learn-claude-code 完整教程：17 节课从零搭建 Claude Code 同款编码智能体底座

learn-claude-code 完整教程：17 节课从零搭建 Claude Code 同款编码智能体底座

【免费下载链接】learn-claude-codeBash is all you need - A nano claude code–like 「agent harness」, built from 0 to 1项目地址: https://gitcode.com/GitHub_Trending/an/learn-claude-code

如果你一直好奇 Claude Code 这类工具内部到底是怎么运作的，learn-claude-code 给了一个完整答案。这个开源项目用 17 节渐进式课程，带你从零手搓一个 Claude Code 风格的编码智能体底座——一个 bash 工具加一个循环，就能让 Agent 跑起来。

它到底是什么：给模型造一辆车

一句话定位：这是一门教你"造车"的课，而不是教你"考驾照"。

打个比方。大模型是发动机，智能能力全部来自模型本身的训练，代码给不了它智商。但光有发动机跑不了路，你还得造底盘、装方向盘、接仪表盘——这些加起来的工程，就叫做agent harness（智能体底座）。

在 learn-claude-code 的定义里：

Harness = 工具 + 知识 + 观察 + 动作接口 + 权限

模型负责决策，底座负责执行。你读完整门课，学会的不是写更聪明的提示词，而是怎么给模型一双手、一双眼睛和一个安全的工作区。🚗

凭什么值得关注：四个核心能力

1. 17 节课，每节只讲一个机制。从最小 Agent 循环、工具分发、权限审批，到 TodoWrite 规划、子代理、技能按需加载、上下文压缩、记忆系统、任务图、后台任务、定时调度，直到多 Agent 团队协作和 MCP 插件接入。这对你意味着什么：不用啃完一整本大部头才有收获，每读完一节就能独立跑通一个完整的机制。

2. 每节课都是单文件可运行代码。每章目录里有独立的code.py，依赖只有三个：anthropic、python-dotenv、pyyaml。这对你意味着什么：看完原理当场验证，不用配一晚上环境。

3. 三语文档配原理图。每章都有英文、中文、日文三版 README，关键机制还配了 SVG 架构图。这对你意味着什么：中文读者零语言门槛，画图的地方正好是最容易读晕的地方。

4. 教关键设计，不是抄源码。项目反复强调它不是 Claude Code 的源码复制品，而是从 0 到 1 的重新实现。这对你意味着什么：学到的是可迁移的设计模式，你完全可以用它去搭自己产品的底座，而不是只能围观。🧩

第一次用它是什么体验：三步跑起来

上手路径非常直接：

git clone https://gitcode.com/gh_mirrors/an/learn-claude-code pip install -r requirements.txt python s01_agent_loop/code.py

装完后在.env里配一个 ANTHROPIC_API_KEY，从 s01 开始跑。第一节的冲击感来自"简单得离谱"：一个while True循环，模型说要用工具就执行、把结果塞回消息列表、再问模型，模型说停了就返回。配合一个 bash 工具，Agent 真的会自己读文件、跑命令、改代码。

之后的课层层加码：s02 发现加工具只要往分发表里注册一个 handler，循环一行不用动；s05 让 Agent 先列计划再干活，任务完成率肉眼可见地变高；s08 教上下文满了怎么腾地方；s13 直接让多个 Agent 持久协作、认领任务、各占一个工作目录互不踩踏。每节课的 README 里还有折叠的深挖段落，想多深就多深。🧠

会用在哪些场景

独立开发者给公司内部做编码助手。你不是要再写一个 Claude Code，而是要给自己的运维平台、文档系统加一个"会干活的 AI"。学完 17 节，工具注册、权限审批流、上下文压缩这些模块可以直接搬进你的架构。

AI 产品经理想弄懂能力边界。用户说"Agent 为什么跑偏了"，到底是模型的问题还是底座设计的问题？这门课会逼你把每个机制拆开看，开会时终于能说出具体是哪一层出了事。

研究员和工程师收集轨迹数据。项目明确指出：Agent 在底座里执行的每一步操作序列都是训练信号。你搭的这套环境，未来还能变成微调下一代模型的原始素材。

和同类工具怎么选

选择建议很明确：想自己造或者想彻底搞懂的，选这门课；只想给客户演示的，用平台；有明确交付日期、先要原型的，用编排框架。⚖️

新手最容易踩的坑

误区一：以为 Agent 循环就是全部。那个 while 循环只是 s01 的起点，真正的工程量在循环外面——上下文管理、权限边界、任务持久化。只盯着循环写，做出来的东西一遇长任务就崩。

误区二：跳过前面的课直奔 s15 集成篇。部分机制直接构建在前一节的运行时之上，跳着读会处处卡壳。官方建议就是 s01 到 s17 顺序走。

误区三：把新旧两条教程线混着读。仓库里同时保留着旧的 12 课版本（docs/和agents/目录）和新的 17 课主线（根目录s01_agent_loop/到s17_goal_loop/），章节编号并不一一对应。新读者认准根目录的 s01-s17 就行。⚠️

结尾：一句话总结

模型提供智能，底座提供智能落地的一切——这门课教的就是后者，且教的是设计而不是抄答案。

• 适合：想自己造 Agent 产品的工程师、想搞懂原理的产品与研究人员、中文圈找系统化教程的人
• 不适合：只想要开箱即用 Agent、或只想 10 分钟出演示的人

资源入口：

• 课程总目录与学习路径：README.zh.md
• 第一课中文阅读：s01_agent_loop/README.zh.md
• 第一课可运行源码：s01_agent_loop/code.py

【免费下载链接】learn-claude-codeBash is all you need - A nano claude code–like 「agent harness」, built from 0 to 1项目地址: https://gitcode.com/GitHub_Trending/an/learn-claude-code