内容块

AI 返回的一个事件。 AI 的回复不是一次性返回的，而是一个个事件： TextDelta("让我") → TextDelta("算一下") → ToolUse("add", "2,2") → Usage(...) → Stop 这就像看直播一样，内容一点一

消息内容块。 对应源码: session.rs:18-33 pub enum ContentBlock { Text { text: String }, ToolUse { id, name, input },

指令文件 — 源码 prompt.rs:42-45

HTTP 状态码错误（来自 API 服务器的响应）。 对应源码: api/error.rs:14-20 Api { status: reqwest::StatusCode, error_type: Option<St

沙箱配置 — 源码 sandbox.rs:27-34 来源: 用户的 .claude/settings.json 或项目的 .claude/settings.json 所有字段都是 Optional，用 None 表示"使用默认值"

给 Agentic Loop 用的精简事件。 对应源码: conversation.rs:23-32

一个配置文件的位置和来源

一条完整的对话消息。 和 Tutorial 01 里简单的 Message 不同，这里： - content 不再是一个字符串，而是一个 ContentBlock 列表 - 多了 usage 字段来追踪 token 消耗 对应源码: session.rs

Hook 配置 —— 告诉 HookRunner 有哪些 hook 命令。 pre_tool_use: 工具执行前要运行的 shell 命令列表 post_tool_use: 工具执行后要运行的 shell 命令列表 对应源码: config.rs:48-52

Hook 执行引擎。 负责在工具执行前后运行 hook 命令，收集结果。 对应源码: hooks.rs:49-206

权限策略 — 源码 permissions.rs:50-135 这是权限系统的核心。它管理: 1. 当前活跃的权限模式 2. 每个工具的所需权限级别（注册表） 3. authorize() 决策逻辑

带原因的权限结果

Agent 间传递的消息

模拟的 API 响应

对话消息。 对应源码: session.rs:36-46 pub struct ConversationMessage { pub role: MessageRole, pub blocks: Vec<Content

带消息的 Hook 结果

一条对话消息，就像聊天记录里的一条。

用户的决定 —— 允许还是拒绝。

重试策略配置。 对应源码: api/client.rs:104-111 (AnthropicClient 字段)

文字块 —— AI 说的话。 例子：TextBlock(text="答案是 42")

工具的"说明书"。 这个东西会被发送给 AI，让 AI 知道有哪些工具可以用。 对应源码: tools/src/lib.rs 的 ToolSpec 结构体

Bash 命令输入 — 源码 bash.rs:18-34 这是模型（AI）发送过来的工具调用参数。 注意有多个沙箱相关的字段——模型可以精细控制沙箱行为。

Bash 命令输出 — 源码 bash.rs:36-65 注意这个输出有多丰富。不只是 stdout/stderr， 还有中断标记、后台任务ID、沙箱状态、持久化路径等。 这些信息让模型能理解命令执行的完整上下文: - interrupted=True → 超时了

消息中的内容块

Hook 运行器 — 源码 hooks.rs:54-206 职责: 按顺序运行所有注册的 Hook 命令， 任何一个返回 deny 就立即中止。

权限策略 —— 决定哪些工具可以执行。 对应源码: permissions.rs:49-134

会话：消息的有序集合。 对应源码: session.rs:42-46 pub struct Session { pub version: u32, pub messages: Vec<ConversationMess

SSE 增量解析器。 核心思路：维护一个字符串缓冲区。 每次收到新数据就追加到缓冲区，然后尝试从中提取完整的事件。 对应源码: api/sse.rs:5-61 (SseParser) runtime/sse.rs:12-97 (Inc

Token 使用统计 —— 用来追踪花了多少"钱"。

Agent 的身份信息。 格式：{name}@{team_name} 例如：researcher@my-project, team-lead@my-project 对应 Reference: EP08 §5

源码: main.rs:2338-2382

压缩配置 — 源码 compact.rs:5-16 preserve_recent_messages: 保留最近 N 条消息（默认 4） max_estimated_tokens: token 估算超过这个值才压缩（默认 10000）

压缩配置。 preserve_recent_messages: 保留最近几条消息（不压缩它们） max_estimated_tokens: 超过多少 token 就触发压缩 对应源码: compact.rs:4-16

压缩结果

压缩结果

对话运行时 —— 把 API、工具、权限、Session 全部组合在一起。 这就是 Claude Code 的核心引擎。 对应源码: conversation.rs:100-168 在 Rust 源码里它是泛型的：ConversationRuntime<C, T

注意: __init__ 不创建任何依赖, 全部从外部接收。 这就是依赖注入——"把依赖注入进来, 而不是自己造"。

模拟 API 客户端 —— 按剧本回复。 场景：用户问 "当前目录有什么文件？" AI 第一次回复：要用 bash 工具执行 ls AI 第二次回复：根据工具结果总结

Hook 执行结果 — 源码 hooks.rs:22-27 denied + messages 的组合让 Hook 可以: - 允许 + 无消息: 静默通过 - 允许 + 有消息: 通过但附加反馈（模型能看到） - 拒绝 + 有消息: 阻止并告知原因

Hook 执行后的结果。 denied: 是否阻止了工具执行 messages: Hook 输出的消息列表（会显示给用户看） 对应源码: hooks.rs:24-47

权限请求 —— 告诉用户 "谁要做什么"。

项目上下文 — 源码 prompt.rs:48-55 每次会话启动时收集一次。包含: - 工作目录、日期 - Git 状态快照（branch、modified files） - Git diff（staged + unstaged） - 发现的 CLAUDE

系统提示词构建器 — 源码 prompt.rs:84-185 这是一个 Builder 模式。最终 build() 返回 Vec<String>， 不是一个大字符串。每个 section 是一个独立的字符串。 为什么分成多个 section？ 因为 Anthrop

工具注册表 核心数据结构: dict[str, Callable] 对应 Rust: BTreeMap<String, Box<dyn FnMut(&str) -> Result<String, ToolError>>>

工具结果块 —— 工具执行后的返回结果。 例子：ToolResultBlock(tool_use_id="tool-1", tool_name="bash", output="file1.py\nfile2.py", is_error=False) 参数:

工具调用块 —— AI 说"我要用某个工具"。 例子：ToolUseBlock(id="tool-1", name="bash", input='{"command": "ls"}') 参数: id: 每次工具调用的唯一标识（就像快递单号，用来匹配结果）

对应 conversation.rs:100-283 的 ConversationRuntime 所有依赖从外部注入, 内部只有"循环"逻辑

AllowList 模式: 只允许白名单路径

总是允许 —— 用于测试或信任环境。

总是拒绝 —— 用于测试。

发给 AI 的请求

AI 的回复

完整的 AI 回复消息

认证错误（API Key 无效或缺失）

自动批准提示器