Learn-Claude-Code，带你从0到1亲手构建nano Claude Code-like agent AI Agent！

用户1640761

发布于 2026-07-01 21:49:17

280

大家好，我是"不一样的猿生"，作为一个长期钻研 AI Agent 的爱好者，今天特别想跟大家分享一个让我眼前一亮的项目——learn-claude-code。这个项目不是让你直接调用现成的框架，而是手把手教你从最简单的循环开始，一步步复刻出类似 Claude Code 的核心逻辑。学完之后，我感觉自己对 AI 代理的理解彻底“透明”了。

项目地址：https://github.com/shareAI-lab/learn-claude-code（MIT开源，欢迎fork和star）

为什么我要强烈推荐它？

说实话，现在市面上的Agent框架很多，但大多数都把核心机制包装得太好，你用起来爽，但根本搞不清它到底是怎么跑起来的。learn-claude-code 的厉害之处在于：它故意把一切都拆到最简，用12个递进的 session（s01→s12），每次只加一个核心机制，让你真正理解“一个AI编码代理到底是怎么构成的”。

它的核心哲学只有一句话：Bash is all you need —— 一个简单的 Bash 工具 + 一个不变的循环，就已经是 Agent 了。后面所有的规划、持久化、多代理协作，都是在这个基础循环上层层叠加的。

项目不追求生产级应用，而是故意简化工程细节，只保留核心的“心智模型”：循环怎么跑、工具怎么接入、计划怎么显式化、上下文怎么管理、任务怎么持久化、团队怎么协作、并行怎么隔离……这些才是 Claude Code 的精髓，而不是什么神奇的 Prompt。

我最喜欢的一点是：它反复强调，今天做 Agent 的分水岭已经不是模型聪明不聪明，而是你有没有把它当成一个可长期维护的系统来设计。Prompt 只能让它一时聪明，真正让它稳定可靠的是：状态怎么存、上下文怎么控、任务怎么追踪、失败怎么回滚、协作怎么对齐、并发怎么隔离。

学完这个项目，我看任何Agent框架都像看X光片一样清晰。所谓“数字生命”的本质，其实就是工具 + 状态 + 协议 + 迭代循环。

项目是怎么教你的？12个 session 的递进路径

这个项目不是扔给你一堆代码让你自生自灭，而是逐步添加机制：

• 从基础循环开始，加多工具、Todo 计划、子 Agent 隔离；
• 再到技能按需加载（别把所有说明塞进 System Prompt，那会爆炸）；
• 然后上下文压缩（“战略性遗忘”），文件级任务状态、后台任务；
• 最后到多 Agent 邮箱队列、协议/FSM、工作树级任务隔离。

整个项目分为四个阶段，每个 session 只引入一个新机制，核心循环永远不变。以下是关键路径（我自己跑了一遍，总结得超级清晰）：

Phase 1: The Loop（最基础的循环）

• s01: The Agent Loop 口号：One loop & Bash is all you need 只用一个 Bash 工具 + 一个 while 循环，就实现最原始的 Agent。
• s02: Tool Use 口号：Adding a tool means adding one handler 引入工具分发地图，支持多个工具，循环本身不变。

Phase 2: Planning & Knowledge（规划与知识管理）

• s03: TodoWrite 口号：An agent without a plan drifts 添加 Todo 管理器，让 Agent 自己写计划和提醒。
• s04: Subagents 口号：Break big tasks down; each subtask gets a clean context 支持生成子 Agent，每个子任务有独立的消息历史。
• s05: Skills 口号：Load knowledge when you need it, not upfront 按需加载技能文件（比如SKILL.md），避免 System Prompt 爆炸。
• s06: Context Compact 口号：Context will fill up; you need a way to make room 实现三层上下文压缩（“战略性遗忘”），处理超长对话。

Phase 3: Persistence（任务持久化）

• s07: Tasks 口号：Break big goals into small tasks, order them, persist to disk 用文件存储任务图，支持依赖关系。
• s08: Background Tasks 口号：Run slow operations in the background; the agent keeps thinking 后台线程 + 通知队列，实现异步任务。

Phase 4: Teams（多代理团队协作）

• s09: Agent Teams 口号：When the task is too big for one, delegate to teammates 支持持久化的队友列表，用JSONL邮箱通信。
• s10: Team Protocols 口号：Teammates need shared communication rules 引入请求-响应模式 + 有限状态机（FSM），比如计划审批、关机流程。
• s11: Autonomous Agents 口号：Teammates scan the board and claim tasks themselves 代理可以空闲时自动扫描并认领任务。
• s12: Worktree + Task Isolation 口号：Each works in its own directory, no interference 每个任务用独立的工作树目录，完全隔离。

每个 session 都有详细的 Markdown 文档（中英日三语），包含问题分析 → 解决方案 → ASCII架构图 → 最小改动代码。真的像拆发动机一样，一颗螺丝一颗螺丝地教你。

核心循环长什么样？（我直接贴伪码给你看）

项目反复强调这个 loop 几乎不变，新功能只是往里加 handler：

def agent_loop(messages):
    while True:
        response = client.messages.create(
            model=MODEL, system=SYSTEM,
            messages=messages, tools=TOOLS,
        )
        messages.append({"role": "assistant", "content": response.content})

        if response.stop_reason != "tool_use":
            return

        results = []
        for block in response.content:
            if block.type == "tool_use":
                output = TOOL_HANDLERS[block.name](**block.input)
                results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": output,
                })
        messages.append({"role": "user", "content": results})

就这么简单！工具结果回注消息，循环继续。掌握这个，你就掌握了95%的Agent本质。