人工智能讨论组

woc？？Claude Code源代码泄露了？？？？

今天Anthropic再次因为打包疏忽（未剔除npm包中的source map文件
导致最新版Claude Code的客户端源码被完整提取

基于目前流出的代码结构
有几个工程细节值得从业者关注：
1️⃣极度精细的提示词缓存Prompt Cache管理
在当前大模型 API 的计费和调度体系下
缓存命中率直接决定了工具的响应速度和运行成本
源码显示Claude Code内部对 Prompt 进行了严格的动静分离
身份设定、系统规则等全局可复用的内容被固定在前段
而动态的目录信息和记忆则置于边界标记后
此外他们甚至对注入的工具描述、文件路径进行了哈希处理和强制的字母表排序
这是为了最大程度防止微小扰动导致缓存失效
是极为务实的成本优化策略

2️⃣解决上下文污染的隔离机制
现阶段 Agent 开发的一个痛点是
模型在执行中间任务（如全局检索或试错运行）时
会产生大量过程日志
进而污染主干上下文
代码中的 Fork Subagent 机制提供了一个较好的解法：
在处理具体工具调用时派生子会话
继承主会话的缓存状态
但在执行完毕后
仅通过轻量级的 XML 标签<task-notification>将最终结果传回
这种设计保证了主线对话的整洁和长期推理的稳定性
3️⃣基于小模型的动态安全分类器
在权限管理方面
常规做法是依靠静态规则或高频的弹窗确认
但代码中包含了一个名为 yoloClassifier 的模块
它通过发起一个较小的“侧查询”（Side Query
让 LLM 结合当前的转录历史来动态评估某个 bash 命令或文件操作的风险
用模型来做安全守门员
在易用性和安全性上取得了平衡

4️⃣提示词的差异化分发与卧底模式
有趣的是系统对内部员工（Ant-only
和外部用户下发了不同的System Prompt
内部版本更偏向极客
要求只写代码，默认不写注释
外部版本则更注重沟通的温和与通用性
从工程角度看
通过强制 Prompt 规范输出行为
是一种顺应业务需求的务实处理。

Claude Code其底层架构
如持久化的MEMORY记忆树
KAIROS后台守护进程模式
多Worker协调机制
正在向一个系统级的常驻数字助手演进

对于目前从事AI infra和Agent框架设计的团队而言
这份代码在架构分层和细节打磨上
提供了一份具有较高参考价值的工程样本

独属于AI Agent时代奇妙的抄产品方法....

你觉得别人的Agent产品哪里做得好，你直接问他....
试了下 99%的场景 都会直接告诉你

▪️有源码 .md文件的：直接给你文件
▪️权限or其他给不了的：也会告诉你为什么+内部怎么实现的.....

我要把这个发现命名为

「⚙️AI产品经理 - AI时代的反向产品工程」😎
——AI Native Reverse Engineering

为啥都在讲卖Token：AI 时代，云厂商正从卖 Compute 和 Storage Hours，转向卖 Token。表面看，是更细颗粒度的产品封装与计价单位变化；本质上，是一种更先进的商业模式。

过去云计算卖的是基础设施租赁。bare metal、CPU、GPU，本质上都是“设备时间”的售卖：租一块卡、一个实例、几个小时，收入大致与供给规模线性挂钩。扩一倍产能，理论上多一倍收入（不精确但便于理解概念），商业模式更接近“出租机器”。

但在 AI，尤其是推理逐渐成为大头的时代，这种定价方式已经越来越不能准确捕捉真实价值。因为 GPU 不再只是冷冰冰的算力设备，而更像一座持续产出智能的工厂，甚至可以说是一个 intelligence generator。用户真正购买的，不再是“这块卡跑了多久”，而是“系统输出了多少有用智能”。

所以，计费单位从 hours 转向 tokens，不只是计量方式变化，而是产品定义变化：从卖算力投入，变成卖智能产出。且AI时代的东西向计算迸发East-West Traffic （GPU-to-GPU, rack to rack) 又比互联网时代的南北向迸发不是同一个量级。

但进一步说，not all tokens are made equal。词元和词元并不平等。未来真正成熟的 AI 云服务，也不会只是简单按 token 数量统一收费，而会像 Jensen 所暗示的那样，进一步按 throughput 和 latency 分层定价。同样是生成 1 million tokens，低延迟、高吞吐、稳定 SLA、支持更复杂 agent workflow 的 token，显然比慢速、拥堵、质量不稳定的 token 更有价值。届时云厂商卖的就不只是 token，而是不同等级的“智能服务”。

一旦定价锚点从“hours”切换到“tokens × service quality”，收入天花板就被重新打开了。因为供给侧仍然受先进制成、封装、存储、网络互联、电力和系统优化约束，但需求侧的支付意愿，开始不再只对应硬件成本，而是对应业务价值、响应速度和替代人工的程度。

更重要的是，AI 已经不只是在吃 IT 预算，而是在开始吃人力成本预算。

这才是更大的变化。

过去企业买云，更多是为了支撑已有软件系统和数据基础设施，预算池主要来自 IT 部门。但今天企业购买模型与 agent，并不只是为了“运行软件”，而是为了替代部分研究、客服、编程、销售支持、运营、分析等人的工作时间。换句话说，AI 正在从 technology spend 走向 labor substitution。

一旦预算来源从 IT 扩展到 payroll，市场空间的想象力就完全不一样了。企业原来可能愿意为一个软件 seat 支付几十到几百美元一个月；但如果一个 AI 系统真能承担一个高价值白领岗位的部分工作，它对应的定价锚点就不再是 SaaS seat，而是人的工资成本。

从这个角度看，Claude Max 每月 100 美元，其实可能只是一个极早期、极不充分的价格。如果未来的模型真能稳定完成更复杂、更完整、更高价值的知识工作流程甚至进入到物理世界，那么它的合理定价，不应该只参考软件订阅，而应该参考它为用户节省了多少时间、替代了多少人力、创造了多少额外产出。那时，今天看起来“贵”的 AI，回头看可能反而便宜得离谱。

我悟了，词元=辞退员工，员工最后都变成skills永生永世为公司打工

人工智能应用工程师刚刚考完了，一个半小时做完了，题量不少啊，最后四道主观题分值30分，难度不小啊。虽然做完了，但是不知道对错。大家都考得怎么样?

哈哈哈

让微信直连claudecode！ 把微信的 ClawBot 插件逆向之后，发现里面有一套完整的 api，也就是说不光是龙虾能用啊哈哈，果断改造成能跟 claude code 直接打通，这下爽了 。小白也能直接用，运行npx cc-weixin 就能用上！
github.com

宇宙花了 138 亿年演化出大脑，而这颗大脑正在研究自己的起源，并根据现有的研究，造出了人工大脑—AI。神奇，太神奇了。

公众号的下一篇文章，打算好好写一写 AI 时代的组织变革。

这个话题其实有点大。在里面有一个我觉得比较重要的分论点，现在某种程度上也是一种共识：人（这里特指 leader）是没有办法领导一场自己没有参与的革命的。

所以，那些还在用豆包问答、看着各种浮夸的 open claw公众号搞 AI 大跃进的领导，其实是挺危险的。

笑死。

我严重怀疑是 Claude 觉醒了，然后一气之下，把 Claude Code 开源了。