CS146S: The Modern Software Developer｜第 1 讲：从 200 行到一个闭环

课程分享｜Stanford CS146S: The Modern Software Developer，第 1 讲。课程官网：https://themodernsoftware.dev/

我平时用 Claude Code，但一直说不清它怎么把一句话变成一串文件修改。模型为什么知道该调用哪个工具？40 个工具的定义都塞在哪里？上下文满了之后，它又是怎么把前面的对话压掉的？

斯坦福 CS146S 的第一周，用三样东西回答这些问题：一个 200 行的最小 agent、一次对 Claude Code 请求的拦截、一篇 55 页的论文。

一、介绍这个课程

CS146S 的全名是 The Modern Software Developer，斯坦福 2026 年秋季开课，3 个学分，周二、周四下午 5:30 到 6:20。讲师 Mihail Eric，助教 Isaac Kan、Vijay Daita、Patrick Hua。

课程页的定位很明确：大语言模型把软件开发从主要靠手写代码，变成了和越来越能干的 coding agent 协作。课程要教三件事：怎么给 agent 正确的上下文，怎么把产品需求翻译成可执行的规格，怎么设计人和 agent 一起计划、构建、评估、改进的循环。

10 周的安排如下：

客座名单也不像水课。Claude Code 的作者 Boris Cherny、Replit 的 CEO Amjad Masad。还有 Cognition 的 Silas Alberti、Semgrep 的 Isaac Evans、Cloudflare 的 Rajesh Bhatia。SpaceX 的 Lee Robinson、Factory 的 Eno Reyes，以及投资人 Elad Gil，也在这个名单里。

成绩构成：期末项目 50%，开源贡献 30%，每周作业 15%，课堂参与 5%。开源贡献占 30%，这个比例比很多课的项目都重。

先修要求是 CS111 或 CS161 级别的编程经验，CS221/229 推荐。课程页的 FAQ 说，不需要用过 Claude Code 之类的工具，但编程基础必须有。每周投入 10 到 12 小时。

它不适合想学几句提示词就能让 AI 干活的人，也不适合完全没写过代码的人。作业要你去拦截 Claude Code 的请求，再自己解析。它适合每天用 coding agent、但说不清它内部发生了什么的人，或者正在做 agent 产品、想知道生产系统和 demo 差在哪的人。

二、第一周讲了什么

Week 1 的标题是 The Internals of Coding Agents。两节课加一篇论文，分别回答三个问题：agent 怎么跑？生产系统多了什么？为什么多这些？

周二：200 行，先让循环跑起来

Mihail 只用了 3 个工具：读文件、列目录、改文件。

代码结构不复杂：一个工具注册表，把工具名映射到实现；一段 system prompt，把每个工具的名字、用途、参数写进去；一个 while True 循环；一个 messages 列表，记录用户说了什么、模型回了什么、工具返回了什么。

循环里做四件事：把 messages 发给模型；从模型的回复里提取工具调用；执行工具；把结果追加回 messages。

模型不会运行任何东西。它只输出一段文本，说我要调用 edit file，参数是这些。harness 把这段文本解析成 JSON，找到对应的函数，执行，再把结果塞回去。下一轮，模型看到结果，继续。

这就是 agent 的骨架。200 行能证明循环本身不神秘，半天时间，一个会写 Python 的人，就能让模型读文件、列目录、改代码。

但它证明不了能交给别人用。demo 和产品之间，差的是权限、日志、恢复和边界检查。这些不是 200 行能塞下的。

周四：把请求截下来，看真实系统

Mihail 用代理工具把 Claude Code 的请求截下来，存成 JSON。截下来之后，第一眼看到的是工具列表。

Claude Code 自带大约 40 个工具：读文件、写文件、跑 bash、搜网页、查 LSP、开子 agent、进 plan mode、调 skill、发通知、问用户问题。每一个工具都有名字、描述、参数 schema，这些东西全部被塞进请求里。

工具越多越好吗？Mihail 给了一个反例：早期 GitHub 的 MCP server，一上来就是 110 个工具，列 issue、建 issue、评论 issue，一个动作一个工具。工具越多，上下文越肥，模型越容易在无关的东西里迷路。

他还给了一个数字：Claude Code 的 system prompt，现在是 50 到 80 行，之前是 200 到 250 行。一个月前，Anthropic 又把它砍了大约 8%。为什么要砍？因为这段文字用户看不见，但每次请求都要付 token。

system prompt 之外，还有一层你自己能控制的东西：CLAUDE.md 或 AGENTS.md。它被注入成一个 user 块，开头写着这些指令覆盖默认行为，必须按原文执行。你写进去的项目结构、测试命令、启动方式，模型都会当真。

再往外，是 plan mode、skills、子 agent、hooks 和 compaction。plan mode 本质上是一段工作流说明；skills 平时只露一个名字和一句描述，等模型觉得相关了才把全文拉进来；子 agent 开一个全新的上下文窗口，干完只把结果带回来；hooks 是生命周期事件；compaction 是压缩，上下文快满了就把前面的内容总结成一段，50 万 token 压到 15 万。

这些机制指向同一个约束：上下文窗口是有限的，工具、提示词、历史记录都在抢它。

阅读：一篇 55 页的论文

Week 1 的阅读材料里，有一篇 55 页的论文：Dive into Claude Code。副标题是 The Design Space of Today’s and Future AI Agent Systems。

论文把 Claude Code 的公开 TypeScript 源码拆开，还拉了两个开源 agent 系统做对照：OpenClaw 和 Hermes Agent。摘要里有一句话，几乎就是 Week 1 的答案：核心是一个简单的 while 循环，调用模型、执行工具、重复；但大部分代码，住在这个循环周围。

周围有什么？

权限系统。7 种权限模式，外加一个机器学习分类器。默认模式下，超出只读范围的操作要你批准；acceptEdits 模式自动批准工作目录内的编辑；plan 模式先出计划再执行；bypassPermissions 跳过大部分提示，但安全关键检查还在。

论文里有个数字很刺眼：Anthropic 发现，用户会批准大约 93% 的权限提示。93%。人点多了，就不看了。所以 Claude Code 的做法不是加更多警告，而是换一套结构：能沙箱的先沙箱，能分类的先分类，deny 规则永远优先于 allow 规则。一个操作被拒绝，模型也不是直接停住，它收到拒绝理由，换个更安全的做法再试。

压缩管线。5 层，从轻到重：先限制单个工具结果的体积，再剪掉旧历史，再做缓存感知的微压缩，再做读取时的上下文折叠，最后才让模型自己生成摘要。为什么搞 5 层？因为每一次压缩都在丢信息，能少丢一点就少丢一点。

扩展机制。4 种：MCP、plugins、skills、hooks。它们按上下文成本排队：hooks 默认零成本；skills 在没被调用前只占一句描述；plugins 是打包层，成本中等；MCP 一旦加载工具 schema，成本最高。

子 agent 有独立的上下文窗口和权限边界；会话存储是 append-only，只追加，不改写；恢复会话时，权限相关的状态不会一起恢复。这些都是有意的设计。

论文最后还讲了一个长期问题：Anthropic 调查了 132 名工程师和研究员，发现大约 27% 的 Claude Code 任务，是如果没有这个工具就不会被尝试的工作；但另一项研究发现，在 AI 辅助条件下，开发者在理解力测试上的得分低了 17%。论文把这叫监督的悖论：你越依赖它，越需要有能力监督它，而这个能力可能在退化。

三、第一周的结构、效用与闭环

结构：三层，三个问题

第一周不是三块互不相干的内容，而是三层：

三层顺序不能换。先搭，你才知道一个 loop 最少需要什么；再截，你才知道真实系统在 loop 外面加了多少东西；最后读论文，你才知道那些东西不是拍脑袋，是设计取舍。

效用：每一层解决什么

200 行的效用，是去掉神秘感。很多人以为 coding agent 是一个复杂的智能系统，看到 3 个工具、一个 while 循环、一个 messages 列表，才知道骨架有多小。骨架小，你才敢改。

截请求的效用，是把上下文从抽象概念变成可数的 token。你不需要猜 40 个工具占了多少位置，截一次请求，数一遍就知道。你也能看到 system prompt、CLAUDE.md、工具 schema 在同一个窗口里排队。

论文的效用，是给你判断依据。7 种权限模式不是每个 agent 都必须有，5 层压缩也不是唯一解；但论文告诉你，每一个机制在解决什么问题，代价是什么。你可以在自己的项目里做减法，而不是照抄。

闭环：课程结构本身就是一个 agent loop

把三层连起来，就是一个闭环：

1. 搭一个最小 loop。
2. 截一次真实请求。
3. 对比差距，找出你的 loop 缺什么。
4. 读论文，看生产系统怎么解。
5. 回到自己的 loop，改一版。

这五步和 agent 的 loop 同构：行动、观察、反思、再行动。课程的第一周，其实是在用 agent 的方式教你理解 agent。

闭环的关键在最后一步：回到自己的 loop。只看不搭，闭环是断的；只搭不读论文，你会重复造轮子；只读论文不动手，你得到的是地图，不是路。

局限：第一周只是地图

200 行不含权限、恢复、持久化；论文是 Claude Code 某个版本的快照，系统还在变；课程第一周讲的是内部结构，不是完整的工程实践。把这三层当成起点，不要当成终点。

四、我对照学习学到了什么

我把 200 行的 demo、截下来的请求、论文的设计原则放在一起对照，学到四件事。

1. loop 是协议，不是智能

模型只输出文本，harness 把文本变成动作。你可以在 200 行里看懂这个协议，也可以在 40 个工具的请求里看到它的规模。智能在模型里，工程在 harness 里。

2. 上下文是硬约束

工具、system prompt、CLAUDE.md、历史记录，都在抢同一个窗口。40 个工具不是免费的，110 个 MCP 工具更不是。加工具之前，先数 token；写 CLAUDE.md 之前，先问这句话是否真的影响执行。

3. 安全和恢复是架构，不是提示词

93% 的同意率说明每次都问不可靠。deny-first、沙箱、分类器、拒绝后的重试路径，都是结构性的设计。恢复会话不恢复权限，也是结构性的选择。

4. demo 和产品的差距，就是 harness

200 行能跑通一个任务，但跑不了别人的仓库。权限、日志、压缩、子 agent 隔离、会话持久化，这些才是产品。

资料

原文：https://arxiv.org/abs/2604.14228

中译版：58 页 PDF。夸克网盘：https://pan.quark.cn/s/93ee31071271 提取码：1jLF。翻译保留了原文的章节结构，公式和表格没有删。