研究报告 · 约 28,345 字 · 预计推送 3 部分

AI Agent 的内核架构拆解：子代理循环、工具调用、上下文管理是怎么实现的 未开始

目录

题记与说明

报告类型：横纵分析综合报告（纵轴发展脉络 × 横轴横向对比）
写作日期：2026-10-28
材料来源：本报告由同日完成的两份章节报告综合而成——纵轴章节（2026-10-28-AI-Agent内核架构-vertical.md）与横轴章节（2026-10-28-AI-Agent内核架构拆解-子代理循环-工具调用-上下文管理-horizontal.md）。两章均基于网络检索与网页实测的一手材料撰写，本文消除了两章的重复与矛盾，保留来源链接（仅一处社区讨论未留档链接，已在"数据口径与矛盾消解说明"中声明）。证据分级沿用横轴口径：[A] 直接读取（会话内实际抓取的官方文档、GitHub raw 文件、GitHub REST API 实测输出）；[B] 转引检索（搜索摘要+原文链接，要点成立但未逐字复核）；[C] 第三方聚合数据（中等置信，使用时应回溯原始来源）。

术语约定：全文"内核四件套"统一指主循环＋工具调用＋上下文管理＋权限门，markdown 记忆文件归入上下文管理；横轴所称"内核三件套"（子代理循环/工具调用/上下文管理）为研究切面口径，其中主循环在子代理语境下扩展为子代理循环。

TL;DR

Agent 内核＝主循环＋工具调用＋上下文管理＋权限门。纵轴：ReAct→AutoGPT 与 Function Calling→沙箱工程化→MCP 与 CLI 三巨头→子代理与上下文原语定型→SDK 化与多代理（2022→2026）。横轴：2026 年差异仅剩上下文（压缩/检索/隔离）、工具安全（OS 沙箱/容器/审批门）、并行度（单循环/子代理）三变量。结论：上下文稀缺是第一性约束；子代理是上下文经济学而非智能倍增器（90% 提升↔15× token）；失败驱动升级；内核正沉淀为基础设施。建议按场景选型；自建复用 SDK、管好上下文预算、设极简基线。

纵轴：发展脉络（2022.10 — 2026 当下）

〇、终点画像：两大内核的当代形态

先给出时间线的"终点画像"——Claude Code 类 CLI 工具（架构依据官方文档与工程博客，内核闭源）与 OpenHands（架构依据官方 SDK 文档与 MLSys 2026 论文）在 2026 年当下的内核形态。

图 1：Claude Code 类 CLI Agent 的内核（主循环 + 子代理 + 上下文管理）

┌────────────────────────────────────────────────────────────────────────┐
│              Claude Code 类 CLI Agent 内核（2026 年形态）                │
├────────────────────────────────────────────────────────────────────────┤
│ 上下文装配层   CLAUDE.md/AGENTS.md · Skills（SKILL.md 按需加载）          │
│                环境快照（git status、目录结构）· MCP 工具 schema 列表      │
├────────────────────────────────────────────────────────────────────────┤
│                ┌─────────── 主循环（单代理 agentic loop）───────────┐    │
│  用户输入 ────▶│  LLM 推理 ───▶ 工具调用（结构化 JSON）             │    │
│                │     ▲                  │ 权限门（hooks/allowlist）│    │
│                │     │                  ▼                        │    │
│  结果/通知 ◀───│  追加进对话   Bash / Read / Edit / Web / Agent工具 │    │
│                │  （上下文窗口）          │                        │    │
│                └─────────────────────────┼─────────────────────────┘    │
│                                          │ Task/Agent 工具（委托）       │
│ 上下文管理层   microcompact：清旧工具结果  ▼                             │
│                auto-compact：≈95% 阈值摘要压缩   ┌─────────────────────┐ │
│                memory tool：上下文外文件记忆     │ 子代理（独立上下文窗口)│ │
│                checkpoints：改动前自动存档可回滚 │ 独立 system prompt   │ │
│                                                 │ 只把结果摘要交回主线  │ │
│                                                 │ ×N 并行、嵌套≤3 层   │ │
│                                                 └─────────────────────┘ │
├────────────────────────────────────────────────────────────────────────┤
│ 执行层   本地 Bash/文件系统 · MCP Client ───▶ MCP Server（外部系统）      │
└────────────────────────────────────────────────────────────────────────┘

依据：子代理"每个都在独立上下文窗口中运行，带自定义 system prompt、特定工具访问权限与独立权限"，且"子代理在自己的上下文里干活，只把摘要返回"（官方 sub-agents 文档 [A]）；agentic loop 三段式"收集上下文 → 执行动作 → 验证工作 → 循环"（Building agents with the Claude Agent SDK，2025-09-29 [A]）；三层上下文管理（microcompact / full compact / 续传）见社区逆向分析（context compaction deep dive [B]）。

图 2：OpenHands Agent SDK V1 的内核（事件溯源 + Condenser + Workspace）

┌────────────────────────────────────────────────────────────────────┐
│            OpenHands Agent SDK V1（2025-11 起，MIT 协议）            │
│   openhands.sdk（核心） + openhands.tools / workspace / agent_server │
├────────────────────────────────────────────────────────────────────┤
│  Conversation：同步会话运行（V0 的 EventStream pub/sub 被同步化替代）  │
│      │ 用户消息                                                     │
│      ▼                                                             │
│  Agent = 无状态、不可变的 Pydantic 规格 ── 事件驱动 step 循环          │
│      │  LLM 层（LiteLLM，100+ 供应商）推理                           │
│      ▼                                                             │
│  Action（Pydantic 校验）──▶ SecurityAnalyzer 风险评级                │
│      │ ConfirmationPolicy：高风险动作 → WAITING_FOR_CONFIRMATION     │
│      ▼                                                             │
│  ToolExecutor 执行 ──▶ Observation（to_llm_content）追加回上下文      │
│                                                                    │
│  事件溯源：一切交互皆为不可变事件，append-only EventLog +             │
│  ConversationState（base_state.json），可确定性重放（崩溃恢复 <20ms） │
│  Condenser：历史过长 → 丢弃事件并以摘要替代（CondensationEvent），    │
│  原始日志永不销毁；LLMSummarizingCondenser 最高降 2× API 成本         │
├────────────────────────────────────────────────────────────────────┤
│  Workspace：LocalWorkspace（进程内）/ DockerWorkspace /              │
│  RemoteWorkspace（HTTP）——"同一份 agent 代码，换 workspace 即换部署"  │
│  agent_server：FastAPI REST/WebSocket 远程执行 + OpenAI 兼容端点     │
│  子代理委托 = 纯工具实现（作为架构可扩展性的试金石）                   │
└────────────────────────────────────────────────────────────────────┘

依据：OpenHands SDK 架构文档 [A] 与官方论文 arXiv 2511.03690 [A]（"Agent 是无状态、不可变的规格""一切交互皆为不可变事件""Condenser 在历史过大时丢弃事件并代之以摘要""子代理委托被实现为纯粹的工具"）。仓库顶层目录为 openhands-sdk、openhands-tools、openhands-workspace、openhands-agent-server、clients（经 GitHub API 实际列目录核验 [A]）。

诚实性边界：Claude Code 本体闭源（以 minified 形式经 npm 分发，anthropics/claude-code 官方仓库只含文档、CHANGELOG 与 issue，GitHub API 返回 license 为空 [A]），其内核描述以官方文档与工程博客为准；OpenHands 的源码级结论以官方 SDK 文档、官方博客与论文为准，本会话未能逐行克隆审读全部源码。

一、阶段〇：思想源头（2022.10 — 2023.2）——"让模型边想边做"

2022 年 10 月，普林斯顿大学与 Google Brain 的 Shunyu Yao 等人发布 ReAct 论文（arXiv 2210.03629）（后中稿 NeurIPS 2022），提出让 LLM 交替生成推理轨迹与任务动作——这是日后一切 Agent 内核"思考→行动→观察"主循环的思想原型。2023 年 2 月，Meta AI 发布 Toolformer（arXiv 2302.04761），证明模型可以学会自主决定在何处插入 API 调用（此条为模型既有知识补充，未在本会话单独检索核验，但 arXiv 编号与日期为公知稳定信息）。

驱动因素：ChatGPT（2022.11）引爆通用对话模型，但彼时模型没有标准化的工具接口——工具调用是每家开发者手搓的 prompt 技巧。这个"没有平台原语"的空窗，直接催生了下一阶段的狂野实验。

二、阶段一：狂野生长（2023.3 — 2023.6）——自治代理浪潮与工具调用平台化

教训与遗产：GPT-4 的指令跟随能力 + Function Calling 的确定性接口，让"循环"第一次可以稳定写出来。但 AutoGPT 们的集体标签是可靠性差——无限循环、目标漂移、上下文一满就失忆。正是这些失败把"上下文管理"和"循环终止条件"推成了后来的核心工程问题。

三、阶段二：工程化与沙箱化（2023.6 — 2024.11）——框架、托管运行时与编码 Agent 登场

驱动因素：① 软件工程是天然的可评测域（SWE-bench），错误可由测试闭环验证，"验证工作"这一环第一次能被自动化；② Docker 沙箱成熟，让"给 Agent 一台计算机"安全可控；③ AutoGPT 的失败教训倒逼出事件流、沙箱、接口设计等工程化方案。OpenHands 的 EventStream 与 SWE-agent 的 ACI，共同确立了"工具接口要为模型而设计，不是为人"的内核设计观。

四、阶段三：协议统一与产品化元年（2024.11 — 2025.6）

驱动因素：① CLI 成为 Agent 的最佳宿主——终端天然拥有 shell、文件系统与成熟的权限模型，且比 IDE 插件更通用；② 模型长上下文（200K–1M）与指令跟随质变，使"读整个代码库再动手"成为可能；③ MCP 解决了工具生态的 N×M 集成爆炸，工具调用第一次有了跨厂商总线。各家 CLI 的内核同构：主循环 + 工具调用 + 某种形式的沙箱/权限门，竞争焦点转向上下文利用率与循环可靠性。

五、阶段四：内核定型（2025.6 — 2025.10）——三大机制成熟的四个月

这是本课题最核心的阶段：子代理循环、工具调用、上下文管理三大内核机制在这四个月内全部成熟定型。

驱动因素：这一阶段的根本矛盾是上下文窗口有限与任务复杂度无限之间的冲突。工程界的共识从"更好的模型"转向"上下文工程"：主循环上下文必须像 RAM 一样稀缺管理（microcompact 清旧工具结果 ≈ 换页，compact ≈ 换栈），而文件系统与子代理成为"外存"——"文件即结构化记忆、agentic search 优先于语义检索、子代理并行并隔离上下文"（Claude Agent SDK 博客原义）。子代理循环本质上是上下文管理的空间解（把脏活隔离出去），Skills 与 memory tool 则是时间解（跨会话按需加载）。

六、阶段五：SDK 化、事件溯源与多代理生态（2025.11 — 2026 当下）

驱动因素：单代理上下文极限已到，多代理分工 + 标准化互操作成为下一轮竞争的轴心；同时内核被抽象成可复用的 SDK 层——Claude Agent SDK、OpenHands SDK、OpenAI Agents SDK 在"循环 + 工具 + 上下文管理"上的设计已经高度趋同，Agent 内核从"产品"沉淀为"基础设施"。

七、三条内核子线纵向时间线（速查表）

时间工具调用线子代理/编排线上下文管理线
2022.10ReAct：思考-行动循环原型——
2023.02Toolformer：模型自学插 API——
2023.03AutoGPT 演示（循环+记忆+上网）AutoGPT 单代理自治循环文本向量记忆（易失忆）
2023.06.13OpenAI Function Calling 平台化—gpt-3.5-turbo-16k-0613 上线（16K 上下文窗口）
2023.11.06Assistants API：threads + 内置工具—托管会话状态
2024.03–05OpenDevin EventStream；SWE-agent ACI单代理 + 沙箱运行时—
2024.11.25MCP 开放标准（工具总线）——
2025.02–06Claude Code / Codex CLI / Gemini CLI 三巨头—200K–1M 上下文入场
2025.07—Claude Code subagents（独立上下文窗口、Task 工具、.claude/agents/）—
2025.09.29Agent SDK 外化内核后台子代理（Code 2.0）context editing + memory tool API 化；microcompact/auto-compact 三层体系
2025.10.16Agent Skills（SKILL.md 渐进披露）—"按需加载"作为上下文策略
2025.11–12advanced tool use；MCP 入基金会OpenHands SDK：子代理=纯工具；多代理编排起步事件溯源 + Condenser；fork 子代理分叉上下文
2026托管 Agent 平台（Managed Agents）嵌套≤3 层、并发≤20、跨终端协作空闲压缩（2.1.299）等持续打磨

八、纵轴复盘：四次跃迁的驱动因素

  1. 模型能力阶梯决定每次形态跃迁：指令跟随（AutoGPT 可循环）→ 结构化输出（Function Calling 可用）→ 长上下文与自主性（CLI Agent 可担纲）→ 多模型路由（编排可分工）。
  2. 上下文稀缺是内核一切设计的第一性约束：microcompact/auto-compact/Condenser 是同一问题在两家代码库里的同构解；子代理本质是"用隔离换上下文"。
  3. 失败教训驱动架构升级：AutoGPT 的失忆与死循环→事件流与终止策略；OpenHands V0 的 EventStream 混乱→V1 同步会话+事件溯源；工具静默清空引发争议→可见的上下文治理。
  4. 标准化与开放生态（MCP、Skills）把竞争从"工具集成"解放出来，使各家内核趋同于"主循环 + 工具 + 上下文管理 + 权限"四件套，竞争转向编排与工程化质量。

横轴：横向对比（2026-10-28 时间截面）

一、对比客体与谱系

本课题的客体不是某个产品，而是Agent 内核的三件套：子代理循环（multi-agent loop）、工具调用（tool calling）、上下文管理（context management）。横轴对比因此分两层：实现层横比（同一"内核三件套"在不同开源/闭源 Agent 中的具体实现）与范式层替代（极简单文件 Agent、通用编排框架、"不用子代理的单循环派"）。

                    ┌─ 终端 CLI 派 ── Claude Code(闭源) / Codex CLI(Rust) /
                    │                Gemini CLI(TS) / OpenCode(TS) / Goose(Rust)
                    │
  Agent 内核实现谱系 ├─ IDE 插件派 ── Cline(VS Code) / Devin Desktop(原 Windsurf, 闭源)
   (2026-10 截面)    │
                    ├─ 平台/云端派 ─ OpenHands(Cloud+CLI) / Devin(闭源异步云代理)
                    │
                    ├─ SDK/引擎派 ── Claude Agent SDK / OpenHands software-agent-sdk
                    │
                    └─ 研究/极简派 ─ SWE-agent / mini-swe-agent("100 行") / Aider(非循环)

二、综合对比大表（产品化维度）

GitHub 数据为 2026-10-27~28 的 GitHub REST API 实测快照 [A]（curl https://api.github.com/repos/<owner>/<repo> 获取 stars/语言/许可证/最近推送时间）；定价为聚合数据 [C]；SWE-bench 分数见下文五维评述。

产品形态开源Stars语言/许可活跃度定价（个人档）内核特色
Claude Code终端 CLI+SDK✗（内核闭源）153,597*TS/无许可*活跃Pro $20 / Max $100~$200 [C]子代理编排最成熟、compaction+隔离双轨
OpenCode终端 CLI✓222,352TS/MIT活跃（当日有推送）免费+自带 key开源 Claude Code 类，模型路由灵活
Codex CLI终端 CLI+云✓131,265Rust/Apache-2.0活跃（当日有推送）ChatGPT 订阅内 [C]OS 级沙箱正交审批；Rust 单二进制
Gemini CLI终端 CLI✓108,579TS/Apache-2.0活跃免费额度慷慨 [B]hooks 进循环；压缩服务；多代理在提案
OpenHands平台+CLI+SDK✓92,023TS(主仓)/MIT活跃自托管免费；云 Pro ≈$20+模型费 [C]SDK 引擎+Agent Server 容器隔离+事件流
ClineIDE 插件/CLI/SDK✓70,930TS/Apache-2.0活跃免费+自带 keyPlan/Act 状态机、逐步审批门
Goose终端 CLI/框架✓55,833Rust/Apache-2.0活跃（已迁至 aaif-goose org）免费+自带 keyMCP 优先、Rust 性能
Aider终端结对编程✓49,780Python/Apache-2.0停滞（最后推送 2026-05-22）免费+自带 keyrepo map；git 自动提交；非代理循环
SWE-agent研究框架✓20,657Python/MIT活跃免费ACI（Agent-Computer Interface）研究范式
mini-swe-agent研究/极简✓8,887Python活跃免费100 行内核，SWE-bench"同一沙箱跑所有模型"的官方基线
Devin云端异步代理✗———$20/$200，Teams $80+40/席 [C]闭环产品；2026-06 并入 Windsurf 改名 Devin Desktop [B]

\* anthropics/claude-code 是产品配套的公开仓库（issues/文档），产品本身闭源、无许可证字段 [A]。

三、内核三件套逐项横比

3.1 子代理循环（multi-agent loop）

实现子代理机制隔离粒度成熟度证据
Claude Code [A]Task 工具 + markdown 定义子代理；自动委派（按 description 匹配）或显式调用完整独立上下文窗口 + 独立系统提示 + 工具集；嵌套≤3 层、并发≤20官方文档完整文档化；模型解析链：调用参数 > frontmatter > 环境变量 > 主会话模型
Anthropic 研究系统 [B]orchestrator-worker：主代理分解任务、并行 spawn 子代理、汇总引用子代理各自上下文，主代理只见摘要官方博客：研究评测比单代理 Opus 好约 90%，但 token 消耗约 15×
OpenHands [A/B]V1 SDK 面向多代理任务设计（README："Major tasks that involve multiple agents"）；论文称"子代理委托=纯工具"进程/容器级工作区隔离更彻底事件流持久化、可回放
Cline [B]v3.39.1 引入"把上下文重的探索交给子代理"模式IDE 内轻量子代理发布说明（LinkedIn 官号）
Gemini CLI [B]社区多代理提案（GitHub discussion #7637），官方尚未提供对等物—提案阶段
Codex CLI无对等的公开子代理编排原语（以单循环+审批为主）—官方文档未见
mini-swe-agent [A]无。仓库自述"100 行 AI agent"，刻意单循环—GitHub 描述原文
编排框架派LangGraph/AutoGen 等以"图/会话编排"为一等公民开发者自定义框架文档（通用知识，未逐项核 2026 现状）

逐项说明：子代理循环是本课题的差异化焦点。Claude Code 是目前文档化最完整、约束最细的实现（深度、并发、模型路由、恢复语义都有明确参数），它证明了一件重要的事：子代理的价值不在"多个脑子"，而在上下文隔离的工程价值——把探索性噪音（grep 海量结果、日志、测试输出）关进一次性窗口。代价同样被官方数据证实：Anthropic 多代理研究系统约 90% 的性能提升对应约 15× token 成本（官方博客 [B]）；社区反馈还指出子代理必须重读代码库建上下文、编排器上下文可能过时（社区讨论转引，链接未留档，见"数据口径与矛盾消解说明" [B]）。OpenHands 的回答不同：用持久化事件流 + 容器级工作区换取可审计性。而 mini-swe-agent 用 100 行代码证明"不搞子代理也能打"，是本课题最重要的对照组。

3.2 工具调用与沙箱

实现工具协议沙箱/权限证据级
Claude Code内置工具 + MCP + Skills；工具可按子代理白/黑名单（disallowedTools 支持 mcp__srv__* 通配）permissionMode 四档（default/acceptEdits/plan/bypassPermissions）+ PreToolUse hooks（exit code 2 可脚本阻断）[A] 官方文档
Codex CLI内置 shell/补丁工具为主，支持 MCPOS 级沙箱：macOS Seatbelt、Linux Landlock；read-only / workspace-write / danger-full-access × 审批策略 untrusted/on-request/on-failure/never 正交组合[B] 官方文档+HN（HN 讨论）
Gemini CLI内置 + MCP，hooks 挂进代理循环（The New Stack [B]）权限确认式（无 Codex 级 OS 沙箱宣传）[B]
OpenHandsSDK 工具类（Terminal/FileEditor/TaskTracker…）+ MCPDocker/K8s 临时工作区（容器级）+ SecurityAnalyzer 风险评级[A] README
GooseMCP 优先（Rust 实现，扩展生态）可配置[A/B]
Cline内置 + MCP 市场每步人工审批门（human-in-the-loop）[B]

逐项说明：2026 年的工具调用已高度 MCP 标准化（Anthropic 2024 年 11 月提出，OpenAI、Google 等相继采纳 [B]），各家差异收窄到沙箱与审批模型上。最有解剖价值的是 Codex CLI：它把"沙箱能力"与"审批时机"做成两个正交维度，并直接用 OS 原生沙箱（Seatbelt/Landlock）而非默认容器——这是"工具调用安全模型"的最佳样本。OpenHands 代表另一极端：容器级隔离换最强隔离性，代价是部署复杂度。Claude Code 的 PreToolUse hook（exit code 2 阻断）展示了"把策略外置成脚本"的第三条路 [A]。

3.3 上下文管理

实现记忆文件压缩/回收隔离/检索证据级
Claude CodeCLAUDE.md（项目/用户两级，可被子代理关闭）自动 compact（≈95% 阈值）+ /compact /clear 手动档子代理独立窗口；MCP server 按会话挂载省 token[A]
OpenHandsAGENTS.md（仓库根）V1 压缩服务（论文层即 Condenser：丢事件、以摘要替代、原始日志永不销毁）事件流外置持久化、可回放[A/B]
Codex CLIAGENTS.md自动压缩 + rollout 会话文件可续跑—[B]
Gemini CLIGEMINI.mdchat compression 服务、checkpoint多代理尚在提案[B]
Cline.clinerules 等截断/压缩（社区长期抱怨成本失控，issue #9816：单任务烧 $20+ [B]）v3.39 子代理卸载探索[B]
AiderCONVENTIONS.md/clear /drop 手动档repo map：tree-sitter 语法图检索，被广泛引用的代码库上下文方案 [B][B]
mini-swe-agent无无（依靠脚本极简）无[A] 描述

逐项说明：上下文管理呈现明显的三派分裂：① 压缩派（Claude Code/OpenHands/Codex/Gemini CLI——超限前用 LLM 摘要重写历史，OpenHands 还把事件流持久化以便回放）；② 检索派（Aider 的 repo map——不压缩历史，而是用 tree-sitter 把代码库压成一张签名地图按需注入）；③ 隔离派（子代理把噪音窗口整个丢掉）。一个关键事实：Claude Code 官方子代理文档明说 Explore/Plan 内置子代理"跳过 CLAUDE.md 和 git status 以求快"，且 MCP 工具描述会吃主会话 token，所以要按子代理作用域挂载 [A]——上下文预算在 2026 年已经是显式的工程设计变量，而不是隐式副作用。

四、五维评述：能力、成本、生态、成熟度、适用场景

能力：编码能力与"内核"强耦合但不可混淆——同一模型换 harness 分数会变（whatllm 指出 SWE-bench 排名依赖所用 agent harness [B]），这正是本课题成立的前提。当前公开锚点：Claude Opus 4.5 于 2025-11 发布时 SWE-bench Verified 80.9% [B]；OpenHands 论文口径 72.8%（Sonnet 4.5，arXiv [A]），仓库徽章自称 77.6%（自家 harness 口径 [A]）；SWE-Bench Pro 榜上 claude-sonnet-4-5 约 45.5%、gemini-3-flash 约 45.9%（2026-03，zencoder 汇总 [B]）。结论：头部产品在 Verified 上差距已收窄到个位数百分比，内核差异正从"能不能做"转移到"token 效率、可审计性、安全模型"。

成本：三条成本线——订阅费、token 消耗、运维。订阅费上谈不上全行业趋同——上文大表 11 个样本中 6 个为"免费+自带 key"；趋同只出现在订阅制商业产品上：Claude Code（Pro $20）、Devin（$20）、OpenHands 云（Pro ≈$20）在 $20 入门档一致，顶配档 Claude Code Max（$100~$200）与 Devin（$200）[C]。真正的分野在 token 经济学：Anthropic 官方承认多代理比单代理吃约 15× token [B]；Cline 社区有单任务 $20+ 的失控案例（issue #9816 [B]）；自托管开源派（OpenHands/Goose/Cline/Aider）把订阅换成"自带 API key"，把成本透明化但也把优化责任交还用户。

生态：MCP 已成为工具生态的事实标准 [B]；Claude 系衍生出 CLAUDE.md/子代理/Skills/hooks 的一整套"上下文工程"民俗，并被 AGENTS.md（Codex/OpenHands）、GEMINI.md（Gemini CLI）复制成跨工具记忆文件约定 [A/B]。开源度决定生态形态：OpenCode 222k stars、Codex CLI 131k stars 的爆发说明"开源内核+多模型路由"已成主流诉求；Claude Code 153k stars 则闭源收租，靠生态位（Skills、hooks、子代理民俗）而非源码开放维持引力。

成熟度：按工程成熟度分层——① Claude Code/Codex CLI/Gemini CLI：商业级，文档、沙箱、审批、压缩全链路完备；② OpenHands：架构成熟度最高（SDK/Server/容器隔离/事件持久化/技术论文），但 V0→V1 大迁移（V0 代码 2026-04-01 删除 [B]）说明其仍在付架构试错成本；③ Cline/Goose：稳定但内核创新步幅小；④ Aider：停滞——2026-05-22 后无推送（API 实测 [A]）是既证事实；"非循环范式被边缘化"是由此推出的推断（标注为推断，非既证），它是该范式的活样本；⑤ SWE-agent/mini-swe-agent：研究基准角色，mini-swe-agent 的"100 行"反而是官方认可的公平基线 harness。

适用场景：终端派（Claude Code/Codex/OpenCode）适合在真实仓库里做日常开发与重构；IDE 派（Cline/Devin Desktop）适合逐步审批的结对场景；平台派（OpenHands/Devin 云）适合批量化 issue 分诊与异步任务，OpenHands 的容器隔离对不可信代码尤其合适；SDK 派（Claude Agent SDK/OpenHands SDK）适合把内核嵌入自家产品；极简/研究派适合做受控实验与 harness 公平评测。

五、横轴洞察

  1. 内核趋同，策略分化：所有主流实现都收敛到同一个范式——"LLM ⇄ 工具循环 + markdown 记忆文件 + MCP 工具 + 上下文压缩"，差异只剩三个策略变量：压缩 vs 检索 vs 隔离（上下文）、OS 沙箱 vs 容器 vs 审批门（工具安全）、单循环 vs 子代理编排（并行度）。本报告第三章的逐项横比即按这三个变量展开，而不是按产品罗列。
  2. 子代理的本质是上下文经济学，不是智能倍增器：官方数据（约 90% 提升 ↔ 约 15× token）与官方设计（子代理只回传摘要、跳过 CLAUDE.md）共同指向：子代理卖的是"隔离窗口"这份稀缺资源，token 是它的汇率。
  3. 最简实现是最强对照组：mini-swe-agent 用 100 行参与同一基准，说明内核复杂度与任务成功率并非单调关系；设置这样的对照组，可防止把 harness 的复杂度误归因为能力来源。
  4. 闭源样本不可省略：Claude Code 闭源却定义了 2026 年的内核民俗（子代理/压缩/记忆文件/hooks 的参数化程度最高）；拆解它必须用官方文档+行为侧写，并在方法论上明示。
  5. 成熟度的信号会骗人：stars 最高（OpenCode 222k）不等于内核最深（OpenHands 的 SDK/Server 架构才最接近"内核可复用"）；而曾经的范式先驱 Aider 已停滞——横轴截图恰好抓到了范式更替的中间帧。

交叉洞察：两轴结合说明了什么

洞察一：趋同演化——纵轴的殊途同归，就是横轴的"内核四件套"

纵轴显示，各家从不同起点出发：OpenHands 从 EventStream pub/sub 走到同步会话+事件溯源，Codex CLI 从 TypeScript 走到 Rust 原生沙箱，Claude Code 从 prompt 简陋循环走到参数化子代理。但横轴显示，2026 年的存活者全都收敛到同一套内核：主循环 + 工具调用（MCP 标准化）+ 上下文管理（markdown 记忆文件与压缩）+ 权限门。这是典型的趋同演化：不同谱系、相同环境压力（上下文稀缺、可靠性要求、安全合规），演化出同构器官。两轴互证的含义是——这套四件套已经不是某家的设计品味，而是问题空间本身导出的必然解；任何新进入者再"发明"一遍它们，只是在重走必经之路。

洞察二：子代理的"出生证明"与"定价单"，纵横各持一半

纵轴回答"子代理为什么出现在 2025 年 7 月"：上下文窗口有限与任务复杂度无限的矛盾，在长任务 CLI 场景激化到必须用空间隔离解决——把探索性脏活（海量 grep、日志、测试输出）推进独立窗口，只让摘要回流主线。横轴回答"子代理到底卖的是什么、卖多少钱"：它卖的是"隔离窗口"这份稀缺资源，官方口径的定价单是约 90% 的任务提升对应约 15× token 成本。两轴合起来得到本课题最重要的判断：子代理不是智能倍增器，而是上下文经济学工具。它与压缩（auto-compact/Condenser，时间轴上的"换栈"）、检索（repo map/tool search tool，外存按需调页）、持久记忆（memory tool/Skills，跨会话外存）共同构成上下文工程四大解法；纵轴解释了它们为何在 2025 年 9–10 月密集出现（同一矛盾的不同侧面），横轴则给出了四者的适用边界与代价。

洞察三：横轴的"现存化石"，就是纵轴演化的地层剖面

横轴谱系里的每一派，几乎都能在纵轴上找到对应的地质年代：Aider（非代理循环、repo map 检索派）是阶段二"单循环+检索"范式的活化石，其 2026-05-22 后的停滞恰好标记了该范式被边缘化的时刻；SWE-agent 保留了 ACI 接口设计的研究传统，对应阶段二的学术遗产；mini-swe-agent 的"100 行"对应阶段一 BabyAGI 式的极简主义，但它至今仍作为官方公平基线存活——说明极简路线并未被淘汰，而是转入了"对照组"生态位。演化不是单线的：复杂分支（子代理编排）在扩张，极简分支（100 行基线）在存续，中间形态（Aider 的非循环结对）疑似在消亡——"消亡"由 Aider 的停滞推断而来，是推断而非既证定论。这给所有"看 stars 选型"的人一个提醒：横轴的某个快照帧，必须放回纵轴的运动里才能判读。

洞察四：失败教训的"标准化吸收"是内核进化的真正机制

把两章的事故记录并列，规律清晰可循：AutoGPT 的失忆与死循环（阶段一）→ 被吸收为事件流、终止策略与托管会话（阶段二）；OpenHands V0 EventStream 的线程/异步混乱，与官方博客自嘲的"椰林飘香鸡尾酒式决策"——原话"Some design decisions were made with a piña colada in one hand"，指项目爆红时作者正在阿鲁巴海滩度假、部分关键架构决策是在这种状态下仓促定型的（The Path to OpenHands v1 [A]，本次修订已抓取原文核验）（阶段四）→ 被吸收为 V1 的同步会话、事件溯源与 61% 故障归因下降；microcompact"悄悄丢数据"的社区争议（阶段四）→ 被吸收为可见的上下文治理（checkpoints、/rewind、可配置压缩）；Cline 单任务 $20+ 的成本失控（横轴）→ 被吸收为上下文预算显式化与子代理卸载。每一次内核升级的具体形态都是对上一代失败模式的针对性补丁，而这些补丁随后成为全行业默认件。这解释了为什么 2026 年各家内核高度趋同——不是抄作业，而是大家撞过的墙是同一批。

洞察五：内核从"产品"沉淀为"基础设施"，竞争焦点已经换轨

纵轴的终点（SDK 化、协议入基金会、托管平台化）与横轴的分层（商业级/架构级/稳定级/衰退级/研究级）共同指向一个结构性变化：当 OpenAI Agents SDK（2025-03）、Claude Agent SDK（2025-09）、OpenHands SDK（2025-11）相继把内核外化，当 MCP 与 Skills 移交中立基金会，内核本身已经变成无需竞争的公共底座。五维评述显示 SWE-bench Verified 上的头部差距已收窄到个位数百分比——竞争正从"能不能完成任务"转向"token 效率、可审计性、安全模型"三个维度。这与纵轴"上下文稀缺是第一性约束"完全自洽：当能力逼近天花板，效率与治理就是新的战场。

对用户的判断与建议

选型建议（按场景五路线）：

你的场景推荐路线理由
在真实仓库做日常开发与重构终端派：Claude Code / Codex CLI / OpenCode三者商业级成熟；重视开源与模型路由选 OpenCode，重视沙箱安全选 Codex CLI（OS 级沙箱正交审批）
逐步审批的结对编程IDE 派：Cline / Devin Desktop每步人工审批门，适合不可全托管的环境
批量 issue 分诊、异步任务、跑不可信代码平台派：OpenHands / Devin 云容器级隔离 + 事件流持久化，可审计可回放
把 Agent 内核嵌入自家产品SDK 派：Claude Agent SDK / OpenHands SDK / OpenAI Agents SDK内核已基础设施化，不要重造循环
受控实验、公平评测、教学极简/研究派：mini-swe-agent / SWE-agent"100 行"基线消除 harness 归因混淆；ACI 是接口设计的理论起点

自建 Agent 的六条清单（两轴结论的直接落地）：

  1. 不要从零造循环——"收集上下文 → 执行动作 → 验证工作 → 循环"已是标准件，直接用 SDK；
  2. 上下文预算显式化——记忆文件两级化、MCP 工具按会话/子代理作用域挂载（工具 schema 是 token 大头，参考 tool search tool 思路按需检索）；
  3. 子代理用于隔离探索性噪音，不是并行智力——先算 15× token 的账，再决定要不要编排；
  4. 事件溯源/持久化日志——可审计可回放，OpenHands 论文的 61% 故障归因下降是量化收益；
  5. 沙箱能力与审批时机正交设计——参照 Codex CLI 的 read-only/workspace-write/danger-full-access × untrusted/on-request/on-failure/never 矩阵；
  6. 设极简对照组——用 mini-swe-agent 式基线校准"到底是内核在起作用，还是模型在起作用"。

持续观察的三个指标：token 效率（每任务成本而非订阅费）、可审计性（事件可回放/崩溃可恢复）、安全模型（沙箱与审批的参数化程度）。同时警惕两个信号陷阱：stars ≠ 内核深度（OpenCode 222k vs OpenHands 的架构工程量）；活跃度 ≠ 范式健康度（Aider 曾是先驱，仍在"更新"意义上的停滞才是范式更替的信号）。

数据口径与矛盾消解说明

综合两章时消解了以下不一致，处理原则是"官方一手来源优先、口径并列标注"：

  1. OpenHands V1 的架构归属：横轴转引的第三方源码笔记称 V1"基于 Google ADK"，与官方论文描述的自研事件溯源架构（LiteLLM 推理层、Pydantic 规格、append-only EventLog）不符，本报告舍弃该说法，以 官方论文 与 SDK 文档 为准；笔记记录的"V0 代码于 2026-04-01 从仓库删除"与官方博客 2025-09-04 的弃用公告构成一致时间线（先宣布重构、后删码），予以保留。
  2. OpenHands 的上下文压缩命名：官方论文层称 Condenser，产品层笔记称 Session Compression Service——两者是同一机制在不同抽象层的称呼，报告中以官方口径 Condenser 为主并注明产品层命名。
  3. OpenHands 的 SWE-bench 分数：论文 72.8%（Sonnet 4.5）与 README 徽章 77.6% 并列保留，注明为不同 harness 口径。
  4. Claude Code subagents 的精确版本号：官方 CHANGELOG 文件过大，v1.0.x 历史段落未能直接核验，保守表述为"2025 年 7 月（v1.0.x 系列）"。
  5. 重复内容：两章各有一份 Claude Code 与 OpenHands 的架构图、各有一段 MCP 采纳史与子代理参数描述，已各合并为一份；横轴独有的对比表与 GitHub 实测数据、纵轴独有的时间线速查表全部保留。
  6. Anthropic 上下文管理数据的口径修正（本次修订）：初稿"二者分别带来约 29% 与合计约 39% 的 Agent 基准提升，45+ 轮工具调用的长程评测中最高提升约 84%"表述失准。本次修订直接抓取官方公告原文核验（2026-10-28，curl 实测 [A]）：29% 与 39% 均为内部 agentic search 评测集上的性能提升（前者 context editing 单独、后者叠加 memory tool），并非泛指"Agent 基准"；84% 是 100 轮网页搜索评测中的 token 消耗降幅，既非 45+ 轮评测、也非性能提升，正文已按原文改写（官方公告）。
  7. 未留档链接声明（本次修订）：正文三处转引的补充链接已补齐两处——AutoGPT 当期星标增长报道（TechCrunch, 2023-04-22）与 Agent Skills 发布日 HN 讨论（item 45607117，2025-10-16，经 HN Algolia API 检索定位）；唯 3.1 节"子代理必须重读代码库建上下文、编排器上下文可能过时"的社区讨论，原始链接在两章成稿时未留档，本次经 HN Algolia 评论检索（2026-10-28）未能定位到对应帖子，Anthropic 官方工程博客原文中亦无此两条论述（已抓取原文核验），故正文保留该转引内容并标注"链接未留档"，置信按 [B] 对待。

两章共同的方法论边界同样适用于本报告：本会话未运行任何仓库构建或测试；Claude Code 内核闭源，描述基于官方文档与工程博客；未能本地克隆逐行阅读 OpenHands/Codex 源码（网络沙箱拦截）；Toolformer 日期、Devin 发布日期、computer use 时间点为公知信息补充，引用时请以文中链接复核。

参考来源

官方文档与一手材料 [A]

仓库与项目主页

转引检索 [B]

聚合数据 [C]

思考题（读完后想一想，参考答案可展开）

  1. 报告为什么断言“子代理不是智能倍增器，而是上下文经济学工具”？其依据是什么？
    参考答案

    报告指出，子代理每个都在独立上下文窗口中运行，带自定义 system prompt 与工具集，只把结果摘要交回主线，价值在于把海量 grep 结果、日志、测试输出等探索性噪音关进一次性窗口。官方数据证实其代价：Anthropic 多代理研究系统约 90% 的性能提升对应约 15× token 消耗。所以子代理卖的是“隔离窗口”这份稀缺资源，token 是它的汇率，而非让模型变聪明。

  2. 在工具安全（沙箱与审批）设计上，Codex CLI、Claude Code 与 OpenHands 各采取什么路线？各有何取舍？
    参考答案

    Codex CLI 采用 OS 原生沙箱（Seatbelt/Landlock），沙箱能力三档与审批策略四档正交组合；Claude Code 采用 permissionMode 四档加 PreToolUse hooks（exit code 2 阻断），把策略外置成脚本；OpenHands 采用 Docker/K8s 容器级隔离加 SecurityAnalyzer 风险评级，隔离最彻底但部署更复杂。

  3. 报告自身承认了哪些核验缺口与数据局限？使用其结论时应注意什么？
    参考答案

    报告标注了多处：Claude Code 内核闭源，只能以官方文档与工程博客为准；subagents 的精确版本号未能从官方 CHANGELOG 核验，仅保守表述为 2025 年 7 月；一处社区讨论链接未留档、检索未定位，置信按 [B] 对待；GitHub 星标为 2026-10-27~28 快照；SWE-bench 分数依赖 harness，换 harness 分数会变。

  4. 个人开发者若要自建 Agent，报告给出了哪些关键行动建议？
    参考答案

    报告的六条清单：不要从零造循环，直接用已基础设施化的 SDK；把上下文预算显式化——记忆文件两级化、MCP 工具按会话/子代理作用域挂载；子代理只用于隔离探索性噪音而非并行智力，先算 15× token 的账；采用事件溯源/持久化日志以便审计回放（OpenHands 论文称故障归因下降 61%）；沙箱能力与审批时机正交设计；设 mini-swe-agent 式极简对照组校准归因。

← 资料库今日播报 →