用途
本技能是一份关于理解并实现基于 Claude Code 架构的 AI 智能体系统的专家指南。它围绕 Claude Code 展开：Claude Code 是 Anthropic 官方的 AI 编程助手 CLI 工具，指南强调它不仅是一个聊天机器人，而是一个完整的智能体运行时系统（Agent Runtime System）。
适合希望学习智能体系统设计思路、并参考 Claude Code 架构进行实现的人群。
主要能力与覆盖范围
指南覆盖以下主题：
- 智能体运行时设计（Agent Runtime Design）
- 工具系统（Tool Systems）
- 上下文工程（Context Engineering）
- 多智能体协调（Multi-Agent Coordination）
- 扩展机制（Extension Mechanisms）
其中明确列为 Claude Code 运行时系统组成部分的包括：
- 工具调用与执行框架
- 上下文工程模式
- 多智能体协作
- 权限管理
- 扩展系统（MCP 协议、Skills、Plugins）
- 状态管理与消息循环
核心架构内容
查询引擎（Query Engine）：被描述为对话的核心，负责管理智能体的交互循环。资料给出一个 QueryEngine 类示例，流程为：准备上下文（构建系统提示、准备消息）、调用 LLM（携带工具、流式输出）、在存在工具调用时进入工具执行循环，直到返回最终消息。
工具系统设计理念：工具被比喻为智能体的双手，使其能与世界交互。资料给出工具定义模式示例，包含 name、description、input_schema、权限级别（auto / ask / deny）以及异步执行处理器；示例工具为 execute_command，通过 context.shell.exec 执行 shell 命令并返回 stdout、stderr、exitCode。
内置工具分类：资料称 Claude Code 包含 43 个内置工具，并按功能分组示例：
- 文件系统操作：read_file、write_file、edit_file、list_directory、create_directory、move_file、delete_file
- 代码分析：search_files、analyze_code、find_references、get_diagnostics
- 执行：execute_command、run_tests、start_dev_server、install_packages
- 记忆与上下文：update_memory、read_memory、add_to_claudemd
上下文工程
系统提示构建：资料给出 buildSystemPrompt 示例，将系统提示分为若干段：身份与能力、项目上下文（来自 CLAUDE.md）、当前任务上下文、相关记忆片段、工具使用准则、输出格式要求，并过滤空段后拼接。
CLAUDE.md 作为项目记忆：CLAUDE.md 文件作为持久化的项目上下文。资料给出一个 React + TypeScript 任务管理应用的示例结构，包含项目概览、技术栈（React 18、TypeScript、Vite、TanStack Query、Tailwind CSS）、关键架构决策、重要模式、环境变量与常用任务命令（如 npm run dev、npm run test、npm run type-check、npm run generate-types）。
上下文压缩（Auto-Compact）：资料给出 ContextCompactor 示例，通过统计 token 数判断是否超限；超限时确定截断点，将较早消息总结为一段摘要并以 system 消息形式保留，再拼接近期消息。摘要提示要求保留关键决策、修改的文件、重要发现与当前任务状态，并将 max_tokens 设为 500。
任务系统与多智能体模式
任务定义与执行：资料给出 Task 类示例，包含 id、description、status（pending / in_progress / completed / failed）、subtasks、dependencies、assignedAgent；执行时可先判断是否需分解为子任务，再逐个执行，否则直接运行；shouldDecompose 的启发式条件包括预估步骤超过 5、描述中包含 " and "、或需要多种工具。
多智能体协调：资料给出 AgentCoordinator 示例，内置 coder、tester、reviewer、debugger 四类专用智能体，流程为：规划阶段生成执行计划、按步骤选择智能体执行、收集并整合结果、更新共享上下文（memory.add）、最终整合。选择智能体的映射包括 implement_feature→coder、write_tests→tester、code_review→reviewer、fix_bug→debugger，默认回退为 coder。
MCP 协议扩展系统
模型上下文协议（Model Context Protocol）用于实现工具互操作。资料给出 MCPServer 示例：注册工具提供者、处理工具列表（handleToolsList）、处理工具调用（handleToolCall）、资源管理（handleResourcesList）。同时给出 MCPClient 示例：向服务器 /mcp/initialize 发起 POST 请求，携带 protocolVersion 为 '1.0' 与 capabilities（tools、resources），将返回的外部工具注册给智能体。
权限模型
资料描述三级权限系统：AUTO（自动执行、不询问）、ASK（执行前询问用户）、DENY（永不执行、始终拒绝）。PermissionManager 示例流程为：先检查显式拒绝规则，再检查自动批准规则，否则请求用户确认；若用户选择记住则更新偏好。自动批准示例包括只读操作（read_file、list_directory、search_files）、项目目录内的 write_file，以及用户定义的 auto 偏好。
技能系统
资料给出一个名为 advanced-debugging 的技能示例（描述为使用多种工具进行系统化调试），执行步骤包括：复现问题、收集诊断信息、检查错误日志、分析堆栈跟踪、逐一测试假设并在确认后提出修复建议，否则返回需要更多信息的状态与后续建议。
常见模式与最佳实践
- 增量代码修改（Incremental Code Changes）：不重写整个文件，而是按行级范围编辑，读原内容、应用编辑、再读回校验并生成 diff。
- 验证循环（Verification Loop）：实现后运行测试与类型检查，失败则分析并修复，然后递归再次验证。
- 上下文感知建议（Context-Aware Suggestions）：依据项目类型、最近修改文件与记忆中的历史问题给出下一步建议。
适用场景
适合用于学习智能体架构设计、参考实现工具调用循环、设计上下文与记忆管理、规划多智能体分工、构建 MCP 扩展、设计权限确认机制等方向。
限制
资料未提供该技能的具体安装方式、版本要求、收费或价格信息、平台支持范围与授权条款，这些内容暂未提供。文中代码为架构演示示例，并非可直接运行的完整实现。