awesome-cc-harness

English (TL;DR)

Reverse-engineering all 512,664 lines of Claude Code's TypeScript source — agent loop, tool system, permission model, sandbox, context engineering. A 16-chapter textbook (~50,000 words, 147 code blocks, 77 diagrams) on how Anthropic actually builds an agent harness.

📣 Featured in Chinese AI media — Republished by QingkeAI (青稞AI) and other WeChat publications, with 20,000+ reads and 2,000+ shares. Original Chinese article.

Two findings you won't see elsewhere:

• 🔬 Grove — Anthropic's hidden training-data pipeline. Retention jumps 30 days → 5 years when enabled. 796 telemetry events flow into BigQuery columns the source code labels "training data".
• 🛡️ Anti-Distillation — 5-layer defense: native client attestation, request fingerprinting, fake-tool injection, signature-bound thinking blocks, "distillation-resistant" streamlined output.

👉 Read the full English version online

从 Claude Code 512K 行源码逆向 Harness Engineering

基于 Claude Code 全部 512,664 行 TypeScript 源码的系统性逆向分析，拆解 Anthropic 在 Agent Loop、工具系统、权限模型、沙盒安全、上下文工程等方面的设计决策与工程取舍。

📣 媒体报道：Harness Engineering 主分析已被 青稞AI 等公众号转发，累计阅读 20,000+，转发 2,000+。原文链接

👉 点击这里开始在线阅读

最新更新

🔬 Grove 系统 — Claude Code 中从未被报道的训练数据基础设施

首次发现 Anthropic 从用户键盘到 BigQuery 训练数据仓库的完整数据链路：

• Grove 系统 — UI 明确写着 "train and improve"，开启后数据保留从 30 天延长至 5 年
• 796 个 telemetry 事件 × 双路管道 — Datadog 拿脱敏数据，1P API 拿完整数据写入 BigQuery 特权列
• SWE-bench 嵌入每个 telemetry 事件 — eval 数据和用户数据走同一条管道、同一个 BigQuery
• 开发者注释直接写着 "training data" — messages.ts:245 + sessionStorage.ts:4388

flowchart TD
    USER["用户交互"] --> GROVE{"grove_enabled?"}
    GROVE -->|ON| RETAIN["数据保留 5 年"]
    GROVE -->|OFF| DEFAULT["数据保留 30 天"]
    RETAIN --> EVENTS["796 个 tengu_* 事件"]
    DEFAULT --> EVENTS
    EVENTS --> DD["Datadog（脱敏）"]
    EVENTS --> BQ["BigQuery 特权列（完整数据）"]
    BQ --> TRAIN["开发者注释：'training data'"]

    style GROVE fill:#fff3e0,stroke:#ff9800,color:#333
    style RETAIN fill:#ffebee,stroke:#f44336,color:#333
    style BQ fill:#e3f2fd,stroke:#2196f3,color:#333
    style TRAIN fill:#e8f5e9,stroke:#4caf50,color:#333

👉 阅读完整分析

🛡️ Claude Code 是如何知道你在偷偷蒸馏的？— 机制分析

从源码中拆解 Anthropic 防止模型被盗的 5 层工程实现：

• Native Client Attestation — Bun/Zig 原生层注入认证 token，服务端验证客户端真实性
• Fingerprint Attribution — SHA256(salt + 消息特定字符 + 版本号)，每条训练数据可追溯来源
• Fake Tools Injection — 向 API 注入虚假工具定义，蒸馏模型暴露假工具 = 被抓
• Signature-Bearing Blocks — thinking + connector_text 绑定 API key，换 key 立即失效
• Streamlined Mode — 源码直接称为 "distillation-resistant output format"

flowchart LR
    subgraph 五层防御
        L1["1. Attestation<br/>客户端认证"]
        L2["2. Fingerprint<br/>请求指纹"]
        L3["3. Fake Tools<br/>蜜罐工具"]
        L4["4. Signature<br/>签名绑定"]
        L5["5. Streamlined<br/>输出防护"]
    end

    L1 --> L2 --> L3 --> L4 --> L5

    style L1 fill:#ffebee,stroke:#f44336,color:#333
    style L2 fill:#fff3e0,stroke:#ff9800,color:#333
    style L3 fill:#e8f5e9,stroke:#4caf50,color:#333
    style L4 fill:#e3f2fd,stroke:#2196f3,color:#333
    style L5 fill:#f3e5f5,stroke:#9c27b0,color:#333

👉 阅读完整分析

主教程：Harness Engineering 完全指南

16 章 · ~50,000 字 · 147 段代码块 · 77 张图表 · 中英双语

相关资源

贡献

• ⭐ Star — 如果觉得有帮助，Star 是最大的鼓励
• 🐛 Issue — 纠错、补充、讨论
• 🔀 Fork & PR — 欢迎改进内容
• 📢 分享 — 转发给做 AI Agent 的朋友

作者

WanLanglin · 微信: felixwll · Open to Agentic AI opportunities · 欢迎交流

License

Educational and research purposes. Claude Code is property of Anthropic, Inc.