Claude Code 洩漏揭露內部架構
Claude Code 洩漏內容揭露 React 與 Ink 終端介面、30+ 工具、以及 AsyncGenerator 分層流程。這篇拆解它怎麼運作，也比較 Copilot、Aider、Codex 的差異。
Claude Code 這陣子很常被開發者提到。原因很直接，它跑在終端機裡，速度快，手感也很像真的在跟工具合作。外流的程式碼拆解顯示，它用了 React 和 Ink，還有一條分層的 AsyncGenerator 流程。
更猛的是，它還內建 30 多個工具。這代表它不是單純聊天。它是把模型、終端機、檔案操作，綁成一個工作流。
講白了，這種設計很有意思。因為它直接回答一個問題：AI 寫程式，到底是聊天，還是執行任務？
終端機介面不是裝酷
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
先看介面。Claude Code 走的是終端機路線。這不是為了耍帥，而是為了貼近開發者日常。你平常就在 shell、git、log 裡工作，AI 也放進來，摩擦就少很多。
Ink 的價值在這裡很明顯。它讓 React 可以直接畫在 terminal。結果就是，畫面還是文字為主，但互動感不差。
這種 UI 也很符合 coding agent 的需求。因為它要顯示串流輸出、工具呼叫、錯誤重試，還要讓使用者知道現在跑到哪一步。
- 終端機原生，不用切到網頁
- 串流輸出，回應比較即時
- 靠近 repo，編輯檔案更自然
- 工具狀態清楚，適合長任務
我覺得這點很實際。很多 AI 工具看起來很炫，但一進到真實專案就卡住。Claude Code 的方向比較像是先把工作環境做好，再來談模型表現。
AsyncGenerator 才是骨架
外流拆解裡，最有料的是流程。它大致是 REPL → QueryEngine → queryLoop → API stream → retry。這不是單一函式硬幹，而是分層控制。
這種架構很適合 LLM。因為模型回應是串流的，工具呼叫也常常不是一次成功。你需要一層層處理狀態，才不會整個 session 爆掉。
AsyncGenerator 的好處，就是可以一邊產出結果，一邊維持 UI 反應。這對終端機工具很重要。你不會想看著畫面卡死 20 秒，然後才一次吐結果。
“The best way to predict the future is to invent it.” — Alan Kay
這句話放在這裡很剛好。因為 Claude Code 看起來不是在做一個聊天框，而是在做一個可執行的工作流程。
說白了，這種設計更像任務編排器。模型負責想，工具負責做，流程負責控場。
30 多個工具，代表什麼
外流資料提到，它有 30 多個內建工具。這數字不小。它代表 Anthropic 想讓模型直接動手，而不是只會講。
工具多，不一定就好。工具太多，反而會讓系統變得難管。但如果設計得好，它可以把很多重複動作收掉。
像是看檔案、改檔案、跑命令、查狀態、驗證結果，這些都可以在同一個回合裡完成。這比一直複製貼上方便太多。
- 聊天型 AI：主要產生文字
- 終端型 agent：能看檔、改檔、跑命令
- 工具型 agent：能串起多步驟流程
- 防護型 agent：會限制危險操作
這裡的重點是安全。工具越多，誤操作的風險就越高。你不會想讓模型隨便刪資料夾，或亂跑破壞性的指令。
所以工具層不是只有能力，還有權限控制。這點我覺得比功能數量更重要。
它跟其他工具差在哪
Claude Code 不是孤島。開發者一定會拿它跟 GitHub Copilot、Aider，還有 OpenAI Codex 比。
差異其實很清楚。Copilot 強在 editor 裡補字。Aider 強在命令列改檔。Claude Code 則比較像把終端機、工具鏈、模型控制整合起來。
如果你在看產品定位，這三者的味道不一樣：
- GitHub Copilot：偏補全，適合寫 code 時順手用
- Aider：偏 repo 操作，適合直接改檔
- Claude Code：偏流程編排，適合長任務
- OpenAI Codex：偏廣義 coding 助手，整合方式不同
這種差異很現實。你如果只是想補一行 code，Copilot 很順。你如果要它幫你跑一整段修 bug 流程，Claude Code 這種 agent 會更像樣。
我自己的看法是，下一波競爭不只看模型準不準。更重要的是，誰能把「做事」這件事做順。
這個外流透露了什麼產業訊號
先講背景。LLM 工具已經從聊天，走到執行任務。這件事在 2023 到 2025 之間變得很明顯。開發者不想只問答案，還想直接叫 AI 幫忙改 repo。
這也是為什麼 terminal 產品開始回來。終端機本來就擅長串流程。對 AI 來說，它很像一個天然的控制台。
外流內容讓人看到一個趨勢。未來的 coding assistant，重點不是會不會講，而是能不能穩定做完一整串動作。這包括讀檔、改檔、執行、驗證、失敗後重試。
如果你把這些能力拆開看，就會發現很多產品都還在補課。模型很強，不代表工作流就順。這中間差很多。
所以這次外流的價值，不在八卦。它比較像一張結構圖，讓大家看到一個成熟 coding agent 的骨架。
我會怎麼看接下來的走向
我覺得接下來 6 到 12 個月，這類工具會更重視控制感。不是只把回答寫得漂亮，而是把確認、差異比對、失敗回復做得更清楚。
對台灣開發者來說，這件事很實際。因為很多團隊已經在用 AI 寫 code。真正的問題不是要不要用，而是怎麼用得穩。
如果你在做自己的 AI 工具，我會建議先想三件事：串流怎麼顯示、工具怎麼分層、失敗怎麼回退。這三個做好，產品就不會太飄。
Claude Code 這次外流，剛好把這些東西攤開來看。你會發現，真正有價值的不是某個神秘功能，而是整個架構怎麼把模型變成可用的工作夥伴。
接下來可以觀察一件事：終端機會不會變成 AI coding 的主戰場。如果會，那 Claude Code 這種設計就不是特例，而是範本。