近日，在开发者社区 Linux.do 上，有用户针对 Anthropic 推出的 AI 编程工具 Claude Code 提出了关于资源消耗的严重质疑。据反馈，在使用 Claude Code 进行代码审查（Code Review）功能时，出现了 Token 消耗量异常巨大的情况。Token 作为大模型计费和响应的核心单位，其过度消耗直接导致了使用成本的激增和效率的下降。
该用户通过分析推测，造成这一现象的技术原因可能在于 Claude Code 背后的 Agent（智能体）架构设计。具体表现为，系统在执行任务时可能出现了“子代理无限嵌套子代理”的情况，或者是发起了超高并发的内部请求。这种多级联动的调用逻辑虽然在理论上能更细致地分析代码，但若缺乏有效的边界控制，极易导致计算资源的指数级浪费。目前，除了在文件头部进行全局声明等临时缓解措施外，用户尚未找到更底层的配置方案来彻底解决该问题。这一事件不仅影响了 Claude Code 的用户体验，也引发了行业对于 AI Agent 架构资源控制能力的思考。
事件分析
该事件揭示了当前 AI Agent（智能体）架构在实际落地中面临的核心挑战之一：资源控制与执行深度的矛盾。Claude Code 作为 Anthropic 推出的基于 CLI 的 AI 编程工具，其代码审查功能极有可能采用了多智能体协作（Multi-Agent）或复杂的链式调用模式。在这种模式下，主代理将任务拆解给子代理，若缺乏有效的停止机制或上下文管理，极易出现“无限嵌套”或冗余的并发请求，导致 Token 消耗呈指数级增长。
从技术视角看，这并非模型本身的智力问题，而是应用层的调度设计缺陷。对于开发者而言，高昂的 Token 成本直接限制了 AI 编程工具的大规模普及。未来，AI 编程工具的竞争焦点将不仅局限于代码生成的准确率，更会转向“执行效率”和“成本控制”。如何在保持 Agent 深度的同时，通过优化 Prompt 工程或引入 MCP 协议等标准化手段来限制并发与调用层级，将是厂商亟待解决的技术难点。
💡 核心观点：Claude Code的高耗能问题暴露了多智能体架构在成本控制上的短板，未来AI编程工具的竞争核心将从生成能力转向执行效率与资源调度的优化。
原文链接：Linux.do
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南