Claude Code 深度解析：從底層架構到實戰最佳實踐

原始來源與檔名：20260512_2026-05-06T095641+0800-Adventures in Claude Code land.md

來源：[[Allohvk]] / Medium — 2026-05-05 原始檔名：2026-05-06T095641+0800-Adventures in Claude Code land.md

NAPKIN | 餐巾紙

餐巾紙公式

Claude Code = Agentic Loop (While true) + Deterministic Bash Tools (grep, ls) + LLM Intelligence. Architecture: Main Thread <-> Sub-Agents (Isolated Context). Tooling: Commands (Quick Actions) vs. Skills (Complex Workflows with Progressive Disclosure) vs. Hooks (Deterministic checks).

這是一篇對 Anthropic 開發的神級終端工具「Claude Code」極其詳盡的架構與操作指南。Claude Code 的成功在於它沒有搞華而不實的 Semantic Search (語義搜索)，而是讓 AI 像真正的資深工程師一樣，使用 grep、git log 等決定性 (Deterministic) 工具來探索程式碼庫，這大幅節省了 Token 並減少幻覺。文章剖析了其核心元件：CLAUDE.md 的上下文管理、Command 與 Skill 的差異、Sub-Agent 的並行工作，以及如何在生產環境中無頭 (Headless) 部署 Claude Agent SDK。

一句話

Claude Code 為什麼這麼強？因為它不假裝自己是全知全能的魔法師，而是扮演一個手上拿著終端機的資深工程師。它遇到 Bug 不是盲目猜測，而是自己下 grep 查 Log、看 git 歷史。你要掌握它，就要懂它的術語：用 Commands 做一次性快攻，用 Skills 建立複雜的標準作業流程，遇到大專案就切換到 Sub-agents 開多線程。最重要的是，善用 CLAUDE.md，把你的專案規則寫清楚，它就會自動變成你最強的副手。

餐巾紙草圖

[ Claude Code Architecture ]

User -> CLI / IDE
  │
  ▼
[ Agentic Loop ]
 1. Gather Context (grep, ls, AST, git)
 2. Reason (Opus/Sonnet)
 3. Act (Edit, bash)
 4. Verify (Tests/Hooks)
  │
  ├──> [ Commands ] (Quick, /compact)
  ├──> [ Skills ] (Complex, multi-step manuals)
  ├──> [ Sub-Agents ] (Parallel, isolated context)
  └──> [ Tools / MCP ] (External integrations)

ROUND 1: SKELETON | 骨架掃描

“這篇文章在說什麼”

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說”

核心論證鏈

  1. Grep 勝過 Semantic Search 的反直覺設計: 在一般的 RAG 系統中，語義搜索被奉為圭臬。但 Claude Code 反其道而行，它大量使用 grep 來定位，然後用 LLM 來理解搜尋結果。這種「混合式」方法既有傳統搜尋的 100% 準確率，又具備 AI 的理解力，是其極致 frugality (節儉) 和高效的秘密。
  2. Context Window 的保衛戰: 文章反覆強調如何管理 Token 上下文。從限制 CLAUDE.md 的長度、使用 Sub-Agents 隔離雜訊、自動 /compact 總結，到慎用 MCP (因為定義檔很耗 Token)，這一切的設計都指向一個殘酷的現實：在長週期的 Agent 任務中，Context 膨脹是最大的敵人。

關鍵證據

邊界條件

ROUND 3: SOUL | 靈魂提取

“還能怎么用”