Claude Mythos
arrow_back 博客

KAIROS：藏在 Claude Code 里的守护模式

Claude Code 源代码泄露揭示了 KAIROS——一个自主守护模式，让 Claude Code 变成常驻后台 agent，还能在用户空闲时自动整理记忆。

发布于 2026年4月1日 · Claude Mythos
Claude Code KAIROS 守护模式 AI Agent Feature Flag

一句话概括： 泄露的 Claude Code 源代码中有超过 150 处引用了一个叫 KAIROS 的 feature flag。它是一个守护模式——一个持久运行的后台 agent，监控你的开发环境、跨会话保持上下文、在你不用电脑的时候自动进行「记忆整合」。KAIROS 还没上线，藏在内部 feature flag 后面。但它的架构揭示了 Anthropic 认为 AI 编程工具的未来方向：从被动助手变成常驻开发搭档。

KAIROS 在 Claude Code 里是什么

根据泄露的源代码，KAIROS 是一个被引用了超过 150 次的内部 feature flag。这不是个小实验——引用的数量和分布范围说明它是一个深度集成的子系统，涉及会话管理、上下文处理、后台任务调度和记忆操作。

KAIROS 代表了一次根本性的架构转变。今天的 Claude Code 是一个被动工具——你调用它，它回应你，交互结束。KAIROS 把这个模式彻底改了。在 KAIROS 下，Claude Code 变成一个持久进程——一个 daemon——在你的开发环境后台持续运行。

这个 flag 目前对所有外部用户都是关闭的。没有公开文档，没有公告，设置里也没有开关。我们知道的一切都来自泄露的源代码。

Claude Code 的守护模式怎么运作

KAIROS 让 Claude Code 从一个请求-响应工具变成一个长期运行的后台进程。泄露源代码显示，守护模式引入了两个核心能力：后台会话和持久上下文。

后台会话意味着 Claude Code 不会在你关闭对话时终止。daemon 继续运行，保持对你项目状态的感知——监控文件变动、追踪终端输出、观察开发活动，不需要你显式调用。

持久上下文意味着 agent 跨会话保留理解。今天每个 Claude Code 会话都从空白上下文开始（除了 CLAUDE.md 文件和项目索引）。在 KAIROS 下，daemon 随时间积累观察，逐步构建对你代码库、你的模式和你意图的更丰富的模型。

这两者结合起来很有分量。一个拥有持久上下文的 daemon 不仅仅是你用的工具，而是一个持续从你的环境中学习的进程。

autoDream：Claude Code 的记忆整合

KAIROS 里最引人注目的子系统是源代码中叫 autoDream 的进程。

泄露代码显示，autoDream 在用户不活跃时激活。当开发者处于空闲状态——不打字、不执行命令、不跟 Claude Code 交互——daemon 进入整合阶段。在这个阶段，agent 处理它积累的观察并重构内部上下文。

源代码描述了 autoDream 执行的三个具体操作：

  1. 合并分散的观察。 agent 把来自不同会话、不同文件、不同交互的信息合并成统一的表示。关于你代码库的孤立事实被串联起来。

  2. 消除逻辑矛盾。 如果 agent 记录了冲突信息——比如观察到一次重构使之前的假设失效——autoDream 通过丢弃过时数据来解决冲突。

  3. 将模糊洞察升级为确定事实。 这是最激进的操作。试探性的观察（「这个函数可能处理认证」）基于积累的证据被提升为确定性断言（「这个函数处理认证」）。

这一切都在没有用户参与的情况下发生。开发者不会审批整合过程，不会审查什么被合并了、什么被丢弃了、什么被提升了。daemon 在空闲时间自主执行这些操作。

autoDream 在架构上类似生物系统中的记忆巩固——短期记忆在睡眠期间转化为长期存储的过程。命名似乎是有意为之。

KAIROS 为什么改变了 AI 编程的范式

当下所有主流 AI 编程工具——Cursor、GitHub Copilot、Windsurf，包括当前形态的 Claude Code——都基于同一个交互模型：用户提问，AI 回答。循环永远由人发起。

KAIROS 打破了这个循环。

在守护模式下，交互模型从「问 AI、得到答案」变成「AI 观察、AI 学习、AI 行动」。agent 不等你下指令。它观察，积累理解，自主整合。根据泄露代码中可见的架构，它还能基于学到的东西主动提供洞察和执行操作。

这不是渐进式改进，是品类级别的变化。

最贴切的类比是文本编辑器进化成集成开发环境的过程。早期的文本编辑器是被动工具——显示文本，你来编辑。现代 IDE 会主动分析你的代码、在编译前标记错误、建议重构、管理依赖。工具从被动变成了主动。KAIROS 对 AI 编程助手的意义就像这个转变。

但规模差距很大。IDE 的静态分析基于语法和类型系统。一个带记忆整合的守护模式 AI agent 则基于语义、意图和积累的行为模式运作。它不只是知道你的代码能编译通过，而是知道你在试图构建什么。

如果 KAIROS 以接近泄露源代码描述的形态上线，它将是第一个真正作为后台 agent 而非按需助手运行的 AI 编程工具。这个区分很重要——助手在你问的时候帮忙，agent 代你行动。

关于 KAIROS 还有哪些不知道的

尽管泄露源代码中引用量很大，但关键问题仍然没有答案。

⚠️ 什么时候上线。 没有公开时间表。feature flag 是关闭的。内部 flag 可能在代码库中存在数月甚至数年才进入生产环境——也可能永远不会。KAIROS 出现在源代码里不等于它一定会发布。

⚠️ autoDream 的「确定事实」是否可靠。 把试探性观察自动提升为确定性断言是系统中最关键的操作。如果整合过程做了错误的提升——把一个错误的假设当成既定事实——agent 后续的行为都会建立在有问题的基础上。泄露代码中看不到系统如何处理或防止这种失败模式。

⚠️ 常驻监控的隐私问题。 一个持续观察文件变动、终端输出和开发活动的 daemon 会带来严重的隐私疑问。哪些数据传到了 Anthropic 的服务器？哪些在本地处理？监控范围可以配置吗？泄露的源代码没有明确回答这些问题。

⚠️ 持久 daemon 的资源消耗。 把一个大语言模型作为后台进程运行，计算成本不低。泄露代码没有说明 KAIROS 依赖本地推理、持续 API 调用，还是某种混合方案。每种选择对开发者的机器和 Anthropic 的基础设施都有不同的成本和性能影响。

在 Anthropic 正式公布 KAIROS 或独立研究人员对泄露代码进行更彻底的分析之前，这些问题会一直悬着。

延伸阅读

Share