Claude Code 推出 Code Mode：用一段代码批量调用工具

AI 编程助手干活的方式，长期以来像极了没写购物清单就去超市的人：跑一趟只拿一样东西，回家看看冰箱，再决定下一趟买什么。Claude Code 这次给出的解法，就是让模型先写一张"购物清单"——一小段 JavaScript——把多个工具调用打包执行。这个功能叫 Code Mode。

按 B 站视频作者的梳理，Claude Code 发布 v2.1.323 版本，更新日志中新增 Code Mode，定位为实验性、需要主动开启的功能：模型会写 JavaScript 来调用它的工具。两个关键词值得记住——实验性意味着默认关闭，后续版本可能调整甚至移除；主动开启意味着你不打开，一切照旧。

传统工具调用为什么低效

AI 碰不到你的电脑。要跑命令、读文件、改代码，它必须请求工具，比如 Bash、Read、Edit。传统流程是调一次工具、读一遍结果、再想下一步。

Anthropic 的工程博客对此说得很直白：每次调用都要模型完整推理一轮，中间结果无论有用没用，都会堆进上下文。五步的活儿，就是五轮推理。这种"跑十趟"的模式在简单任务上无伤大雅，一旦涉及多文件修改或需要先搜索再过滤的场景，上下文开销和往返次数就成了实打实的负担。

上下文窗口与 Token 开销是理解这一低效的关键。大模型的上下文窗口容量有限，每次工具调用的返回结果（文件内容、命令输出、搜索结果）都会作为 Token 累积进去。Token 既决定成本，也决定模型能“记住”多少信息。逐次调用时，中间结果无论最终是否有用都会占据窗口，容易把真正重要的信息挤到边缘甚至截断。Code Mode 的核心收益之一，就是让这些中间结果留在运行时里被代码消费，只把最终需要的那一小部分回传给模型，从而压低了 Token 消耗和上下文污染。

Code Mode 换了个思路

你照样用一句话描述任务，但 Claude 不再一次只要一个工具，而是写一小段 JavaScript，交给 Claude Code 在会话里运行。几条命令可以同时跑，上一个结果直接喂给下一个调用，最后只把需要的那部分输出交回给 Claude。

有位开发者在 X 上的评价颇为传神：让大模型变聪明的办法，原来就是批处理。

官方文档给出的例子是让 Claude 把重试上限调高：第一行用 rg 搜出含 RetryPolicy 函数的文件，第二行取第一个结果，第三行把 MaxAttempts 从 3 改成 5，最后一行把改动的文件和 npm test 的输出一起交回来。四行代码，一次跑完。

对话里你看到的仍是工具调用，比如编辑的差异。

想看代码本身，按 Ctrl+O 即可。

Node VM 与 V8 等运行时是 Code Mode 类功能的执行底座。VM（虚拟机）在这里指一种隔离的 JavaScript 执行环境：Claude 生成的代码在其中运行，而不是直接跑在宿主机上。隔离带来两层意义——一是安全，代码对文件系统、网络的访问仍需经过工具接口和权限规则；二是可控，运行时可以限制执行时间、捕获异常并把结果结构化返回。不同产品选型不同（Node VM、V8、QuickJS 等），差异主要体现在启动开销、隔离强度和可用的 JavaScript 特性上，这也解释了为什么同一思路会呈现出多种工程实现。

适用场景与收益预期

官方举了三类适合 Code Mode 的场景：同一个改动要在很多文件里重复；搜索结果需要先过滤再读；几条互不相关的命令可以同时跑。这三类的共同点是"往返次数多、单次结果小"，恰好是传统逐次调用最吃亏的地方。

至于能省多少，Code Mode 目前还没有官方基准数字。网上流传的"省 37% Token"来自 Anthropic 2025 年 11 月在 API 里推出的 Programmatic Tool Calling：内部测试中复杂研究任务的平均用量从 43,588 降到 27,297 个 Token。思路相同，但测的不是同一个功能，这个数字不能直接套到 Code Mode 头上。

安全边界：整段代码如何被审查

一段代码调好几个工具，安全性是绕不开的问题。按视频梳理，有几层机制：

• 每一次工具调用照样要过你的 deny、ask 权限规则和 pre-tool-use 钩子。
• Auto Mode 下，分类器审的是整段代码，而不是每次调用。
• 项目设置文件里的开关会被忽略——你克隆的仓库没法替你打开 Code Mode。

第二条尤其值得留意：审查粒度从"单次调用"变成"整段代码"，意味着那些必须管住的调用，最终还是得靠规则或钩子把关，不能完全指望自动分类器。

pre-tool-use 钩子是 Claude Code 提供的一种拦截机制：在工具真正执行前触发用户或组织配置的脚本，可以检查参数、记录日志，甚至直接拒绝本次调用。它和 deny/ask 权限规则互补——规则按工具名和参数模式做静态匹配，钩子则能执行自定义逻辑，适合处理“必须管住”的敏感操作。Code Mode 下审查粒度变为整段代码后，钩子的价值更突出：分类器可能放过某段整体看似无害的代码，但钩子仍能在每次实际工具调用前逐一校验，相当于在批量执行中保留了逐次把关的最后一道闸门。

已知限制与上手门槛

限制方面：如果 Claude 在前台等代码跑完，代码最长 10 分钟就会停下；能放到后台跑的，最长 2 个小时。Code Mode 会话只能在终端里，并且开着 Code Mode 才能恢复；会话里用不了 Remote Control、Claude in Chrome 和 Computer Use，也不能把会话挪到桌面 App 或变成后台会话。

想试的话，先确认版本在 v2.1.323 以上，再把环境变量 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE 设为 1，启动 Claude，第一次会请你确认。

门槛也不少：需要 Claude 订阅或 Console 账号；走网关，或 Amazon Bedrock、Microsoft Foundry 这些云平台都不行；HIPAA 配置或零数据保留的组织用不了；模型要 Sonnet、Opus 5.5 或 Fable 5.2 一类版本，而且只支持终端里的交互式 Claude。

不只是 Claude Code 一家的思路

让模型写代码来调工具，并非 Claude Code 独此一家。开发者 Riz Sullivan 在 X 上做过对比：Claude Code 用 Node VM 在同一进程内运行，Codex 用 V8，OpenCode 用自研解释器，Py 用 QuickJS。同一个点子，四种实现。

这背后其实是同一个判断：与其让模型反复推理、逐次请求，不如让它生成一段可执行逻辑，把编排工作交给运行时。Code Mode 的价值不在于新概念，而在于把它塞进了一个生产级编程助手的默认工作流里——尽管现在还藏在实验开关后面。下次看到 AI 一口气改完十个文件，不必惊讶，它可能只是学会了写购物清单。

Programmatic Tool Calling 是 Anthropic 在 API 层面推出的相关能力，允许模型在单次请求中编写代码来编排多次工具调用。它与 Code Mode 共享“用代码代替逐次推理”的思路，但作用层级不同：前者面向 API 开发者，后者内置于 Claude Code 的终端会话。这也正是文中提醒“37% Token 节省”不能直接套用的原因——测量对象、任务类型和运行环境都不一致，跨功能引用基准数字容易产生误导。