Claude Code 真正難抄的不是 agent loop，而是包在外圍的 permission、context 與 recovery 系統

這則 Threads 很短，只貼了一句話：UCL 的團隊根據外洩的 Claude Code 原始碼寫了一篇 paper，並附上 arXiv 與 GitHub repo。真正值得記錄的，不是「Claude Code 被看光了」這種八卦感，而是這份研究替 AI agent 設計丟出了一個很關鍵的提醒：

大家最容易模仿的是 agent loop，但真正把產品撐起來的，通常是 loop 外圍那一大圈 deterministic infrastructure。

根據論文與 repo 的摘要，研究團隊分析的是 Claude Code v2.1.88、約 1,900 個 TypeScript 檔案、約 51.2 萬行程式碼。他們提煉出的核心結論非常值得 agent builder 記住：真正屬於「AI 決策」的部分只佔很小一塊，絕大多數複雜度都在權限、上下文、工具執行、延展能力與故障復原。

這篇真正值得記錄的重點

1. Agent 的核心 loop 其實很簡單，難的是把它變成能交付工作的系統

論文直接點出 Claude Code 的核心是一個簡單的 while-loop：

1. 呼叫模型
2. 執行工具
3. 把結果回灌
4. 繼續下一輪

這個 loop 本身不是祕密，也不是難點。真正的工程重量，來自它外圍的那些問題：

• 哪些操作要擋、哪些要放
• 什麼情況需要人類批准
• context 太長時怎麼壓縮、保留什麼
• 工具如何註冊、路由、隔離、失敗重試
• session 狀態怎麼保存，才能讓任務可恢復、可審計
• subagent 如何委派，才能既提升能力又不互相污染

也就是說，很多人以為自己在做「agent」，其實只是把模型接到一個 loop；真正有產品價值的部分，是把 loop 變成一台能長時間穩定工作的機器。

2. 這份研究把 AI agent 的設計問題，重新拉回系統工程而不是 prompt 魔法

README 裡有一句很值得記：Only 1.6% of Claude Code's codebase is AI decision logic. The other 98.4% is deterministic infrastructure.

這個比例本身不一定要逐字奉為定律，但它揭露了一件很現實的事：

• AI 模型很重要
• prompt 很重要
• 但真正讓 agent 好不好用、穩不穩、敢不敢上生產，往往不是 prompt，而是系統工程

所以如果有人只抄到一個 agent loop，就以為自己抄到了 Claude Code，通常還差得很遠。你抄到的是骨架，不是器官系統。

3. Permission、compaction、extensibility、delegation，才是 agent product 的真正護城河之一

從論文摘要與 repo 結構來看，研究聚焦在幾個典型模組：

• permission system
• context compaction pipeline
• extensibility（例如 MCP、plugins、skills、hooks）
• subagent delegation
• session persistence

這些模組有一個共同點：它們不一定最 flashy，但它們決定了 agent 能不能真的被人信任地用。

例如：

• 沒有好的 permission 模型，能力越強越危險
• 沒有好的 context 管理，對話越長越失真
• 沒有好的擴充機制，系統越做越封閉
• 沒有好的 delegation，複雜任務很難擴張
• 沒有好的 persistence，長任務就不可靠

所以這份研究真正有價值的地方，不只是「幫大家看懂 Claude Code」，而是提供了一張 agent 系統設計的 checklist。