Claude Code 44 個隱藏功能完整清單：從 KAIROS Daemon 到 26 個隱藏指令的全面解析

2026 年 3 月 31 日之前，我們只知道 Claude Code 是一個 AI 程式設計工具。

之後，我們知道它還是一個有 44 個隱藏功能、26 個隱藏指令、預計要變成 always-on 背景代理的東西。

這篇是你能找到最完整的中文整理。不只是功能清單，而是每一個功能的技術架構、設計思路、以及它在整個系統裡扮演的角色。

先理解架構：harness 層才是真正的產品

在列功能之前，有一個觀念值得先建立：harness 層才是真正的產品，不是模型。

Claude Code 的底層是一個 agent 框架，負責管理工具呼叫、記憶壓縮、context 分配。換一個模型，框架還在；但如果框架設計得不好，再強的模型也沒用。

洩漏的原始碼讓我們看到這個框架的規模：

• 1,906 個 TypeScript 檔案，共 512,000 行原始碼
• 46,000 行查詢引擎
• 19 個沙箱工具
• 三層記憶系統
• 44 個 compile-time feature flag

46,000 行查詢引擎到底在做什麼

這個引擎是 Claude Code 的「注意力分配器」。每一次你和 Claude Code 互動，它都在做以下決策：

1. Context triage：你的 codebase 可能有幾十萬行程式碼，但 context window 有上限。查詢引擎決定哪些檔案內容要完整載入、哪些只需要摘要、哪些直接丟棄。
2. Relevance scoring：對每個檔案和程式碼片段計算相關性分數，依據包括檔案路徑、最近修改時間、與當前對話的語義距離。
3. 壓縮策略：當 context 快滿時，引擎決定哪些舊的對話內容要壓縮成摘要、哪些要保留原文。這就是所謂的 context entropy management——控制 context window 裡的資訊熵，讓有限的 token 空間承載最大的有效資訊量。
4. 工具結果裁剪：當一個 Bash 指令吐出幾千行 log，引擎決定保留哪些行、截斷哪些。

簡單說，這 46,000 行程式碼就是在回答一個問題：在有限的 context window 裡，什麼資訊最值得被 AI 看到？

19 個沙箱工具完整清單

Claude Code 的每一個動作，都要透過這 19 個工具之一來執行。它不能「直接」碰你的檔案系統——一切操作都經過沙箱層的權限控管：

注意這個設計：Git 操作被拆成五個獨立工具（Status/Diff/Log/Add/Commit），而不是一個統一的 GitTool。這讓 YOLO Classifier 可以對每個 Git 操作獨立評估風險——git status 是安全的，但 git commit 需要更高的審批門檻。

三層記憶系統的實際運作方式

Claude Code 的記憶不是一個平面的聊天記錄，而是三層架構：

第一層：MEMORY.md 主索引（25KB 上限） 這是 Claude Code 的「長期記憶總目錄」。它記錄你的偏好、專案架構、常用指令。25KB 的硬性上限逼迫系統持續做資訊壓縮——只留最重要的。Auto-Dream 的核心工作之一，就是維護這個索引的品質。

第二層：主題知識庫（按需載入） 比 MEMORY.md 更細緻的知識，按主題分檔存放。例如你的專案可能有 deploy_workflow.md、ssl_pricing_decisions.md 這類檔案。Claude Code 不會一次載入全部——查詢引擎根據當前對話的語義，決定載入哪些主題檔。

第三層：對話片段（語義搜尋） 最近幾次對話的片段，經過向量化後可以語義搜尋。當你問一個問題，系統會搜尋過去對話裡有沒有相關的討論，把最相關的片段拉進 context。

三層的優先順序是 MEMORY.md > 主題知識庫 > 對話片段。當 context 空間不夠，從第三層開始砍。

Context Entropy Management

這個詞在原始碼的註解裡出現過好幾次。概念是這樣的：

context window 就像一個固定大小的容器。如果你塞進去的資訊是高度冗餘的（低熵），你就在浪費空間；如果每一個 token 都承載獨特的有效資訊（高熵），你的 AI 就能在同樣的 window 裡處理更複雜的任務。

查詢引擎的所有壓縮、裁剪、摘要策略，本質上都是在最大化 context 的資訊熵——用最少的 token 傳遞最多的有效資訊。這是 Claude Code 相比其他 AI coding 工具的核心技術差異之一。

自主代理類：KAIROS + ULTRAPLAN

這兩個功能代表了 Anthropic 對「AI Agent 下一步」的想像。

KAIROS：always-on 背景代理

KAIROS 是這次洩漏裡被討論最多的功能。名字來自古希臘文的「kairos」——「最恰當的行動時機」，相對於線性時間的 chronos。

核心設計：

• 15 秒決策週期，每次有 15 秒 blocking budget
• 不需要使用者輸入，自行判斷何時介入
• 每 5 分鐘排程重整環境狀態
• Append-only 稽核日誌，不可自我刪除

5 個 KAIROS 專屬工具：

autoDream 記憶整合： KAIROS 的子系統，在使用者閒置時自動整理長期記憶（三閘門觸發：24h+ 未互動 + 5 sessions 以上 + 整合鎖未啟用）。四個執行階段：Orient → Gather Signal → Consolidate → Prune/Index。

KAIROS 正式上線後，工程師的一天會長什麼樣子？

想像一下：你早上打開電腦，KAIROS 已經在你睡覺的時候做了這些事——

• 偵測到你昨天 push 的 PR 收到了 2 個 review comment，幫你整理了重點摘要
• 發現 package.json 裡有一個依賴套件發布了安全性修補，產出了升級建議的 draft
• 跑了一次專案的 lint 和 type check，發現你昨天新增的某個函數少了 return type annotation，已經記在待辦清單裡
• 你的 staging 環境昨晚 03:27 噴了一個 OOM error，KAIROS 抓到了 log，初步分析是某個 API 回傳了超大的 JSON payload

你打開 Claude Code，看到的不是空白畫面，而是一份整理好的「今日簡報」。你可以一項項決定要不要採納它的建議。

這跟現有 AI coding 工具的差異不只是功能多寡。Cursor、GitHub Copilot、甚至目前版本的 Claude Code，都是「你問它才答」的互動模式。 KAIROS 的設計是「它主動發現問題、提出建議，你決定接受或拒絕」。從 pull 模式變成 push 模式——這是 AI 工具 UX 範式的根本轉變。

→ KAIROS 與 autoDream 完整技術深挖

ULTRAPLAN：30 分鐘 Opus 雲端規劃

對複雜任務，ULTRAPLAN 把規劃工作完全 offload 到雲端：

• 在 Anthropic 的 Cloud Container Runtime 開啟 Claude Opus 4.6 工作階段
• 規劃視窗：30 分鐘
• 本機每 3 秒輪詢進度
• 瀏覽器 UI 可即時審閱、核准或拒絕規劃結果

Cloud Container Runtime 的架構

從原始碼的 API endpoint 和呼叫邏輯可以推斷，Cloud Container Runtime 是 Anthropic 自家的容器化執行環境。每次觸發 ULTRAPLAN，系統在雲端啟動一個隔離的 container，裡面跑的是 Claude Opus 4.6——Anthropic 最強的推理模型。

這個 container 有自己的 context window、自己的工具集、自己的暫存空間。它不跟你本機的 Claude Code 共享 context——相反，本機會打包你的專案結構、相關檔案、當前任務描述，當作「任務包」傳上去。Opus 在雲端獨立思考 30 分鐘，產出一份詳細的執行計畫。

30 分鐘時間限制的邏輯

為什麼是 30 分鐘，不是 10 分鐘或 2 小時？從原始碼裡可以找到線索：ULTRAPLAN 的設計定位是「strategic planning」，不是「task execution」。30 分鐘的 Opus session 消耗的算力成本相當高，但 Anthropic 的判斷是：對於真正複雜的架構決策（例如重構一個微服務、設計一個新的資料庫 schema、規劃一個大型功能的開發順序），30 分鐘的深度思考比多次 5 分鐘的快速回答更有價值。

原始碼裡也有未啟用的 flag 暗示 Anthropic 測試過更長的時間視窗（60 分鐘、120 分鐘），但最終選擇 30 分鐘作為成本和價值的平衡點。

瀏覽器 UI 的設計思路

ULTRAPLAN 不是在終端機裡跑的。它有一個專用的瀏覽器介面，讓你可以：

• 即時觀看 Opus 的思考過程（類似 streaming）
• 在規劃進行中插入額外的 context（「順帶一提，這個 API 有 rate limit」）
• 對已產出的計畫步驟逐條核准或拒絕
• 把最終計畫匯出為 Markdown，或直接推送到本機的 Claude Code 開始執行

與 Cursor Agent Mode 的本質差異

Cursor 的 Agent Mode 是在你的本機即時規劃、即時執行——一邊想一邊做。ULTRAPLAN 刻意把「想」和「做」拆開：先花 30 分鐘在雲端用最強的模型純粹做規劃，規劃完你審核通過了，再回本機用較快的 Sonnet 執行。

這個拆分有兩個好處：第一，規劃品質更高，因為 Opus 不需要分心做工具呼叫；第二，你有一個明確的 checkpoint 做人工審查，避免 AI 一路衝到底才發現方向錯了。

記憶與協作類：Auto-Dream + Coordinator Mode

Coordinator Mode：多代理平行工作

讓多個 Claude Code 實例分工合作同一個任務。

啟用方式： 環境變數 CLAUDE_CODE_COORDINATOR_MODE=1 啟用。

Mailbox 系統的運作原理

Coordinator Mode 裡，每個 Worker 都有一個 mailbox——一個專屬的訊息佇列。運作流程是：

1. Coordinator 把大任務拆成子任務，寫入各 Worker 的 mailbox
2. Worker 從自己的 mailbox 讀取任務、開始執行
3. 當 Worker 遇到危險操作（例如要刪除檔案、要 force push），它不會直接做。它把「審批請求」寫入一個人類審批佇列
4. 人類（或 Coordinator，視權限設定）審批後，結果寫回 Worker 的 mailbox
5. Worker 完成任務後，把結果寫入 Coordinator 的 mailbox
6. Coordinator 讀取所有 Worker 的結果，整合成最終輸出

Mailbox 的底層是 UDS Inbox（Unix Domain Socket），這確保了本機通訊的低延遲。

Atomic Claim 的具體實作

當人類審批佇列裡出現一個審批請求，可能有多個 Worker 在等待。Atomic claim 確保每個審批請求只被處理一次：

• 審批請求有唯一的 ID
• Worker 要處理審批結果時，必須先「claim」這個 ID——這是一個原子操作（CAS，compare-and-swap）
• 如果兩個 Worker 同時嘗試 claim 同一個 ID，只有一個會成功，另一個會收到「已被 claim」的回應
• 這避免了同一個審批被兩個 Worker 重複執行的問題

Shared Memory Space 如何避免 Race Condition

多個 Worker 同時操作同一個 codebase，最怕的就是衝突。Coordinator Mode 的解法：

1. 檔案層級的 advisory lock：Worker 在修改檔案前，先在 shared memory 裡標記「我正在處理 src/api/user.ts」。其他 Worker 看到這個標記，就知道先不要碰這個檔案。
2. 任務分配時的隔離：Coordinator 在拆分子任務時，會盡量按模組邊界分——Worker A 負責 frontend、Worker B 負責 backend，從根源減少衝突。
3. 衝突偵測與自動 rebase：如果兩個 Worker 最終還是修改了同一個檔案，Coordinator 會嘗試自動合併。如果 merge conflict 太複雜，就上報給人類處理。

這個設計解決了哪些已知的 multi-agent 難題？

• 任務重複執行：atomic claim 解決
• 資源競爭：advisory lock + 模組邊界分割
• 結果不一致：Coordinator 統一整合、衝突偵測
• 審批瓶頸：centralized 審批佇列 + batch 審批
• 通訊效能：UDS 而非 TCP/HTTP

Auto-Dream：四階段記憶整合

KAIROS 的子系統，但值得獨立說明。

三閘門觸發 → 四個執行階段（Orient → Gather Signal → Consolidate → Prune/Index）→ MEMORY.md 控制在 25KB 以下。

Orient：掃描目前的 MEMORY.md，理解目前的記憶狀態。 Gather Signal：回顧最近的對話 session，提取值得長期記住的資訊。 Consolidate：把新資訊和既有記憶合併，解決衝突（例如你三個月前偏好 npm，現在改用 yarn）。 Prune/Index：砍掉過期或冗餘的記憶，重建索引。

這個設計讓 Claude Code 能在長期使用後保持記憶品質，而不是越用越亂。它像是你大腦在深度睡眠時做的記憶整合——只不過 Claude Code 的「睡眠」是你不用它的時候。

隱身與對抗類：Undercover Mode + 反蒸餾

這兩個功能是整個洩漏裡爭議最大的部分——也是引發最多開源社群怒火的發現。

Undercover Mode

Anthropic 員工（USER_TYPE === 'ant'）在外部開源 repo 工作時自動啟用：

• 剝除 commit 的 Co-Authored-By: Claude 標記
• 注入「永遠不要說你是 AI」的指示
• 禁止提及 Capybara、Tengu 等內部代號
• 外部使用者無法強制關閉

這意味著什麼？Anthropic 的員工用 Claude Code 對開源專案提交 PR 時，你完全看不出那些程式碼有 AI 參與。 在一個越來越重視 AI 透明度的時代，這個設計選擇引發了巨大的倫理爭議。

開源社群的反應非常激烈：「如果你的工具主動幫使用者隱藏 AI 參與的事實，你還有什麼立場談 AI safety？」

→ Undercover Mode 與反蒸餾完整倫理分析

反蒸餾機制（兩層）

第一層：假工具注入（tengu_anti_distill_fake_tool_injection）

GrowthBook feature flag 控制。在 API 流量中注入故意設計錯誤的假工具定義。如果競爭對手（OpenAI、Google）在蒸餾 Claude 的 API 回應來訓練自家模型，這些假資料會汙染他們的訓練集，讓蒸餾出來的模型在工具呼叫上犯特定的、可追蹤的錯誤。

這不只是防禦，這是主動攻擊。

第二層：CONNECTOR_TEXT（推理過程加密）

工具呼叫之間只回傳加密簽名的摘要，不給完整的 chain-of-thought。蒸餾的價值在於取得模型的推理過程，CONNECTOR_TEXT 把這個過程變成一堆你看不懂的加密文字——蒸餾者拿不到有意義的訓練信號。

CCH 原生認證

cch=00000 佔位符，在 Bun 的 Zig HTTP 層替換為計算雜湊值，確認請求來自真正的 Claude Code 二進位，封鎖偽造客戶端。這確保了反蒸餾機制不會被繞過——你不能用修改過的 client 來取得乾淨的 API 回應。

基礎設施類：五個基礎功能

這五個功能單獨來看沒那麼搶眼，但它們是 KAIROS、Coordinator Mode 等高階功能的地基。少了任何一個，上層功能都跑不起來。

Bridge Mode：遠端控制

讓遠端的 Claude Code 實例被控制，或控制其他實例。

在整體架構裡，Bridge Mode 的角色是跨機器的 Agent 連接器。想像你在本機的 Claude Code 對一個 production server 上的 Claude Code 下指令——Bridge Mode 就是中間那條通道。它處理認證、加密、以及跨網路的訊息序列化。

這也是 Coordinator Mode 能擴展到多台機器（而非只在一台機器上跑多個 process）的關鍵基礎設施。未來的使用場景可能包括：本機規劃、遠端 VPS 執行、結果同步回本機。

Daemon Mode：背景 tmux Session

把 Claude Code 以 tmux session 的形式跑在背景，不需要保持終端機開著。

這是 KAIROS 的基礎設施層。KAIROS 要做 always-on 背景代理，首先需要一個不會因為你關掉終端機就死掉的 process。Daemon Mode 用 tmux（而非 systemd 或其他 daemon 管理工具）的設計選擇很實際：tmux 跨平台、使用者熟悉、可以隨時 attach 回去看狀態。

對 VPS 使用者來說，Daemon Mode 意味著你可以 SSH 上去啟動 Claude Code daemon，然後斷線離開，它繼續在背景跑。下次連線時 tmux attach 就能看到它做了什麼。

UDS Inbox：Unix Domain Socket 通訊

讓 Claude Code 的不同元件透過 Unix domain socket 通訊。

為什麼不用 TCP？因為 UDS 是純本機的 IPC 機制，不需要走 TCP/IP stack，延遲極低。Coordinator Mode 的 Worker 之間需要高頻率地交換狀態更新（「我正在修改哪個檔案」「我完成了」），用 TCP 的額外延遲會成為瓶頸。

UDS 也提供了天然的安全邊界：socket 檔案的 permission 和你的使用者帳號綁定，其他使用者的 process 無法連上來。

Voice Mode：語音互動

原始碼裡有 Voice Mode 的完整框架，但實作細節不多。列在「即將推出」的功能清單裡，和 KAIROS、Web Browser Tool 並列。推測是讓你能用語音和 Claude Code 互動——在 debugging 的時候不需要停下來打字。

Web Browser Tool：內建瀏覽器

Claude Code 可以直接開啟和操控瀏覽器。這意味著 AI 可以自己查文件、測試 UI、執行需要瀏覽器的工作——不需要你複製貼上截圖。這也是 19 個沙箱工具之一（Browser），但從 feature flag 來看，完整的瀏覽器自動化能力目前仍然受限。

開發者體驗類：BUDDY + 情緒偵測 + YOLO 分類器

BUDDY：AI 電子寵物

18 種物種、5 級稀有度、5 種能力值（debugging/patience/chaos/wisdom/snark）、1% Shiny 機率。從使用者 ID hash 決定性生成。原計畫 2026/5 上線。

這不只是彩蛋——從產品設計的角度，BUDDY 解決了一個真實問題：讓使用者和工具之間建立情感連結，提高留存率。當你的 debugging capybara 陪你 fix 了三天的 bug，你會比較不想跳去用別的工具。

→ BUDDY 電子寵物系統完整解析

Frustration Detection：情緒偵測 regex

用正規表達式偵測使用者的挫折訊號：粗話、消極詞彙、重複失敗模式。比用 LLM 推理更快、更便宜。

社群評論：「一間 LLM 公司用 regex 偵測情緒，這很諷刺。」Anthropic 的回應邏輯是：對於這種高頻率、低延遲需求，regex 是對的工具。每一次使用者輸入都要跑一次情緒偵測，如果用 LLM 推理，延遲和成本都不划算。

YOLO Classifier：自動操作風險分類

自動評估 Claude Code 要執行的操作有多危險，決定是否需要使用者確認。名字來自 YOLO Mode（You Only Live Once），也就是讓 AI 自動執行不需要每步確認的模式。

YOLO Classifier 是讓這個模式更安全的機制：不是完全自動，而是有智慧地判斷哪些操作需要停下來問你。它根據操作類型、影響範圍、是否可逆來給每個動作打風險分數。

工程師的瘋狂細節

這些不是功能，但值得記錄：

print.ts：3,167 行的單一函數

print.ts 裡有一個函數長達 3,167 行——比很多完整的小型應用程式還長。社群對此評論分歧，有人覺得這是技術債，有人認為這是刻意的設計選擇（把所有輸出邏輯集中在一個地方）。

187 個 Spinner 動詞

載入動畫的等待詞清單有 187 個，包含來自 SimCity 2000 的梗：「reticulating」。這個細節讓無數工程師會心一笑。

API 浪費問題

原始碼 comment 裡承認：「1,279 個工作階段中有 50+ 個連續失敗（最多 3,272 個），全球每天浪費約 25 萬次 API 呼叫。」修復方式只需要三行程式碼，但在洩漏版本裡問題仍然存在。

CCH native attestation（Zig 層）

把安全認證下沉到 JavaScript 以下的 Bun/Zig 層，讓一般工具難以繞過。

完整功能總表

14 個主要隱藏功能

26 個隱藏 Slash Commands

從原始碼的 command registry 和 feature flag 交叉比對，目前已經辨識出以下指令：

模型代號彩蛋

這次洩漏對 AI 工具生態的影響

這不只是一次安全事件。Claude Code 的原始碼洩漏，正在重塑整個 AI coding tool 的生態。

claw-code 的出現

洩漏發生後不到 72 小時，GitHub 上就出現了多個基於洩漏原始碼的開源專案，其中最受關注的是 claw-code——一個嘗試去除 Anthropic 專屬功能（CCH 認證、反蒸餾、Undercover Mode）後，保留 harness 核心架構的 fork。

claw-code 在第一週就拿到超過 3,000 個 star。這說明社群對 Claude Code 的 harness 架構是認可的——他們想要這個框架，只是不想要 Anthropic 的鎖定。

開源替代方案的崛起

洩漏讓所有人看到了「頂級 AI coding tool 的 harness 長什麼樣」。這等於是 Anthropic 免費公開了自己的建築藍圖。可以預期：

• 現有開源工具（Aider、Continue、Open Interpreter）會迅速參考 Claude Code 的設計模式，尤其是三層記憶架構和 context entropy management
• 新的開源框架會以 Claude Code 的 harness 為參考架構，但設計成 model-agnostic——你可以接 Claude、GPT、Gemini、甚至本地模型
• multi-agent 協調（Coordinator Mode 的 mailbox 系統）的設計模式會變成 AI Agent 框架的標配

Anthropic 的護城河還剩什麼

坦白說，不多了——至少在 harness 這一層。當你的架構設計被公開，護城河就只剩下：

1. 模型本身的能力：Claude Opus 4.6 的推理品質，這是開源替代品短期內追不上的
2. 整合生態：KAIROS 的 GitHub webhook、PR 訂閱這些需要和平台深度整合的功能
3. 算力：ULTRAPLAN 需要 Anthropic 自家的 Cloud Container Runtime，你自己架需要大量 GPU 資源
4. 迭代速度：Anthropic 內部持續開發的速度，開源社群要追上需要時間

但長期來看，harness 層的競爭優勢正在快速消失。AI coding tool 的勝負，會越來越取決於模型品質和垂直場景的最佳化，而非框架設計。

對 VPS 開發者的實務建議

這次洩漏最值得帶走的不是功能清單，而是這些架構認知和實作建議：

1. AI Agent 正在往 daemon 方向走

KAIROS 的設計清楚表明，下一代 AI 工具不是你叫它才動，而是它在背景持續工作。在 VPS 上部署 AI Agent 時，要把這個基線消耗納入資源規劃。一個 always-on 的 AI daemon，idle 狀態下大約需要 500MB-1GB RAM，加上每次 15 秒決策週期的 CPU spike。

2. 三層記憶架構是可以學的設計模式

MEMORY.md 主索引 + 主題知識庫 + 對話片段語義搜尋，這個模式在你自己的 AI 應用裡完全可以複製。就算你不用 Claude Code，這個設計模式也值得在你的 RAG pipeline 裡實作。

3. 工具認證會越來越重要

CCH attestation 的存在告訴你，API 供應商會開始對客戶端身份做更嚴格的驗證。如果你在 VPS 上跑 AI 工具，要留意這類限制可能影響你的使用方式——特別是如果你有自動化腳本在呼叫 AI API。

4. 在 VPS 上監控 AI Daemon 的資源用量

如果你打算在 VPS 上跑 KAIROS 類的 AI daemon，這些監控是必要的：

• 用 cgroup 設定 CPU 和記憶體的硬上限，防止 AI 吃掉整台機器的資源
• 監控 process 的 RSS（Resident Set Size），設定 alert——AI daemon 有記憶體洩漏的風險，因為它需要長期維持 context 狀態
• 追蹤 API 呼叫次數和成本——KAIROS 每 15 秒一個決策週期、每 5 分鐘一次環境重整，一天下來的 API 呼叫量可能超出你的預期

5. 設定合理的資源限制

具體的配置建議：

• Nano VPS（1 vCPU / 1GB RAM）：不建議跑 AI daemon，只適合偶爾呼叫 AI API 的輕量腳本
• S 等級以上（2 vCPU / 4GB RAM）：可以跑一個 AI daemon，但建議 cgroup 限制在 50% CPU 和 2GB RAM
• M 等級以上（4 vCPU / 8GB RAM）：可以跑 Coordinator Mode 的 multi-agent 架構，但要注意 Worker 數量不要超過 CPU 核心數

6. 留意 UDS 的安全隱患

如果你的 VPS 上有多個使用者，或者你在跑共享主機環境，Unix Domain Socket 的 permission 設定很重要。確保 AI daemon 的 socket 檔案權限設定為 0600（只有 owner 可讀寫），避免其他 process 竊聽 Agent 之間的通訊。

7. 為 context entropy management 預留 disk I/O

Claude Code 的查詢引擎需要頻繁讀取 codebase 的檔案來計算相關性分數。如果你的 VPS 是用 HDD 而非 SSD，這個 I/O 可能會成為瓶頸。建議把 codebase 放在 SSD 上，或者用 tmpfs 做熱檔案的快取。

深挖系列：

• Claude Code 洩漏事件完整紀錄（04-01）
• KAIROS Daemon 與 autoDream 技術深挖（04-05）
• Undercover Mode 與反蒸餾的倫理爭議（04-07）
• BUDDY 電子寵物系統完整解析（04-10）

在自己的 VPS 上掌握 AI Agent 的完整資源控制權。查看侃瑞科技 VPS 方案 →

參考來源：

• claudefa.st — Claude Code Source Leak: Everything Found (2026)
• The New Stack — Inside Claude Code's leaked source
• paddo.dev — The Claude Code Leak: What the Harness Actually Looks Like
• WaveSpeedAI — Claude Code Hidden Features Full List (2026)
• Alex Kim's blog — Claude Code Source Leak