Nano Li-优快云博客

原创深入 Claude Code 源码（九）：Agent 角色配置——用 `.claude/agents/` 定义专属助手

文章摘要 Claude Code提供了一套标准化的Agent角色定义机制，通过Markdown文件配置专属AI助手。每个Agent定义文件包含YAML前置信息（配置工具权限、模型选择等）和正文系统提示词。这些文件可放置在用户级、项目级或内置目录中，优先级依次降低。文章演示了两个实用案例：代码审查Agent能按安全性、可维护性、性能维度提供结构化反馈；测试工程师Agent则遵循TDD原则编写完整测试用例。更高级的用法是通过SDK实现多Agent流水线协作，例如让测试Agent和审查Agent串联工作。这种机制

2026-06-29 00:06:07 466

原创深入 Claude Code 源码（八）：自定义工具——给 Agent 装上专属「手」

本文介绍了如何为 Claude Agent 添加自定义工具，提升其处理特定任务的能力。主要内容包括：自定义工具的价值：突破内置工具限制，让Agent理解操作语义（如专用知识库查询工具比通用Bash更高效）两种实现方式： SDK内嵌式：工具与Agent同进程，适合快速开发独立服务式：工具作为独立服务，支持跨项目复用工具开发规范：使用tool()函数定义工具需明确工具名称、描述和参数schema 返回固定格式的结果实践案例：公司知识库查询工具开发示例本地SQLite数据库查询工具（代码片段）

2026-06-29 00:04:57 150

原创深入 Claude Code 源码（七）：动手实践——用 SDK 跑起第一个 Agent

本文介绍了基于 Claude Code 构建 AI Agent 的两种实现路径： Shell脚本调用（路线A）通过claude -p命令直接执行任务适合快速验证和简单集成演示了在Shell脚本和CI/CD中的应用支持工作目录指定和JSON格式输出 Node.js/Bun SDK（路线B）使用@anthropic-ai/claude-code包进行深度控制适合产品级Agent开发详细解析了消息流处理机制（assistant/user/result等消息类型）提供了完整的异步消息处理代码模板文

2026-06-29 00:03:01 352

原创深入 Claude Code 源码（六）：多智能体——Coordinator 与 AgentTool 深度解析

本文介绍了Claude Code中两种多智能体协作机制：AgentTool（工具调用子代理）和Coordinator Mode（协调者模式）。AgentTool通过串行嵌套方式创建子代理，适用于细粒度任务分解；Coordinator Mode则实现真正的并行执行，协调者可同时管理多个worker agents。文章详细解析了两种模式的实现原理、生命周期管理、通信机制和权限控制，并展示了它们如何组合使用形成多层次任务处理架构。同时介绍了异步任务系统与自定义Agent定义等辅助功能，构建了一套完整的AI智能体协

2026-06-29 00:02:13 324

原创深入 Claude Code 源码（五）：MCP 协议——Claude Code 连接外部世界的方式

本文介绍了Claude Code中的MCP（Model Context Protocol）协议实现，这是一套让AI工具与外部服务集成的开放标准。主要内容包括： MCP协议作用：使外部服务能通过统一接口暴露功能给AI客户端，无需为每个服务单独编写集成代码。三种传输方式：支持Stdio（本地子进程）、SSE（HTTP事件流）和Streamable HTTP（双向流式通信）。连接流程：启动时枚举可用工具和资源，将MCP工具包装成统一接口。鉴权机制：内置OAuth 2.0流程，支持自动token刷新和首次授权

2026-06-28 23:59:38 167

原创深入 Claude Code 源码（四）：上下文管理——当 Context Window 快要满的时候

本文介绍了Claude Code应对大语言模型上下文窗口限制的多层管理系统。该系统包含四层防御机制：L1通过工具结果预算控制将大内容存为磁盘引用；L2实验性精准裁剪低价值历史消息；L3将已完成工具调用折叠为摘要；L4在上下文接近满载时触发整体压缩。系统采用增量式处理策略，前三层每次查询循环轻量执行，第四层仅在必要时进行重量级压缩。关键技术包括写操作支点判断、压缩边界标记、内存即时清理等，在保证会话连续性的同时有效控制token消耗。文章还提及了实验性功能如响应式压缩和上下文折叠，展示了在有限上下文窗口下维持

2026-06-28 23:58:38 244

原创深入 Claude Code 源码（三）：工具系统——53 个工具背后的统一框架

本文解析了Claude Code的53个工具统一框架，重点介绍了其核心设计理念和关键技术实现。工具系统通过Tool.ts定义统一契约，采用buildTool()工厂函数创建工具，实现三层权限防护体系（工具级检查、调用追踪层、全局模式）。以最复杂的BashTool为例，展示了其安全机制（AST解析、沙盒支持）和用户体验优化（语义分类、进度阈值）。系统还通过结果大小管理防止context窗口溢出，体现了对开发效率和安全性的平衡考量。

2026-06-28 23:57:59 235

原创深入 Claude Code 源码（二）：查询引擎——`query.ts` 是如何驱动 Claude 工作的

本文深入解析了Claude Code查询引擎的架构设计，聚焦于核心文件QueryEngine.ts和query.ts的分工协作。文章揭示了三个关键设计：双层状态管理：QueryEngine维护会话级状态（历史消息、token用量等），而query.ts专注单轮次的无状态执行，实现职责分离。流式处理机制：通过AsyncGenerator实现端到端流式传输，从API响应到终端渲染形成异步生成器管道，实现零延迟的内容展示。智能循环控制：queryLoop采用四阶段循环（预处理-API调用-工具执行-终止判断

2026-06-28 23:54:58 271

原创深入 Claude Code 源码（一）：启动层——从 `claude` 回车到光标出现，经历了什么？

本文解析了Claude Code终端AI助手的启动优化策略。文章拆解了其启动过程的四个关键阶段：1)入口模块完整性校验（dev-entry.ts）；2)并行预热任务启动（main.tsx），通过提前触发Keychain和MDM读取实现IO与计算并行；3)命令解析与功能初始化；4)三种运行模式（交互/脚本/SDK）的分流机制。重点分析了通过Bun编译时的死代码消除优化包体积，以及将耗时操作（约65ms的Keychain读取）与模块加载并行的创新设计。最终在保证功能完整性的同时，将启动延迟控制在300-500m

2026-06-28 23:53:16 516

原创一键安装ROS（含ROS2和rosdep）

ROS从2007年发展到现在（2024年）已经有17年了，在之前很长的一段时间中中国用户都会因为网络问题造成ROS无法安装。本文将介绍一个一键安装ROS的工具，包含了安装ROS2 Foxy、Humble和Jazzy，对应了Ubuntu20.04、22.04和24.04的三个版本。

2024-11-11 11:32:23 2744

原创 ROS1 Nodelets 与 ROS2 rclcpp_components 多节点运行以及功能插件

高效的通信：由于所有Nodelet都运行在同一个进程内，因此它们之间的通信开销显著降低。共享内存：Nodelet可以直接访问彼此的内存空间，支持更快速的数据交换。动态加载：Nodelet可以在运行时动态加载和卸载，增强系统的灵活性。下面是一个简单的Nodelet示例，它每秒发布一条消息到特定的主题。public:// 获取NodeHandle// 创建发布者// 创建定时器private:// 发布的消息内容// 发布消息// 发布者对象// 定时器对象。

2024-11-10 23:06:39 1022

原创 ROS2 技术及分布式介绍

ROS2 本身是一个分布式通信框架，可以很方便的实现不同设备之间的通信，ROS2所基于的中间件是DDS，当处于同一网络中时，通过DDS的域ID机制(ROS_DOMAIN_ID)可以实现分布式通信，大致流程是：在启动节点之前，猛狮集训营可以设置域ID的值，不同节点如果域ID相同，那么可以自由发现并通信，反之，如果域ID值不同，则不能实现。所以，现在我们需要的是一个反馈，比如每隔1s，告诉我们当前转到多少度了，10度、20度、30度，一段时间之后，到了360度，再发送一个信息，表示动作执行完成。

2024-09-21 10:34:04 2886

原创具身智能笔记（一）

目前整个科技圈的大浪潮有两个，一个是由ChatGPT开始爆火的大模型浪潮，另一个就是大家目前看到几乎科技圈大厂都在卷的人形机器人，更广泛一点的称呼叫具身智能浪潮。具身智能的模式则存在一些不同，一般具身智能本体也会有传感器，比如视觉和语言等，结合到视觉信号、语音信息，机器人本体就能根据读取到的信息进行任务的分解和环境的理解，然后通过自己编程实现自己要完成的事情。这些模拟器通过收集真实世界的数据，创建高度逼真的3D场景，使其成为家庭活动中的具身智能研究的首选。

2024-09-04 08:38:27 2904

原创 MPC和WBC步态控制（以人形机器人控制为例）

最优控制在实际应用中有很广泛的应用，例如在自动驾驶汽车中，通过优化车辆的加速度和转向角度，使其在规定的时间内安全地到达目的地；在制造业中，通过调整生产线的控制参数，实现生产效率的最大化；随着技术的进步，MPC和WBC等先进的控制策略被广泛应用于人形机器人的运动控制中，极大地提升了机器人的性能。模型预测控制是一种基于模型的控制策略，它通过预测未来一段时间内的系统状态和控制输入，来优化当前时刻的控制输出。在这一步中，MPC会根据当前的状态信息和预定的目标状态，通过求解一个优化问题来计算一系列未来的控制输入。

2024-09-01 09:53:00 9281

m0_46363700的博客