跳轉到

Analysis Claude Code 研究筆記

資料來源

項目 連結
GitHub Repo ThreeFish-AI/analysis_claude_code
作者 ShareAI-Lab (@baicai003)
靈感來源 Yuyz0112/claude-code-reverse
授權 Apache-2.0

專案概述

指標 數值
Stars 259
Forks 101
語言 JavaScript
分析版本 Claude Code v1.0.33
建立日期 2025-08-18

這是 ShareAI-Lab（也是 learn-claude-code 的作者）對 Claude Code 混淆原始碼的靜態逆向工程研究。將 50,000 行混淆程式碼拆解為 102 個 chunks，用 LLM 輔助分析，再進行多輪交叉驗證。

與 claude-code-reverse 的方法對比

維度 claude-code-reverse (v2) analysis_claude_code
方法 Runtime Monkey Patch 靜態程式碼分析
觀察對象 API 請求/回應 混淆後的 JS 原始碼
優勢 直接看到 LLM 對話 看到內部實作細節
劣勢 看不到內部邏輯 混淆導致分析困難
準確性 100%（實際數據） ~95%（作者自評）
適合場景 理解 Agent 行為 理解系統架構

分析方法論

第一階段：靜態程式碼分析

# 1. 美化混淆程式碼
node scripts/beautify.js source/cli.mjs

# 2. 智能分塊（102 個 chunks）
node scripts/split.js cli.beautify.mjs

# 3. LLM 輔助逐 chunk 分析
node scripts/llm.js chunks/

# 4. 三輪迭代 + 交叉驗證

第二階段：動態行為驗證

  • 函式呼叫追蹤
  • 狀態變化監控
  • 效能指標收集
  • 邊界條件測試

核心技術發現

1. h2A 雙重緩衝異步消息隊列（Real-time Steering）

訊息到達
    │
    ├── 有等待中的讀取者？ → 零延遲直接傳遞（Zero-copy path）
    │
    └── 無讀取者？ → 存入循環緩衝區 + 背壓控制
  • Promise-based 異步迭代器
  • 吞吐量 > 10,000 訊息/秒
  • 真正的非阻塞異步處理

2. 分層多 Agent 架構

Agent 類型 混淆代號 職責
主 Agent nO 核心任務調度、主循環引擎
Sub Agent I2A 子任務代理、隔離執行環境
Task Agent — 專用任務處理器、支援並發

每個 Agent 有獨立的權限範圍和資源存取控制。

3. 6 層權限驗證

UI 輸入驗證 → 消息路由驗證 → 工具呼叫驗證
    → 參數內容驗證 → 系統資源存取 → 輸出內容過濾

4. 智能上下文壓縮

  • 92% 閾值自動觸發壓縮
  • wU2 壓縮器，智能保留關鍵資訊
  • 保留比例 0.3（保留 30% 的原始內容）
  • 重要性評分 + 內容篩選

5. 工具執行 6 階段管道

工具發現/註冊 → 參數驗證/類型檢查 → 權限驗證/安全檢查
    → 資源分配/環境準備 → 並發執行/狀態監控 → 結果收集/清理回收
  • 最大 10 並發
  • 每個工具獨立的錯誤處理域

驗證結果

維度 準確性 置信度
核心架構設計 95% 高
關鍵機制實作 98% 極高
API 呼叫鏈路 92% 高
安全機制 90% 中高
UI 互動機制 85% 中

目前限制 / 注意事項

  • 非 100% 準確：作者自己強調「CC 多少會有幻覺」——用 LLM 分析混淆碼本身就可能產生幻覺
  • 版本鎖定：分析基於 v1.0.33，Claude Code 持續更新
  • 混淆代號不穩定：nO, h2A, wU2 等代號會隨版本改變
  • 偏簡體中文：文件以簡體中文撰寫

研究價值與啟示

關鍵洞察

  1. 「用 LLM 分析 LLM 產品」的後設趣味：用 Claude Code 自己分析自己的混淆碼，有一種後設的荒誕感。但這也證明了 LLM 在程式碼分析任務上的實際能力。

  2. 92% 閾值是個重要的工程數字：上下文用到 92% 時觸發壓縮，不是 80% 也不是 95%——這個數字背後有 Anthropic 的經驗值，太早壓縮浪費 context，太晚壓縮可能來不及。

  3. 6 層安全架構的啟示：從 UI 到輸出的完整安全鏈，每一層都有獨立的驗證邏輯。這對任何 Agent 產品的安全設計都是參考。

  4. 靜態分析 vs Runtime 分析互補：靜態分析看到內部實作（h2A 消息隊列、wU2 壓縮器），Runtime 分析看到行為（prompt 內容、模型分工）。兩者結合才是完整的逆向。

  5. 開源重建 SOP 的價值：work_doc_for_this/ 資料夾提供了完整的逆向工程 SOP，從第一階段靜態分析到第二階段重建，方法論本身就值得學習。

與其他專案的關聯

  • claude-code-reverse（docs/claude-code-reverse.md）：Runtime 方法互補，兩者結合更完整
  • Learn Claude Code（docs/learn-claude-code.md）：同一作者（ShareAI-Lab），analysis 是「拆解」，learn 是「重建」