跳转至

第三编：AI是怎么思考的

厨师做菜的循环：看菜单、备食材、烹饪、尝味道、调整、上菜。AI 的工作循环也是如此。

本编深入 Claude Code 的"大脑"：提示词组装、会话引擎、Agent Loop、流式响应、Token 经济学。

本编总览

flowchart LR
    subgraph 第三编["🧑‍🍳 AI是怎么思考的"]
        direction TB
        C9["第9章<br/>提示词装配厂<br/><i>AI的早报</i>"]
        C10["第10章<br/>会话引擎<br/><i>棋盘引擎</i>"]
        C11["第11章<br/>Agent Loop<br/><i>核心循环</i>"]
        C12["第12章<br/>流式响应<br/><i>水龙头vs水桶</i>"]
        C13["第13章<br/>Token经济学<br/><i>每个字有价格</i>"]
    end

    C9 -->|组装提示词| C10
    C10 -->|驱动引擎| C11
    C11 -->|循环执行| C12
    C12 -->|实时输出| C13
    C13 -->|"成本可控 💰"| 后续编

    style 第三编 fill:#1a1a2e,stroke:#7c4dff,color:#fff
    style C9 fill:#16213e,stroke:#e94560,color:#fff
    style C10 fill:#16213e,stroke:#0f3460,color:#fff
    style C11 fill:#16213e,stroke:#533483,color:#fff
    style C12 fill:#16213e,stroke:#e94560,color:#fff
    style C13 fill:#16213e,stroke:#0f3460,color:#fff

本编五章速览

章 标题 核心问题 生活类比
9 提示词装配厂 在你说第一个字之前，AI 已经收到了多少"背景知识"？ 新员工的培训手册
10 会话引擎 直接调 API 不行吗？为什么还要抽出"引擎"？ 下棋的棋盘引擎
11 Agent Loop 一个 while(true) 怎么支撑整个 AI 助手？ 厨师做菜的循环
12 流式响应 回复为什么一个字一个字蹦出来？ 水龙头 vs 水桶
13 Token经济学 怎么在有限"流量"里完成更多任务？ 手机流量套餐

设计思想主线

本编建立的认知基础

  1. System prompt 在用户说第一句话之前就已组装完成——几千 token 的"早报"决定 AI 行为质量
  2. QueryEngine 封装了多轮对话、工具分发、中断恢复等复杂性——上层只需"发问题、收答案"
  3. Agent Loop 的核心是一个 while(true)——简单但不容易
  4. 流式响应把用户感知延迟从 30 秒压到 2 秒——体验工程的典范
  5. Token 是真金白银——prompt caching 可省 70-90% 成本

推荐路径

第11章的 Agent Loop 是最核心的概念——理解"想→做→看→再来"的循环就理解了 AI Agent 的本质。

第9章和第10章揭示了生产级 AI 应用的工程细节。prompt 组装和会话管理是自建 AI 应用的必修课。

第13章的 Token 经济学直接影响产品的商业可行性。成本控制是 AI 产品从 demo 到产品的关键一步。

阅读建议

如果你第一次读 Claude Code 源码，建议按 第9章 → 第10章 → 第11章 → 第12章 → 第13章 的顺序通读。这样会先建立“提示词底座”，再理解“会话引擎”，最后再把 Agent Loop、流式响应和 Token 成本串成一条完整主线。