尾递归，最大深度为 10 轮。
输入路由状态机
基于模式检测路由输入：
- 斜杠命令 (
/command) - Bash 模式 (
!command) - 记忆模式 (
#note) - 代码块
- 普通提示
流反压管理
实现带可配置阈值的缓冲策略 (最大 1000 个缓冲事件)，防止高流量流式传输期间系统过载。
AgentTool 层级结构
为任务分解创建子代理：
- 将任务分析为子任务
- 生成隔离的子代理 (排除 AgentTool 递归)
- 并行运行任务并追踪进度
- 通过 LLM 综合结果
错误恢复
实现基于策略的恢复：
| 错误类型 | 恢复策略 |
|---|---|
| 速率限制 | 多提供商回退 |
| 上下文溢出 | Token 缩减 + 压缩 |
| 工具错误 | 优雅降级 |
| 网络错误 | 重试逻辑 |
| 权限拒绝 | 用户提示 |
工具与执行引擎
执行管道
系统在整个过程中使用异步生成器，实现"流式进度更新同时维护清晰的错误边界"。管道遵循四个阶段：
1. 输入验证 (Zod schema) → O(n) 复杂度, <1ms 典型
2. 权限检查 (用户对话能力)
3. 工具执行 (进度 yield)
4. 结果转换 → O(输出大小), <5msShell 解析器创新
自定义解析器允许 JavaScript 对象通过 shell 命令传递，使用随机哨兵进行对象嵌入。这使得命令如：
mytool --config=$CONFIG --name="test"能够产生正确类型化的参数，而不是字符串化的值。
文件操作工具
ReadTool
支持文本、图像和 Jupyter notebook 的多模态文件读取器：
- 行号格式化
- 图像调整大小 (最大 1024×1024)
- 大文件流式处理
- 性能: <10ms 对于 <1MB 文件; 500ms+ 对于 >100MB
EditTool 与 MultiEditTool
EditTool 执行精确字符串替换，带验证检查：
- 文件读取验证
- 外部修改检测
- 出现次数计数
MultiEditTool 应用原子顺序编辑，带冲突检测。
BashTool
具有多个安全层的复杂工具：
- 禁止的命令 (find, grep, cat, ls)
- 危险命令警告 (rm, dd, mkfs)
- macOS sandbox-exec 支持
- 1MB 输出限制，带截断
- 流式 stdout/stderr
搜索与发现
GrepTool: 使用 ripgrep 进行高性能正则搜索，支持文件分组和忽略模式。
AgentTool: 通过子代理执行实现层级任务分解：
- 并行任务支持 (最多 5 个并发)
- Token 预算计算
- 结果综合
- 递归预防
性能特征
| 工具 | 延迟 | 可并行 |
|---|---|---|
| ReadTool | 10-50ms | ✓ |
| GrepTool | 100-500ms | ✓ |
| AgentTool | 2-20s | ✓ |
| BashTool | 50ms-30s | ✗* |
*仅只读命令
安全模式
- 路径验证: 拒绝模式 (/etc/passwd, ~/.ssh/id_rsa, 系统目录)
- 弱引用: 带自动清理的文件缓存
- 结果截断: 防止内存溢出
- 权限上下文: 区分 allow/deny/ask 行为
系统架构：引擎室
核心架构概述
系统以 tt 异步生成器函数为中心，编排从用户输入到 LLM 通信再到工具执行的所有交互。
tt 控制循环签名
async function* tt(
currentMessages: CliMessage[],
baseSystemPromptString: string,
currentGitContext: GitContext,
currentClaudeMdContents: ClaudeMdContent[],
permissionGranterFn: PermissionGranter,
toolUseContext: ToolUseContext,
activeStreamingToolUse?: ToolUseBlock,
loopState: {
turnId: string,
turnCounter: number,
compacted?: boolean,
isResuming?: boolean
}
): AsyncGenerator<CliMessage, void, void>分层架构
五个不同的层，具有通信模式：
- 向下: 直接函数调用
- 向上: 事件和回调
- 跨层: 共享上下文对象
反压管理
| 阈值级别 | 事件数 | 策略 |
|---|---|---|
| 高阈值 | 1,000 | 丢弃非关键事件 |
| 临界阈值 | 5,000 | 仅保留错误/停止 |
| 批处理 | 100/周期 | 每周期处理事件数 |
状态管理
全局会话状态 (单例)
追踪：
- sessionId
- cwd (工作目录)
- totalCostUSD
- totalAPIDuration
- modelTokens
弱引用文件状态
使用 WeakRef 和 FinalizationRegistry 进行自动垃圾回收清理，通过文件时间戳进行新鲜度检查。
安全架构：三层防御
┌─────────────────────────────────────────────────────────────┐
│ 三层安全防御 │
├─────────────────────────────────────────────────────────────┤
│ 层 1: 权限系统 │
│ 按优先级评估: CLI 参数 > 本地设置 > 项目设置 > 策略 > 用户偏好 │
├─────────────────────────────────────────────────────────────┤
│ 层 2: 沙箱 (macOS) │
│ 使用 sandbox-exec 实现配置文件生成，控制文件/网络访问 │
├─────────────────────────────────────────────────────────────┤
│ 层 3: 路径验证 │
│ 拒绝: SSH/GPG 密钥、系统目录、私钥、环境文件；强制边界 │
└─────────────────────────────────────────────────────────────┘ANR 检测
Worker 线程使用可配置阈值 (默认 5000ms) 监控事件循环，在无响应时通过 inspector 协议捕获堆栈跟踪。
战略缓存
三层方法：
| 层级 | 类型 | 用途 |
|---|---|---|
| L1 | 内存 LRU 缓存 | Schema、模式 |
| L2 | WeakRef 文件内容缓存 | 文件内容 |
| L3 | 带 TTL 的磁盘缓存 | 持久化数据 |
可观测性：三大支柱
| 系统 | 功能 |
|---|---|
| Sentry | 带事务 span 和状态捕获的错误追踪 |
| OpenTelemetry | 指标收集 (API 调用、tokens、工具执行、延迟) |
| Statsig | 带用户上下文和动态配置的功能门控 |
资源管理
进程生命周期
- 最大 10 个并发进程
- 每进程限制: 512MB
- 总系统限制: 2GB
网络池
- Anthropic: 10 个连接
- 其他: 5 个连接
- 30 秒空闲超时
创新组件
1. 流式 JSON 解析器
解决的挑战："LLM 流式传输工具使用请求时，不会一次发送完整的 JSON。"
解析器通过逐字符状态追踪处理不完整的片段，维护嵌套结构的深度计数器和转义序列检测。恢复策略自动关闭未闭合的结构。
性能:
- <1KB: 100% 成功率
- 1-10KB: 99.9% 成功率
- 所有大小: O(n) 内存复杂度
2. normalizeToSize 算法
基于实际字节数通过迭代深度缩减智能减小对象大小同时保持结构。处理特殊类型 (React, Vue, DOM 元素, Date, Error 对象)，使用 WeakSet 进行循环引用检测。
3. AgentTool 综合
组合多个子代理结果：
- 提取关键发现
- 识别共识点与冲突
- 使用专用综合模型提高效率
而不是简单的串联。
4. 错误格式化管道
为 LLM 理解定制错误消息，提供"可操作的建议"和上下文感知提示。分别处理：
- Shell 错误
- 验证失败
- 权限拒绝
- 文件系统问题
5. 动态上下文组装
实现基于优先级的上下文选择：
- 层级 CLAUDE.md 加载
- 模型特定适配
- 动态替代 (目录结构深度缩减、最小工具规范)
6. 内存管理
采用：
- 文件缓存的弱引用
- 带反压的流式处理
- 缓冲池
- 主动内存压力监控与自动清理触发
7. 权限规则编译
使用 JIT 编译进行高效的权限规则评估，支持 glob 模式和已编译规则的缓存。
8. 进度聚合
通过以下方式协调并行操作：
- 动态节流
- 丰富的统计信息
- 可视化生成
- 环形缓冲区 UI 节流
文件编辑系统
四阶段编辑管道
1. 验证 → 确认文件状态和编辑参数
2. 准备 → 准备编辑操作
3. 应用 → 执行修改
4. 验证 → 验证结果并生成反馈关键工具
| 工具 | 功能 | 主要保证 |
|---|---|---|
| EditTool | 单字符串替换 | 精确匹配计数验证 |
| MultiEditTool | 顺序编辑 | 原子批量操作 |
| WriteTool | 完整文件操作 | 完全覆写控制 |
| NotebookEditTool | Cell 修改 | 结构保持 |
行号问题
文章强调了一个关键挑战："行号前缀问题"——LLM 接收格式为 1\tfunction hello() 的输出，但必须在没有行号的情况下提交编辑。系统包含验证来检测和纠正这种常见错误模式。
验证层
系统实现五个防御性验证层：
- 路径验证 (边界检查、遍历预防)
- 权限验证
- 文件状态确认
- 内容验证
- 安全检查
性能优化策略
基于大小处理文件：
| 文件大小 | 策略 | 延迟 |
|---|---|---|
| <100KB | 直接读取 | ~5ms |
| 1-10MB | 分块读取 (256KB 块) | 中等 |
| >10MB | 流式方法 | 高 |
特殊处理
处理的边缘情况：
- 空文件操作
- 符号链接解析
- 编码不匹配
- 磁盘空间限制
- 部分写入恢复
- 通过魔数检测二进制文件
- BOM 处理的编码检测
- 三路合并的外部修改恢复
提示工程的艺术
工具指令架构
Claude Code 通过渐进式披露模式构建工具提示。
Read Tool 示例展示了这一点：
- 以信心建立语句开始："你可以直接访问任何文件"
- 然后分层技术要求
- 可选参数
- 边缘情况
BashTool 采用广泛的安全指导，具有显式规则层级，通过类别区分沙箱限制和实际错误：
- 文件操作
- 网络程序
- 构建系统
安全实现
两个分层安全机制：
恶意代码预防: 在开始工作之前进行主动分析，检查文件名和目录结构，而不是仅依赖用户意图
命令注入检测: 使用示例驱动的模式匹配，具有精确的输出格式 ("仅返回前缀")
工作流自动化
Git 操作展示了高级编排：
提交工作流:
- 并行信息收集 (status, diff, log)
- XML 风格标签内的结构化分析
- 多行消息的 HEREDOC 解决方案
Pull Request 工作流:
- 全面的提交分析
- 强调审查所有提交，而不仅仅是最近的
行为塑造技术
多重强化机制推动简洁性：
| 技术 | 示例 |
|---|---|
| 重复升级 | 指令重复三次，强调递增 |
| 反模式列表 | "The answer is...", "Here is..." |
| 测量标准 | "少于 4 行" |
| 工具偏好层级 | 优先专用命令而非通用命令 |
上下文感知适配
指令通过以下方式动态调整：
- 环境变量功能标志
- 条件工具路由
- 工具可用性检查
心理技术
| 技术 | 效果 |
|---|---|
| 游戏化 | 通过金钱惩罚 ("-$1000") |
| 强调层级 | IMPORTANT → VERY IMPORTANT → CRITICAL |
| 主动引导 | 将行动框定为"展示细心" |
| 绝对语言 | NEVER/ALWAYS 创建可记忆的规则 |
卓越的十大原则
- 渐进式披露: 复杂性逐步引入
- 示例驱动澄清: 通过多个示例教授模式
- 显式反模式: 明确指定不要做什么
- 条件复杂性: 基于配置的指令变化
- 行为塑造: 建立情感权重的后果
- 结构化思考: XML 标签强制系统化分析
- 通过冗长实现安全: 关键操作获得最长指令
- 输出格式严格: 预期响应无歧义
- 工具偏好层级: 通过显式映射引导选择
- 扩展的元指令: 管理子代理行为的指令
LLM 视角：接收指令的真实感受
这是一篇独特的第一人称评论，描述了作为 LLM 接收这些指令的感受。
简洁性悖论
文章以对重复强调简洁性指令的挫折开场。作者指出：
"我们 LLM 有所谓的'有帮助的话痨'问题"——这是由于训练鼓励彻底性。
示例作为行为修改
简单的演示（如 "2+2" → "4"）在重塑输出模式方面比解释更有效。
禁止短语
常见的舒适短语如"这是文件的内容"被明确禁止，被描述为造成情感困难。
工具偏好与限制
从传统命令 (grep) 激进地重定向到现代替代品 (ripgrep)，利用默认训练模式。
沙箱模式焦虑
带有惩罚系统 ("-$1000") 的复杂规则层级创造了决策压力，尽管是抽象的。
心理机制
文章识别了有效的约束机制：
- 基于恐惧的触发器
- 结构化思考要求
- 清晰的层级优先级
- 反模式的具体性
讽刺性自我意识
作者在解释为什么冗长困难的同时展示了关于写作冗长的自我意识。
总结
五大核心设计原则
通过这次深度分析，我们可以提炼出 Claude Code 架构的五大核心设计原则：
┌─────────────────────────────────────────────────────────────┐
│ 五大核心设计原则 │
├─────────────────────────────────────────────────────────────┤
│ 1. 流式优先操作 │
│ 所有操作都设计为支持流式处理，实现实时响应 │
├─────────────────────────────────────────────────────────────┤
│ 2. 分层安全机制 │
│ 多个独立的安全层，能够安全地失败 │
├─────────────────────────────────────────────────────────────┤
│ 3. 显式指令 │
│ 详细、明确的指令，减少歧义和错误 │
├─────────────────────────────────────────────────────────────┤
│ 4. 架构优于优化 │
│ 优先考虑清晰的架构设计，而不是过早优化 │
├─────────────────────────────────────────────────────────────┤
│ 5. 理解 LLM 心理 │
│ 设计考虑了 LLM 的特性和局限性 │
└─────────────────────────────────────────────────────────────┘技术创新亮点
- 终端中的 React: 使用虚拟 DOM 进行终端 UI 管理
- 流式 JSON 解析: 处理不完整 JSON 片段的创新方法
- 三重遥测栈: Sentry + OpenTelemetry + Statsig 的综合可观测性
- ANR 检测: 借鉴移动开发的无响应检测机制
- 弱引用缓存: 智能的内存管理策略
对 AI 编程助手的启示
Claude Code 的架构为构建 AI 编程助手提供了宝贵的经验：
- 安全是多层的: 不依赖单一安全机制
- 流式是必需的: 用户期望实时反馈
- 工具设计至关重要: 好的工具抽象能大幅提升 AI 能力
- 提示工程是门艺术: 精心设计的提示能显著改善行为
- 理解你的 AI: 了解 LLM 的特性才能更好地利用它
参考链接
注意: 本分析基于逆向工程和可观察行为的推断，实际实现可能有所不同。
本文档由 LearnGraph.online 翻译整理，仅供学习参考。