AI Agent 核心架构解析与 Claude Code 上下文窗口设计

本文以简洁直观的方式剖析了 AI 智能体的解剖结构，将其描述为一个 while 循环：利用 LLM 选择行动、执行行动、评估结果，并重复此过程直至任务完成。文章详细阐述了五个关键组件：作为做出选择的“大脑”的 LLM；思维链和思维树等规划方法；通过 MCP 等标准访问的工具（如网络搜索、代码执行）；短期和长期记忆；以及将这些组件串联起来的迭代循环。文章还提及了用于确保安全自主性的防护栏。随后，简报涵盖了另外三个主题：REST、GraphQL 和 gRPC API 的对比及其权衡；将 Claude Code 的上下文窗口类比为一个拥有九个不同层的汉堡；以及对 git fetch、git pull 和 git pull --rebase 的清晰解释，并给出了何时使用每个命令的实用建议。

我们可以将AI 智能体（AI Agent）想象成一个简单的While 循环。🚀

智能体利用 LLM 选择一个行动，执行该行动，评估结果，并重复这一过程，直到任务完成。让我们深入了解这些核心组件：

REST、GraphQL 和 gRPC 是设计 API 的三种不同方法。每种方法都在简单性、性能和灵活性之间做了不同的权衡。

经验法则：公共 API 首选REST；前端需要灵活聚合视图时选GraphQL；对延迟和吞吐量要求极高的内部微服务选gRPC。

在每次模型调用之前，Claude Code会从 9 个不同的