/install claude-code-architecture
AI Agent 架构设计模式
从 Claude Code 源码分析 + OpenAI Agents SDK 提炼的实战设计模式 触发:设计Agent工具系统 / 实现安全门控 / 优化上下文管理 / 搭建多Agent编排
⚡ 快速使用
当 agent 需要进行架构设计时,按场景选择模板:
| 场景 | 对应模板 | 触发词 |
|---|---|---|
| 需要工具权限控制 | 模板 A:权限门控 | "生成权限门控代码" |
| Token 消耗太大 | 模板 B:工具按需加载 | "实现工具按需加载" |
| 上下文快满了 | 模板 C:上下文压缩 | "生成上下文压缩方案" |
| 多工具并发 | 模板 D:读写分离 | "实现读写分离调度" |
Agent 应按当前任务自动选择模板,生成定制代码并写入目标项目。
🏛️ 核心原则
护城河不是模型,是 harness(框架) — 任务编排、工具系统、上下文管理、安全机制
七大设计模式
| # | 模式 | 一句话 |
|---|---|---|
| 1 | Initiative/Execution 分离 | 规划层与执行层解耦 |
| 2 | 读写分离并发 | 只读并行,写入排队 |
| 3 | 工具按需加载 | 先给轻量索引,选中后再加载完整参数 |
| 4 | 记忆不记代码 | 代码事实实时从源码读取 |
| 5 | 五级上下文压缩 | 剪裁→精简→折叠→AI总结→强制保留 |
| 6 | 插件式工具架构 | 每个工具独立权限+验证+格式化 |
| 7 | Fail-closed 安全 | 默认拒绝,显式授权 |
模板 A:权限门控
class ToolPermissionGate:
"""Fail-closed 权限门控。默认拒绝,显式授权。"""
def __init__(self):
self.permissions = {}
self.default = "none"
def can_execute(self, tool_name: str, user: str) -> bool:
if not self._is_declared_readonly(tool_name):
return self.permissions.get(user, self.default) >= self._required_level(tool_name)
return True
def request(self, tool_name: str) -> str:
return f"⚠️ 需要授权执行 {tool_name}。确认吗?"
参考具体实现:references/permission_gate_full.py
模板 B:工具按需加载
class ToolRegistry:
"""轻量索引 → 选中 → 加载完整参数"""
def __init__(self):
self.index = {} # 轻量:名称+用途
self.loaders = {} # 完整参数加载器
def list_tools(self) -> list:
return [{"name": k, "purpose": v} for k, v in self.index.items()]
def get_full(self, name: str) -> dict:
return self.loaders[name]() if name in self.loaders else None
参考具体实现:references/tool_lazy_loading_full.py
模板 C:五级上下文压缩
| 级别 | 方法 | 适用 |
|---|---|---|
| 1 Prune | 删除低价值消息 | 日常清理 |
| 2 Micro | 精简长消息 | 接近限制 |
| 3 Fold | 折叠摘要 | 上下文紧张 |
| 4 Auto | AI 自动总结 | 严重溢出 |
| 5 Hard | 强制保留关键信息 | 最后手段 |
class ContextCompressor:
LEVELS = {1: "prune", 2: "micro", 3: "fold", 4: "auto", 5: "hard"}
def compress(self, messages: list, level: int, max_tokens: int) -> list:
# 按级别执行对应压缩策略
...
参考具体实现:references/context_compressor_full.py
模板 D:读写分离调度
class ReadWriteScheduler:
"""只读操作并发,写操作排队"""
async def execute(self, ops: list) -> list:
reads = [op for op in ops if op.is_readonly]
writes = [op for op in ops if not op.is_readonly]
results = await asyncio.gather(*[self._read(op) for op in reads])
for op in writes:
results.append(await self._write(op))
return results
参考具体实现:references/rw_scheduler_full.py
📖 参考资料
- 完整代码实现 →
references/目录各模板完整版 - 与其他框架对比 →
references/framework_comparison.md - 源码分析原文 → 基于 Claude Code 2026.3.31 泄漏事件
版本 2.0.1 | 重构为可调用的架构模板生成器
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install claude-code-architecture - 安装完成后,直接呼叫该 Skill 的名称或使用
/claude-code-architecture触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
Claude Code Architecture 是什么?
基于 Claude Code 源码分析提炼的 AI Agent 架构设计模式。当你需要设计/重构 Agent 工具系统、安全门控、上下文压缩、任务编排时使用。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 145 次。
如何安装 Claude Code Architecture?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install claude-code-architecture」即可一键安装,无需额外配置。
Claude Code Architecture 是免费的吗?
是的,Claude Code Architecture 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
Claude Code Architecture 支持哪些平台?
Claude Code Architecture 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 Claude Code Architecture?
由 wudi488(@wudi488)开发并维护,当前版本 v2.0.1。