引言：AI Agent 的寒武纪大爆发
AIAgent 的寒武纪生物大爆发，来了！
2025 年 3 月最后一天，X 用户 @Chaofan Shou 发现了一个震撼业界的消息：Claude Code 的完整源代码被泄露到 GitHub，包含 1880 多个文件、51 万行代码。
这不仅仅是技术泄露事件。顺着源码深挖，我们发现的是一张 AI Agent 的未来路线图——来自 Anthropic 内部对 Agent 演进方向的系统性思考。
ccunpacked.dev 将这些内容整理成了可视化网站，但全是英文。
苏米注：读完这篇，你会理解头部玩家认为 Agent 应该长什么样，以及你的产品该往哪个方向布局。
一、7 大隐藏功能：未来 12 个月的 Agent 进化路线图
如果说 Claude Code 已发布功能是"现在时"，那么泄露源码中揭示的这 7 个能力，就是 Anthropic 押注的"将来时"。它们大部分标注为"隐藏"或"实验性"，但代码不会说谎。
1. 持久记忆：让 Agent 真正"认识"你的项目
现在的 AI 工具，每次对话都是"清零"的。你在一个项目里聊了 4 周，下一次对话它完全不记得之前的上下文。
Kairos（持久模式）打破了这个限制——它能跨会话保持状态，在一个项目中的长期记忆和上下文会被保留。换句话说：你在一个项目里训练了 4 周的 Claude Code，换一个会话仍然记得这个项目的架构风格和你的编码习惯。
对开发者的启示：如果你在做一个需要"上下文积累"的产品（比如代码审查 Agent、架构建议 Agent、长期陪伴型 Coding 助手），持久记忆是必须具备的能力。它决定了 Agent 能不能从"工具"进化为"伙伴"。
2. 多 Agent 协作：单个 Agent 的能力有上限
单一 Agent 再强，也有处理不了复杂任务的天花板。
Coordinator Mode（多 Agent 协调）允许一个主 Agent 同时管理多个子 Agent，让它们分工合作解决复杂问题——一个读代码、一个写测试、一个做文档、一个跑部署。单个 Claude Code，瞬间变成一个"AI 开发团队"。
苏米注：Anthropic 的方案是"一个 Coordinator 拆解任务 + 多个 Worker 并行执行"——这是目前最主流的设计思路。如果你在构建复杂任务的 Agent 产品（比如自动化测试平台、持续集成 Agent、全栈开发助手），你需要从"单一 Agent"架构转向"多 Agent 协调"架构。
3. 主动规划：Agent 开始能当"架构师"
现在的 Agent 大多是"等指令"模式——你说什么它做什么，不会主动思考整体方案。
UltraPlan（30 分钟规划）让 Claude Code 可以进入"战略规划模式"：用长达 30 分钟的时间，对项目进行全面分析，输出详细的架构设计、技术选型建议、风险点和里程碑规划。
对开发者的启示：如果你的产品需要面对"新项目启动"这类场景，光有执行能力不够，你还需要规划能力。Anthropic 的方案是先用 Opus 级模型做深度规划，再切换到轻量模型执行——这对成本敏感的产品有重要参考价值。
4. 后台运行：Agent 从"在线工具"变成"数字员工"
大多数 AI 工具需要你"在场"才能工作。你打开了，它跑；你关闭了，它停。
Daemon Mode（后台运行）让 Claude Code 变成一个真正的后台服务：关闭终端它还在跑、接收指令、监控系统状态、在异常时主动告警。
苏米注：Daemon Mode 意味着你的 Agent 可以真正意义上脱离用户会话独立运行。如果你想做"无人值守型"产品（比如 24 小时监控服务、自动化的 CI/CD Agent、后台数据处理助手），这是 Agent 从"在线工具"进化为"数字员工"的关键一步。
5. 远程控制：跨设备的 Agent 协作成为可能
大多数 AI 工具只能在本地机器上运行，能力和你的设备强绑定。
Bridge（远程控制）允许 Claude Code 通过网络远程控制其他机器上的 Claude Code 实例，实现跨设备的任务分发。你的主力机在外地，Claude Code 可以在云端跑，然后把结果同步回来。
对开发者的启示：如果你在构建"云端 - 本地协同"型产品，Bridge 提供了跨设备任务分发的参考架构。比如：本地负责敏感操作，云端负责重型计算，两端通过 Bridge 协调。
6. 自主学习：Agent 开始有自己的"判断力"
现在的 Agent 基本是"被动响应"模式——你给指令，它执行；你不给，它闲着。
Auto-Dream（自主学习）让 Claude Code 在空闲时间自主浏览项目代码、主动发现潜在问题、甚至自己提出优化建议并等待你批准。
苏米注：Auto-Dream 提供了让 Agent 主动"找事做"的设计思路。如果你想做"主动预警型"或"持续优化型"产品（比如代码质量守护者、性能优化 Agent、知识库维护助手），它不只是听指令的工具，而是开始有了"主动性"。
7. 虚拟伙伴：Agent 开始有"存在感"
这是一个有意思的彩蛋功能。
Buddy（虚拟宠物模式）是一个持续运行在后台的小 Agent，会在空闲时自动浏览代码库、学习代码风格、在必要时主动提供建议。它不是工具，而是一个"一直在学习你项目的存在"。
对开发者的启示：Buddy 的设计思路值得产品经理思考：用户需要的不仅是"能干活的工具"，更是"有存在感的伙伴"。如果你在做一个面向开发者的产品，加入适当的"陪伴感"设计，可能比纯粹提升能力参数更能让用户留存。
二、Agent 的底层架构：理解这 11 步循环
读懂了底层架构，你才能真正判断：什么场景适合用 Agent，什么场景 Agent 还不够用。
Claude Code 的核心是一个精密的 Agent 循环，整个流程被切分成 11 个步骤：
用户输入 → 消息创建 → 历史追加 → 系统提示组装 → API 流 → Token 解析 → 工具检测 → 工具执行循环 → 响应渲染 → 后采样钩子 → 等待下次输入
你可以把它想象成一条流水线的 11 道工序，每一道都在特定的时间点发挥作用：
- 工具检测 + 工具执行循环是最核心的部分——当 Claude 说"我需要查一下这个 API"时，背后就是在走这个循环
- 后采样钩子是在返回给你之前留的一个"后置处理"入口，允许做额外的自定义处理
- 历史追加 + 系统提示组装决定了 Agent 的"记忆"和"性格"——理解这两步，你就能理解为什么 Agent 有时"记得太多"有时"忘得干净"
苏米注：理解这 11 步，你就理解了 Agent 为什么有时候显得很聪明，有时候又觉得有点蠢——因为它的能力边界，就画在这 11 步的每一个环节里。
三、42 个工具：Agent 的能力边界，由工具决定
51 万行代码背后，藏着 42 个精心设计的内置工具，被分成了 8 大类。
工具数量多不是重点，重点是工具之间的协作设计。当用户说"帮我重构这个模块"时，Claude Code 可能同时动用文件操作、搜索、规划、代理任务好几个工具，组成一个临时的"课题组"来完成任务。
工具分为：
- 文件操作类（6 个）：读写、创建、移动、复制、删除
- 执行类（3 个）：运行命令、安装依赖、执行脚本
- 搜索获取类（3 个）：网络搜索、网页获取、信息检索
- 代理任务类（10 个）：把自己的任务拆分，分配给子 Agent 去处理
- 规划类（4 个）：任务拆解、进度跟踪、目标管理和反思复盘
- MCP 类（4 个）：与外部工具和服务进行标准化的交互
- 系统类（8 个）：环境信息获取、进程管理、通知推送等
- 实验性类（4 个）：还在探索中的功能
对开发者的启示：工具的质量和覆盖面，直接决定 Agent 的能力边界。如果你在开发 Agent 产品，这是你最需要投入的方向——不是让模型更聪明，而是让工具更好用。
四、95 个命令：开发者工作流的完整覆盖
Claude Code 支持 95 个命令，覆盖了开发者工作流的每一个环节。
值得注意的是调试诊断类命令（23 个）——性能分析、错误追踪、内存 dump、堆栈解析，有 23 个命令专门用于"找问题"。
苏米注：这暗示了 Anthropic 的判断：AI Coding 的下半场，胜负在于调试能力，而不只是生成能力。对于 Agent 开发者来说，这是一个重要的信号——如果你在做一个编程类 Agent，调试能力可能比生成能力更能拉开差距。
五、总结：Anthropic 的 Agent 路线图告诉我们什么？
看完这 51 万行泄露代码，最让人印象深刻的不是某个具体功能，而是 Anthropic 对 AI Agent 的系统性思考。
Anthropic 押注的 Agent 进化方向：
- 持久记忆：从"工具"到"伙伴"的关键一跃
- 多 Agent 协作：解决复杂任务的唯一有效路径
- 主动规划：Agent 不只是执行者，还可以是思考者
- 后台运行：让 Agent 真正脱离用户会话独立运行
- 远程控制：跨设备协作是未来的标配
- 自主学习：Agent 有了"主动性"，才能真正提效
- 陪伴感设计：用户留存的秘密，可能不在能力而在温度
泄露从来不是终点，而是照见未来的镜子。Claude Code 的源码泄露，让我们第一次看清了头部玩家押注的 Agent 未来。
这些功能目前大部分尚未发布，但代码不会说谎——Anthropic 的路线图已经画好了。
对每一个正在构建 AI Agent 产品的开发者来说，这都是一个信号：Anthropic 给我们看了它的底牌。现在，该你出牌了。
与其等待这些功能正式上线，不如现在就开始思考：你的产品，如何在"持久记忆""多 Agent 协作""主动规划"这些方向上提前布局？
下一个 12 个月，是 AI Agent 的关键窗口期。