Claude Code是一款令人愉悦的AI代理工具，基于Claude 4模型，具备自主性且不会让用户失去控制感。相比Cursor和Github Copilot，Claude Code使用体验更佳。文章旨在分享如何构建类似的优秀LLM代理，并提供了相关提示和工具，帮助开发者重现Claude Code的魔力。

标题：Claude Code为何如此出色？如何在自己的AI代理中重现这种魔力？

主要内容：

Claude Code是目前为止我使用过的最令人愉悦的AI代理/工作流程。它不仅让目标编辑或临时工具的编写变得不那么烦人，使用它甚至让我感到快乐。Claude Code拥有足够的自主性来完成有趣的任务，同时不会像其他工具那样让人感到失控。虽然大部分繁重的工作是由Claude 4模型完成的（尤其是其交错思考能力），但即使使用相同的底层模型，我发现Claude Code比Cursor或Github Copilot等代理更少让人感到烦恼。那么，是什么让它如此出色呢？如果你对此感到好奇，本文将尝试给出一些答案。

关键点：

1. 保持简单：LLM（大语言模型）本身已经足够复杂，任何额外的复杂性（如多代理系统、代理交接或复杂的RAG搜索算法）都会让调试变得更加困难。Claude Code的设计始终遵循简单原则，避免过度工程化。

2. 控制循环设计：

   • 单一主循环：Claude Code只有一个主线程，处理所有任务，避免复杂的多代理系统。
   • 使用小型模型：超过50%的重要LLM调用都使用了Claude-3-5-Haiku模型，它更便宜且足够高效。

3. 提示设计：

   • 使用claude.md文件：这个文件帮助代理记住用户偏好和上下文，显著提升了代理的表现。
   • XML标签和Markdown：Claude Code广泛使用XML标签和Markdown来结构化提示，帮助模型更好地理解任务。

4. 工具设计：

   • LLM搜索优于RAG搜索：Claude Code通过复杂的命令行工具（如ripgrep、jq和find）来搜索代码库，而不是依赖RAG（检索增强生成）技术。
   • 高低级工具结合：Claude Code既有低级工具（如Bash、Read、Write），也有高级工具（如WebFetch、Task），帮助模型更高效地完成任务。

5. 可操控性：

   • 语气和风格：Claude Code通过系统提示中的详细指令来控制代理的语气和风格，确保其输出符合用户期望。
   • 明确算法：为LLM编写明确的算法和启发式规则，帮助模型更好地遵循指令。

结论：

Claude Code的成功在于其简单而强大的设计。它避免了过度复杂的框架，专注于让模型在简单的控制循环中高效工作。如果你也想在自己的LLM代理中实现类似的效果，建议遵循这些原则，保持简单，避免不必要的复杂性。

附录：

文章中提供了详细的提示和工具设计，供读者参考和借鉴。

评论内容主要围绕Claude Code的使用体验、与其他工具的对比、以及LLM在编程中的应用展开。以下是主要观点和论据的总结：

1. Claude Code的使用体验：

   • 正面评价：部分用户认为Claude Code极大地提高了编程效率，甚至有人用它构建了整个MVP并获得付费客户。
     • "I’ve literally built the entire MVP of my startup on Claude Code and now have paying customers."（我实际上用Claude Code构建了整个MVP，现在有了付费客户。）
     • "It shocks me when people say that LLMs don’t make them more productive, because my experience has been the complete opposite, especially with Claude Code."（当有人说LLM没有提高他们的生产力时，我感到震惊，因为我的经验完全相反，尤其是使用Claude Code时。）
   • 负面评价：也有用户反映Claude Code在处理复杂问题时表现不佳，甚至有时会“偷懒”或给出不完整的解决方案。
     • "For some reason, Claude Code seems very lazy."（不知为何，Claude Code似乎非常懒散。）
     • "It’s constantly running into issues, making half baked changes, not able to fix regressions etc."（它不断遇到问题，做出不完整的更改，无法修复回归等。）

2. 与其他工具的对比：

   • 与GitHub Copilot的对比：有用户认为GitHub Copilot在解决问题和修复错误方面表现更好，而Claude Code则显得不够积极。
     • "I find GitHub Copilot solves problem and bugs way better than Claude Code."（我发现GitHub Copilot在解决问题和修复错误方面比Claude Code好得多。）
   • 与Google Gemini的对比：用户对Google Gemini的长期支持和产品稳定性表示担忧，认为Claude Code在某些方面表现更优。
     • "I really like a lot of what Google produces, but they can’t seem to keep a product that they don’t shut down."（我非常喜欢Google的许多产品，但他们似乎无法持续维护不关闭的产品。）

3. LLM在编程中的应用：

   • 生成结构化配置 vs. 生成代码：有用户认为LLM在生成结构化配置（如YAML/JSON）方面可能比生成代码更可靠，因为输出更易验证和调试。
     • "My theory is that agents producing valid YAML/JSON schemas could be more reliable than code generation."（我的理论是，生成有效的YAML/JSON模式的代理可能比代码生成更可靠。）
   • 多代理系统的应用：用户讨论了多代理系统的设计，认为长提示和工具调用的上下文管理是关键。
     • "Long prompts are good - and don’t forget basic things like explaining in the prompt what the tool is, how to help the user, etc."（长提示是好的——不要忘记在提示中解释工具是什么、如何帮助用户等基本内容。）

4. 技术问题和改进建议：

   • 用户在使用Claude Code时遇到技术问题，如进程崩溃和输出错误，并希望工具能更稳定地帮助解决问题。
     • "I’m guessing one of the scripts it runs kills Node.js processes, and that inadvertently kills Claude as well."（我猜它运行的某个脚本杀死了Node.js进程，无意中也杀死了Claude。）
   • 有用户建议通过将任务分解为更小的块来改善Claude Code的表现。
     • "Might have to break it into smaller chunks or something."（可能需要将其分解为更小的块。）

总结：Claude Code在编程辅助方面表现出色，但也有用户对其在处理复杂问题时的表现表示不满。与其他工具（如GitHub Copilot和Google Gemini）相比，Claude Code在某些场景下表现更优，但在稳定性和长期支持方面仍有改进空间。LLM在生成结构化配置和多代理系统中的应用也引发了用户的广泛讨论。