【Claude Code源码剖析】17-完整请求处理流水线：从用户提问到模型回答

本文追踪一条用户消息从键盘输入到最终回答输出的完整生命周期
每个阶段都标注数据的变换形态，让你”看见”数据在每一步变成了什么样子

---

总览流水线

┌──────────────────────────────────────────────────────────────────────────────┐
│                     用户在终端输入: "帮我重构 src/utils.ts"                    │
└──────────────────────┬───────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 1 ─────────────────────────────────────────────────────────────────────┐
│  React Ink UI 层 → TextInput 捕获输入 → handlePromptSubmit()                  │
│  数据形态: 原始字符串 "帮我重构 src/utils.ts"                                   │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 2 ─────────────────────────────────────────────────────────────────────┐
│  processUserInput() → 斜杠命令解析 / 图片处理 / 文本规范化                      │
│  数据形态: { messages: [UserMessage], shouldQuery: true, allowedTools: [...] } │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 3 ─────────────────────────────────────────────────────────────────────┐
│  Attachments 注入 → CLAUDE.md / Memory / IDE选择 / 条件上下文                  │
│  数据形态: messages[] 尾部追加多条 AttachmentMessage                            │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 4 ─────────────────────────────────────────────────────────────────────┐
│  System Prompt 组装 → 身份 + 工具描述 + 用户上下文 + 系统上下文                  │
│  数据形态: systemPrompt: string[], userContext: {}, systemContext: {}          │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 5 ─────────────────────────────────────────────────────────────────────┐
│  query() 进入 Agentic Loop → 上下文压缩 / Snip / Microcompact / AutoCompact   │
│  数据形态: messagesForQuery[] (压缩后消息数组)                                  │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 6 ─────────────────────────────────────────────────────────────────────┐
│  normalizeMessagesForAPI() → 过滤/重排/合并为 API 兼容格式                      │
│  数据形态: (UserMessage|AssistantMessage)[] — 仅 user/assistant 交替            │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 7 ─────────────────────────────────────────────────────────────────────┐
│  queryModelWithStreaming() → @anthropic-ai/sdk → HTTP POST /v1/messages       │
│  数据形态: BetaMessageStreamParams JSON → Server-Sent Events 流               │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 8 ─────────────────────────────────────────────────────────────────────┐
│  Stream 解析 → AssistantMessage 构建 → thinking / text / tool_use 提取        │
│  数据形态: StreamEvent[] → AssistantMessage { content: ContentBlock[] }        │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                       ▼
┌─ STAGE 9 ─────────────────────────────────────────────────────────────────────┐
│  Tool Execution → 权限检查 → 并行/串行执行 → tool_result 注入                  │
│  数据形态: ToolUseBlock[] → 执行 → UserMessage[tool_result] 追加到 messages    │
└──────────────────────┬────────────────────────────────────────────────────────┘
                       │
                  ┌────┴────┐
                  │ 有tool_use│──→ 回到 STAGE 5（继续循环）
                  │ stop_reason│
                  │ ="end_turn"│──→ 进入 STAGE 10
                  └─────────┘
                       │
                       ▼
┌─ STAGE 10 ────────────────────────────────────────────────────────────────────┐
│  结果输出 → 成本统计 → 会话持久化 → UI渲染                                     │
│  数据形态: 最终文本 + 成本报告 + 写入 transcript                               │
└───────────────────────────────────────────────────────────────────────────────┘

---

STAGE 1: UI层 — 用户输入捕获

源文件: src/screens/Repl.tsx, src/hooks/useHandlePromptSubmit.ts

数据变换

用户键入:    "帮我重构 src/utils.ts"
                     │
                     ▼
React Ink TextInput组件捕获 onSubmit 回调
                     │
                     ▼
handlePromptSubmit({ input, pastedContents, ideSelection })
                     │
                     ▼ 
传入数据:
{
  input: "帮我重构 src/utils.ts",          // 原始字符串
  pastedContents: {},                       // 粘贴的图片/文本 (此例为空)
  ideSelection: undefined,                  // IDE选中内容 (此例无)
}

关键操作:

• 如果用户有粘贴的图片/文本，pastedContents 会包含 { id: number, type: 'text'|'image', content: string }
• 如果连接了 IDE（如 VSCode），ideSelection 会包含当前选中的代码片段
• 输入队列 (messageQueueManager) 支持排队：用户可以在模型还在回答时继续输入

---

STAGE 2: 用户输入处理 — processUserInput()

源文件: src/utils/processUserInput/processUserInput.ts (606行)

输入到输出的变换

输入: "帮我重构 src/utils.ts"
          │
          ├── 1. 斜杠命令检测: 是否以 / 开头?
          │   ├── "/compact" → 本地执行compact, shouldQuery=false
          │   ├── "/model opus" → 切换模型, shouldQuery=false  
          │   └── 不是斜杠命令 → 继续
          │
          ├── 2. 特殊关键词检测
          │   └── 包含 "ultraplan"? → 替换为ultraplan流程
          │
          ├── 3. 图片处理
          │   └── pastedContents中的图片 → base64编码 → ImageBlockParam
          │
          ├── 4. processTextPrompt()
          │   └── 纯文本 → 创建 UserMessage 对象
          │
          └── 5. UserPromptSubmit Hooks 执行
              └── 可能被hook阻断（如安全策略拦截）

输出:
{
  messages: [
    {
      type: "user",
      uuid: "a1b2c3d4-...",
      timestamp: "2026-04-08T...",
      message: {
        role: "user",
        content: "帮我重构 src/utils.ts"    // ← 用户原文
      },
      isMeta: false,
      isVisibleInTranscriptOnly: false,
    }
  ],
  shouldQuery: true,       // 需要调用API
  allowedTools: undefined, // 无特殊工具限制
  model: undefined,        // 使用默认模型
}

斜杠命令的分叉路径

如果用户输入是 /compact:

输出:
{
  messages: [SystemMessage("已执行compact...")],
  shouldQuery: false,    // ← 不需要API调用，本地处理完毕
  resultText: "Compacted conversation...",
}

---

STAGE 3: 上下文附件注入 — Attachments

源文件: src/utils/attachments.ts (3998行), src/query.ts

消息数组的丰富化

在用户消息被追加到 messages[] 后，进入 query() 循环之前和每次迭代开始时，系统自动注入上下文附件：

messages[] 当前状态:
[
  ...历史消息...,
  UserMessage("帮我重构 src/utils.ts"),   // ← STAGE 2 创建的
]

                     │
                     ▼ getAttachmentMessages() 注入

messages[] 变为:
[
  ...历史消息...,
  UserMessage("帮我重构 src/utils.ts"),
  
  // ↓ 自动注入的附件消息 ↓
  AttachmentMessage({                     // CLAUDE.md 项目指令
    type: "attachment",
    origin: "memory",
    content: "# Project Rules\n- Use TypeScript strict mode\n..."
  }),
  AttachmentMessage({                     // 自动记忆 (MEMORY.md)
    type: "attachment", 
    origin: "auto_memory",
    content: "## Context\n- 上次讨论了性能优化\n..."
  }),
  AttachmentMessage({                     // 相关记忆 (sideQuery发现的)
    type: "attachment",
    origin: "relevant_memory",
    content: "## 相关: src/utils.ts 的历史修改记录\n..."
  }),
  AttachmentMessage({                     // TODO列表状态
    type: "attachment",
    origin: "todo",
    content: "<todos>[{\"id\":1,\"content\":\"重构utils\",\"status\":\"in_progress\"}]</todos>"
  }),
  AttachmentMessage({                     // 条件规则 (如果匹配)
    type: "attachment",
    origin: "conditional_rule",
    content: "当处理 TypeScript 文件时: 确保运行 tsc --noEmit 检查类型"
  }),
]

附件来源和注入时机

附件类型	来源	注入条件
memory	.claude/CLAUDE.md + 各级目录	每次查询，首次注入
auto_memory	~/.claude/MEMORY.md	每次查询
relevant_memory	sideQuery 异步预取	首次有意义的查询
todo	内存中的 TODO 状态	TODO列表非空时
conditional_rule	CLAUDE.md 中的条件规则	路径/内容模式匹配时
ide_selection	VSCode/JetBrains	IDE有选中内容时
diagnostic	LSP 诊断	编辑相关文件时
skill_listing	可用技能列表	首次查询
plan	计划文件内容	有活跃计划时
task_context	后台任务状态	多Agent模式

---

STAGE 4: System Prompt 组装

源文件: src/utils/queryContext.ts, src/constants/prompts.ts, src/context.ts

三层提示词组装

fetchSystemPromptParts() 并行获取:
├── getSystemPrompt(tools, model, dirs, mcpClients)
├── getUserContext()
└── getSystemContext()

最终 System Prompt 的结构:

systemPrompt = [
  // ─── Part 1: 核心身份提示 (getSystemPrompt) ───
  "You are Claude, an AI assistant made by Anthropic...",
  
  // ─── Part 2: 工具描述 ───
  "You have access to the following tools:\n"
  + "- BashTool: Execute shell commands...\n"
  + "- FileReadTool: Read file contents...\n"
  + "- FileEditTool: Edit files with search/replace...\n"
  + "- GrepTool: Search with ripgrep...\n"
  + "- GlobTool: Find files by pattern...\n"
  + ...  // 所有已注册工具的描述
  
  // ─── Part 3: Memory Mechanics (如果有) ───
  "(可选) How to use MEMORY.md...",
  
  // ─── Part 4: 追加系统提示 (appendSystemPrompt) ───
  "(可选) 用户或SDK提供的额外指令",
]

// 缓存键前缀部分:
userContext = {
  "Current directory": "/home/user/project",
  "Date": "2026-04-08",
  "Platform": "Linux x86_64",
  "Shell": "/bin/bash",
  "Model": "claude-sonnet-4-20250514",
  "Editor": "VSCode",
  ...
}

systemContext = {
  "(内部指令，不对用户可见)": "...",
  ...
}

完成后的数据形态:

{
  systemPrompt: SystemPrompt,    // string[] 包装为不透明类型
  userContext: { [k: string]: string },
  systemContext: { [k: string]: string },
}

---

STAGE 5: Agentic Loop — 上下文压缩管道

源文件: src/query.ts (1730行) — queryLoop() 函数

每次循环迭代的压缩流水线

进入 while(true) 循环后，消息在送往 API 前经过 4级压缩：

messages[] (完整历史)
    │
    ├── Step 5.1: getMessagesAfterCompactBoundary()
    │   └── 如果有 compact_boundary → 只取之后的消息
    │   数据变化: [100条] → [12条]（丢弃已压缩的历史）
    │
    ├── Step 5.2: applyToolResultBudget()  
    │   └── 超长的 tool_result 被截断/替换为 "[content replaced, id=xxx]"
    │   数据变化: 某个2MB的文件读取结果 → 替换为占位符
    │
    ├── Step 5.3: snipCompactIfNeeded() [HISTORY_SNIP feature]
    │   └── 老旧的中间对话段被"剪掉"，保留头尾
    │   数据变化: [12条] → [8条]（中间4条被snip）
    │
    ├── Step 5.4: microcompact()
    │   └── 同一文件的多次Read/Edit → 只保留最新结果
    │   数据变化: 3次对utils.ts的Read结果 → 只保留最后1次
    │
    ├── Step 5.5: applyCollapsesIfNeeded() [CONTEXT_COLLAPSE feature]
    │   └── 已完成的工具调用链 → 收缩为摘要
    │   数据变化: [Read→Edit→Read→Edit] → [Summary: "编辑了utils.ts两次"]
    │
    └── Step 5.6: autocompact (如果上下文过大)
        └── tokenCountWithEstimation() > threshold → 调用API压缩
        数据变化: [180K tokens] → compact summary [20K tokens]

messagesForQuery[] (压缩后，准备送往API)

压缩决策的Token计算

// tokenCountWithEstimation() 的计算逻辑:
const currentTokens = 
  lastAPIResponse.usage.input_tokens     // 上次API返回的输入token
  + lastAPIResponse.usage.output_tokens   // 上次输出token
  + lastAPIResponse.usage.cache_*_tokens  // 缓存token
  + roughEstimate(newMessagesSinceLastAPI) // 新消息的粗估 (chars/4)

// 自动compact触发条件:
if (currentTokens > contextWindow * 0.9) {
  // 触发compact → 调用一次API，生成对话摘要
}

---

STAGE 6: 消息规范化 — normalizeMessagesForAPI()

源文件: src/utils/messages.ts (5513行中的一部分)

内部消息 → API消息的变换

Claude Code 内部有 7+ 种消息类型，但 API 只接受 user 和 assistant 交替的序列：

内部 messages[]:
[
  { type: "user", message: {role:"user", content:"帮我重构..."} },
  { type: "attachment", origin: "memory", content: "CLAUDE.md..." },
  { type: "attachment", origin: "todo", content: "<todos>..." },
  { type: "assistant", message: {role:"assistant", content:[...]} },
  { type: "user", toolUseResult: {...} },  // tool_result
  { type: "progress", content: "..." },     // 进度消息
  { type: "system", subtype: "local_command", content: "..." },
]

                     │ normalizeMessagesForAPI()
                     ▼

API messages[]:
[
  {
    role: "user",
    content: [
      { type: "text", text: "帮我重构 src/utils.ts" },
      // attachment被合并进前一个user消息
      { type: "text", text: "[CLAUDE.md内容]" },
      { type: "text", text: "[TODO内容]" },
    ]
  },
  {
    role: "assistant",
    content: [
      { type: "thinking", thinking: "..." },
      { type: "text", text: "我来看一下..." },
      { type: "tool_use", id: "tu_1", name: "FileReadTool", input: {...} },
    ]
  },
  {
    role: "user",
    content: [
      { type: "tool_result", tool_use_id: "tu_1", content: "文件内容..." },
    ]
  },
]

关键变换规则:

1. attachment 消息 → 合并到前一个 user 消息的 content 数组中
2. progress 消息 → 完全丢弃（仅UI用）
3. system 消息 → 完全丢弃（API不接受）
4. isVirtual 消息 → 过滤掉（仅UI显示用）
5. 连续相同角色的消息 → 合并（API要求交替）
6. 不可用工具的引用 → 过滤掉（防止API报错）

---

STAGE 7: API调用 — queryModelWithStreaming()

源文件: src/services/api/claude.ts (3420行)

HTTP请求的构建

queryModelWithStreaming()
  └── queryModel()
      └── withRetry()  // 重试逻辑
          └── anthropic.beta.messages.create({...})

实际发送到 Anthropic API 的 JSON:

{
  "model": "claude-sonnet-4-20250514",
  "max_tokens": 8000,
  "system": [
    {
      "type": "text",
      "text": "You are Claude, an AI assistant...",
      "cache_control": { "type": "ephemeral" }
    }
  ],
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "帮我重构 src/utils.ts" },
        { "type": "text", "text": "# Project Rules\n..." }
      ]
    }
  ],
  "tools": [
    {
      "name": "BashTool",
      "description": "Execute shell commands...",
      "input_schema": { "type": "object", "properties": {...} }
    },
    ...
  ],
  "stream": true,
  "metadata": { "user_id": "user_xxx" },
  "betas": ["interleaved-thinking-2025-05-14", "..."]
}

cache_control 分布:

System Prompt      ← cache_control: ephemeral (第1个断点)
User Context       ← cache_control: ephemeral (第2个断点)  
Tool Definitions   ← cache_control: ephemeral (第3个断点)
最后2条user消息    ← cache_control: ephemeral (第4个断点)

这确保 system prompt + tool 定义在多轮对话中被缓存（cache_read 只要普通价格的 10%）。

重试与降级

请求失败?
├── 429 (Rate Limit) → 指数退避重试，最多4次
├── 529 (Overloaded) → 更长退避，最多6次
├── 401 (Auth Error) → OAuth token刷新后重试
├── 网络超时 → 非流式降级 (executeNonStreamingRequest)
├── prompt_too_long → 触发 reactiveCompact（紧急压缩后重试）
└── max_output_tokens → 自动扩容到 64k 重试（最多3次）

---

STAGE 8: 流式响应解析

源文件: src/services/api/claude.ts — handleMessageFromStream

SSE事件流 → 结构化消息

API返回的 Server-Sent Events 流:

event: message_start
data: {"type":"message_start","message":{"id":"msg_01...","model":"claude-sonnet-4-...",...}}

event: content_block_start
data: {"type":"content_block_start","index":0,"content_block":{"type":"thinking","thinking":""}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"thinking_delta","thinking":"让我分析..."}}
... (多个delta)

event: content_block_stop
data: {"type":"content_block_stop","index":0}

event: content_block_start
data: {"type":"content_block_start","index":1,"content_block":{"type":"text","text":""}}

event: content_block_delta
data: {"type":"content_block_delta","index":1,"delta":{"type":"text_delta","text":"我来看看"}}

event: content_block_start
data: {"type":"content_block_start","index":2,"content_block":{"type":"tool_use","id":"tu_abc","name":"FileReadTool","input":{}}}

event: content_block_delta
data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"{\"file_path\":\""}}

event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"tool_use"},"usage":{"output_tokens":150}}

event: message_stop
data: {"type":"message_stop"}

解析后得到:

AssistantMessage = {
  type: "assistant",
  uuid: "e5f6g7h8-...",
  timestamp: "2026-04-08T...",
  message: {
    id: "msg_01...",
    role: "assistant",
    model: "claude-sonnet-4-20250514",
    content: [
      {
        type: "thinking",
        thinking: "让我分析一下用户的请求。他们想重构src/utils.ts..."
      },
      {
        type: "text",
        text: "我来看看 src/utils.ts 的内容："
      },
      {
        type: "tool_use",
        id: "tu_abc",
        name: "FileReadTool",
        input: { "file_path": "src/utils.ts" }
      }
    ],
    stop_reason: "tool_use",    // ← 因为有工具调用，不是"end_turn"
    usage: {
      input_tokens: 15234,
      output_tokens: 150,
      cache_creation_input_tokens: 3200,
      cache_read_input_tokens: 12000,
    }
  }
}

同步操作（流式接收期间）:

• 每个 text_delta → 实时渲染到终端 (React Ink <Markdown>)
• 每个 thinking_delta → 渲染到思考展示区（如果启用）
• 每个 input_json_delta → StreamingToolExecutor 实时解析JSON
• message_start → 重置当前消息usage计数器
• message_delta → accumulateUsage() 累加token使用量

---

STAGE 9: 工具执行

源文件: src/services/tools/toolOrchestration.ts, src/services/tools/toolExecution.ts

工具调用分类与执行

从 AssistantMessage.content 提取 tool_use blocks:
[
  { type: "tool_use", id: "tu_abc", name: "FileReadTool", input: { file_path: "src/utils.ts" } }
]
            │
            ▼ partitionToolCalls()
            
将工具调用分为：
├── 只读批次 (isConcurrencySafe=true): FileReadTool, GrepTool, GlobTool
│   └── 并行执行，最大并发度 10
└── 写入批次 (isConcurrencySafe=false): FileEditTool, BashTool
    └── 严格串行执行

            │
            ▼ 对每个工具调用:

┌─ 权限检查 ────────────────────────────────────────────┐
│ canUseTool(FileReadTool, {file_path:"src/utils.ts"})  │
│                                                        │
│ 检查流程:                                              │
│ 1. 是否在 allowedTools 中?                             │
│ 2. settings.json 的权限规则匹配?                       │
│ 3. 权限模式:                                           │
│    ├── plan模式 → 自动拒绝写操作                       │
│    ├── auto模式 → yoloClassifier判断 → 低风险自动允许  │
│    └── default模式 → 弹出UI询问用户                    │
│                                                        │
│ 结果: { behavior: "allow" | "deny", ... }             │
└──────────────────────┬─────────────────────────────────┘
                       │ allow
                       ▼
┌─ 工具执行 ────────────────────────────────────────────┐
│ FileReadTool.call({file_path: "src/utils.ts"})        │
│                                                        │
│ 内部流程:                                              │
│ 1. expandPath("src/utils.ts") → "/home/user/.../src/utils.ts"
│ 2. 检查文件大小 (≤ 256KB)                              │
│ 3. readFileSyncCached(path) → 文件内容                 │
│ 4. addLineNumbers({content, startLine: 1})             │
│ 5. 返回: "     1→import { foo } from...\n     2→..."  │
└──────────────────────┬─────────────────────────────────┘
                       │
                       ▼
工具结果注入为 UserMessage (tool_result):

{
  type: "user",
  message: {
    role: "user",
    content: [
      {
        type: "tool_result",
        tool_use_id: "tu_abc",
        content: "     1→import { foo } from 'bar'\n     2→...(文件内容)...",
        is_error: false,
      }
    ]
  },
  toolUseResult: "...(同上)...",
  sourceToolAssistantUUID: "e5f6g7h8-...",
}

循环继续判断

stop_reason 判断:
├── "tool_use"       → messages中追加tool_result → 回到 STAGE 5 继续循环
├── "end_turn"       → 模型完成回答 → 进入 STAGE 10
├── "max_tokens"     → 输出被截断 → 尝试扩容重试(最多3次)
└── "stop_sequence"  → 自定义停止序列 → 进入 STAGE 10

多轮工具调用示例

一个典型的重构请求可能产生 4-8 轮循环：

轮次1: Read src/utils.ts                         → tool_use → 继续
轮次2: Read tests/utils.test.ts                   → tool_use → 继续
轮次3: Edit src/utils.ts (重构代码)                → tool_use → 继续
轮次4: Bash("npm test")                           → tool_use → 继续
轮次5: 发现测试失败, Edit tests/utils.test.ts     → tool_use → 继续
轮次6: Bash("npm test")                           → tool_use → 继续
轮次7: 测试通过, 文本回复"重构完成"                 → end_turn → 结束

---

STAGE 10: 结果输出与持久化

源文件: src/QueryEngine.ts, src/cost-tracker.ts, src/costHook.ts

最终处理流水线

模型回答 stop_reason="end_turn"
            │
            ├── 1. 成本计算
            │   calculateUSDCost("claude-sonnet-4-...", usage)
            │   → $0.08 (假设值)
            │
            ├── 2. 累加到会话成本
            │   addToTotalSessionCost(0.08, 1200, {"claude-sonnet-4-...": usage})
            │   → OpenTelemetry 上报
            │
            ├── 3. Stop Hooks 执行
            │   └── executeStopFailureHooks() → 检查模型是否遵循了指令
            │
            ├── 4. 会话持久化
            │   recordTranscript(messages) 
            │   → ~/.claude/projects/<hash>/sessions/<id>.jsonl
            │
            ├── 5. 生成SDK结果消息
            │   yield {
            │     type: "result",
            │     subtype: "success",
            │     result: "重构已完成。我对 src/utils.ts 做了以下修改...",
            │     duration_ms: 45000,
            │     duration_api_ms: 12000,
            │     total_cost_usd: 0.08,
            │     usage: { input_tokens: 45000, output_tokens: 1200, ... },
            │     num_turns: 7,
            │   }
            │
            └── 6. UI渲染最终回答
                React Ink <Markdown> 组件渲染模型的文本回复
                终端显示: "重构已完成。我对 src/utils.ts 做了以下修改..."

进程退出时（useCostSummary hook）

process.exit 触发:
├── formatTotalCost() → "Total cost: $0.08\n  Duration: 12s API, 45s wall..."
├── saveCurrentSessionCosts()
│   ├── git diff --stat → +45 -20 lines
│   └── setProjectConfig(sessionKey, { cost, duration, linesAdded, ... })
└── 输出到 stderr (灰色文本)

---

附录: 完整数据形态变换总结

阶段	数据形态	大小参考
STAGE 1	原始字符串 "帮我重构 src/utils.ts"	~20 bytes
STAGE 2	{ messages: [UserMessage], shouldQuery: true }	~200 bytes
STAGE 3	messages[] + 多条 AttachmentMessage	~5-50 KB
STAGE 4	systemPrompt + userContext + systemContext	~10-30 KB
STAGE 5	messagesForQuery[] (压缩后)	~20-200K tokens
STAGE 6	(User|Assistant)[] API格式	~同上
STAGE 7	HTTP JSON body → SSE stream	~根据上下文大小
STAGE 8	AssistantMessage (结构化)	~0.5-4K tokens output
STAGE 9	tool_result 注入 → 回到 STAGE 5	~根据工具输出
STAGE 10	最终文本 + 成本报告 + 持久化	渲染到终端

---

附录: 关键源文件索引

阶段	核心文件	行数
STAGE 1	src/screens/Repl.tsx	UI入口
STAGE 2	src/utils/processUserInput/processUserInput.ts	606
STAGE 3	src/utils/attachments.ts	3998
STAGE 4	src/utils/queryContext.ts + src/constants/prompts.ts + src/context.ts	180+大
STAGE 5	src/query.ts	1730
STAGE 6	src/utils/messages.ts (normalizeMessagesForAPI)	5513中
STAGE 7	src/services/api/claude.ts	3420
STAGE 8	src/services/api/claude.ts (streaming部分)	同上
STAGE 9	src/services/tools/toolOrchestration.ts + toolExecution.ts	189+
STAGE 10	src/QueryEngine.ts + src/cost-tracker.ts	1296+324