一本从源码里长出来的书
张汉东（@ZhangHanDong）完成了一项极具创意的技术工程。
这一切始于Claude Code v2.1.88。由于它的TypeScript源码因source map泄露而在互联网上可被还原，张汉东并没有仅仅驻足围观——他做了一个更为大胆的尝试：让Claude Code自行从源码中提炼并生成一本书。没错，就是利用AI去梳理与总结另一款AI产品的源代码。
这本著作名为《驾驭工程》（业内常称《马书》），共包含30章、划分为7个篇章，系统覆盖了架构设计、提示工程、上下文管理、缓存策略、安全机制、高级子系统，以及开发过程中踩过的坑与总结的教训。它不同于市面上泛泛而谈的技术读物，而是真正揭示了AI编码Agent内部运作的底层逻辑，以及Anthropic工程师在设计Claude Code时每个关键决策背后的深层思考。
下面就是这本书中最值得关注的几大发现。
秘密一：89个Feature Flag揭示的产品路线图
在Claude Code的源码中，埋入了89个构建时的Feature Flag。这些标志并非随意设定——它们通过Bun的feature()函数实现了编译时的死代码消除，即那些尚未就绪的功能在编译阶段就会被直接移除，不留任何痕迹。
然而，真正引人入胜的是，这些Flag拼接出了一条清晰的产品演进路线。我们来看看几组核心标志：
| 旗标集群 | Flag数量 | 引用量 | 指向 |
|---|---|---|---|
| KAIROS家族 | 6 | 84+ | 完整的“助手模式”——后台自主运行、记忆整理、推送通知、GitHub Webhook集成 |
| 多Agent编排 | 3 | 90+ | Worker分配、队友记忆共享、Unix Domain Socket进程间通信 |
| 远程与分布式 | 4 | — | 远程控制和分布式执行——从本地CLI扩展为Agent平台 |
| 上下文优化 | 3 | — | 三种不同粒度的上下文管理策略 |
| 分类器体系 | 2 | 102 | 转录分类器(69处) + Bash分类器(33处)——自动模式的核心 |
这意味着什么？89个Flag，就是89个正在探索的方向。Claude Code显然还处于快速迭代的早期阶段，远未定型。这些Flag里藏着Anthropic对未来产品形态的思考与判断。
秘密二：YOLO分类器——用AI审核AI
Claude Code的权限系统中，有一个名为YOLO分类器的组件。名字听起来随性，但它所执行的任务却毫不简单——让AI自主判断自身操作是否安全。
工作原理
这套机制的设计逻辑是分层次的：
安全白名单短路→只读操作零成本放行↓（不确定的操作）二阶段XML分类器：阶段1：快速判定（max_tokens:64，亚秒级）阶段2：深度推理（max_tokens:4096，含链式思考）↓不确定时默认阻止↓连续3次或总计20次拒绝后→回退到用户手动确认 核心原则
这个设计思路其实很朴素：保守、渐进、不出错。先让AI自己快速筛一遍，拿不准的就拦下来交给人类。整个过程遵循一个默认的哲学——宁可放过，不可误判。
四种权限策略
除了YOLO分类器，Claude Code的权限系统还有另外三种控制方式：
| 策略 | 实现 | 触发条件 |
|---|---|---|
| 无条件注册 | 核心工具始终可用 | 基础操作 |
| Feature Flag守卫 | 构建时消除整个模块树 | 实验性功能 |
| 环境变量守卫 | USER_TYPE === 'ant' |
Anthropic内部用户先验证 |
| 运行时函数守卫 | 条件性启用 | 按代码库状态动态切换 |
秘密三：缓存五原则——API成本降低90%
提示词缓存系统在Claude Code里不是什么锦上添花的功能，而是被当成核心基础设施来建设的。Lance Martin总结的五条原则，可以说每一句都是真金白银换来的经验。
原则一：静态在前，动态在后。 稳定内容，比如系统提示词、工具定义，放在前面；高频变化的内容放在后面。这个顺序直接决定了缓存命中的效率。
原则二：用消息传递更新，不编辑提示词。 追加
原则三：不切换模型。 缓存是模型特定的，一旦切换模型，所有缓存立刻归零。如果需要便宜的模型做辅助任务，那就用子Agent去跑，主模型绝不能动。
原则四：谨慎管理工具。 工具定义是缓存前缀的一部分。每增删一个工具，前缀就失效一次。所以要用tool search动态追加，而不是静态写死。
原则五：更新断点。 多轮对话中，把缓存的断点移到最新消息的位置，充分利用自动缓存的特性。
当然，最让人拍案叫绝的是三个小技巧：
- Beta Header锁存——一旦发送过某个beta header，就永远继续发送。取消它会改变请求签名，导致缓存失效。
- 日期记忆化——会话跨午夜不改日期字符串，避免打断缓存。
- Agent列表优化——从系统提示词移到system-reminder，全球cache_creation降低了10.2%。
这些细节说明了一件事：在Anthropic团队那里，缓存优化已经到了“抠门”的境界，每一分成本都要精打细算。
秘密四：六条驾驭原则
从《马书》的30章里，可以提炼出六条核心原则。它们更像是Claude Code团队在实战中验证过的设计哲学：
| # | 原则 | 核心 | 反模式 |
|---|---|---|---|
| 1 | 提示词即控制面 | 行为引导通过自然语言，代码只管结构性约束 | 行为硬编码 |
| 2 | 缓存感知设计是刚需 | 每次提示词变更都有成本 | 提示词频繁变动 |
| 3 | 失败关闭，显式开放 | 默认最安全值，必须显式声明才允许 | 默认开放 |
| 4 | A/B测试一切 | 先内部验证，通过数据确认再推广 | Big Bang发布 |
| 5 | 先观察再修复 | 建立可观测性理解问题全貌 | 凭直觉修复 |
| 6 | 锁存以求稳定 | 一旦进入某状态不再摇摆 | 状态抖动 |
第三条原则值得单独拿出来聊——默认关闭，显式开启。这和常规的“最小权限原则”一脉相承，但在AI Agent的语境里被推到了极致。安全容不得半点妥协。
秘密五：上下文管理的工程细节
200K token的上下文窗口，听起来巨大无比，对吧？但Claude Code的工程实践告诉我们一个残酷的事实——它远不够用。
我们来看一组硬数据：
| 指标 | 数值 |
|---|---|
| 系统提示词占用 | ~15-20K token |
| 自动压缩触发点 | ~167K（83.5%） |
| 压缩输出预留 | 20K token |
| 单工具结果上限 | 50K 字符 |
| 熔断阈值 | 连续3次失败 |
Claude Code的工程师有一个执念——最便宜的token，是你从未发送的那个。每个进入上下文的内容都有一个明确的预算上限。这种“Token经济学”贯穿了所有设计决策。
还有个值得关注的细节：截断时的处理方式。Claude Code不是默默砍掉内容就完事了——它会告诉模型“这部分被截断了，完整内容放在磁盘上的这个路径”。这样一来，模型可以在需要的时候主动去拿完整信息，而不是在不知情的情况下，基于不完整的数据做决策。这种设计，比那些直接截断就完事的做法，高级了不止一个层次。
写在最后
《马书》真正有价值的部分，是它把一个商业AI产品的工程实践提炼成了可复用的设计模式。无论你用的是Claude Code、Cursor、Copilot，还是自己在构建AI Agent，这些模式都值得借鉴：
- 双层Feature Flag管理——用编译时和运行时两套机制来控制功能发布
- 用AI审核AI的YOLO分类器——自动模式下保持人工兜底的能力
- 缓存感知的提示词设计——每一次提示词变更背后都有成本核算
- 失败关闭的安全哲学——安全不能靠“开”来控制，要靠“关”来保障
- 为一切设定Token预算——资源有限，预算先行
Claude Code的源码告诉我们一件事：最领先的团队，已经在用这些工程方法构建下一代AI产品了。而我们，现在有了一个绝佳的窗口，去看看他们是怎么做到的。
