learn-claude-code从零手写 Agent 外壳【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场景切入上周同事问我为什么我调了一周的agent模型一输出建议执行 ls就停了我说因为你的代码里没有那个 while 循环——工具结果必须喂回模型它才会继续推理。想自己手写一套 Claude Code 式的 Agent 外壳可以看 learn-claude-code一个 0 到 1 教你用 Python 逐章写出来的教程。它跟别人到底差在哪大多数流程编排框架一上来就在解决怎么把多次 LLM 调用串起来答案是提示词模板加 if-else 路由。learn-claude-code 的立场正好相反智能在模型里不在你的编排代码里你写的只是外壳——工具、权限、上下文管理。全书核心模式就十几行只要模型的 stop_reason 是 tool_use就执行工具、把结果喂回去、循环继续。17 章就是往同一个循环上加机制——权限、hooks、子 agent、上下文压缩、多智能体团队——循环本身一个字都不改。最短路径跑通每章一个文件夹三语 README 加一个独立可跑的 code.py最短路径如下git clone https://gitcode.com/GitHub_Trending/an/learn-claude-code cd learn-claude-code pip install -r requirements.txt cp .env.example .env # 填 ANTHROPIC_API_KEY 和 MODEL_ID python s01_agent_loop/code.pys01 是整门课的核本质就这几行——模型举手你跑命令再把输出递回去while True: response client.messages.create(modelMODEL, messagesmessages, toolsTOOLS) messages.append({role: assistant, content: response.content}) if response.stop_reason ! tool_use: return for block in response.content: if block.type tool_use: output run_bash(block.input[command]) messages.append({role: user, content: [tool_result(block.id, output)]})跑起来后你应该看到终端打印黄色的 $ 命令执行完输出回喂模型接着推理最后给出一句总结——全程你不用碰键盘。两个落地场景挑两个真实项目里必碰的。跑一天的长任务上下文压缩s08。上下文窗口是模型的草稿纸读几个文件、贴几段测试日志就 prompt_too_long。s08 给的是四级流水线顺序逻辑是从损失小往损失大先把手里超过 3 万字符的大工具结果落到磁盘上下文里只留路径和两千字符预览再裁剪旧结果实在不够才动用一次额外的模型调用总结历史。取舍一句话能重读、能重跑的东西别占上下文。改到测试通过目标闭环s17。模型常改到一半就宣布完成此时没有 tool_use循环照常退出。s17 加了一个独立评估器你预先声明一个可检查的目标比如pytest 退出码为 0主模型每次想停都由这个没有工具的评估器读对话记录判断条件是否满足不满足就带着理由顶回去继续跑确实做不到才如实报 impossible 交还给你。避坑 选型提醒⚠️ 别在真实项目里直接跑 s01模型能执行任意 shell代码里只有几个硬编码黑名单词先用临时目录看完 s03 权限章再敢指向自己的目录。仓库里有两条教程线根级 s01-s17 是现行的 17 课docs/ 和 agents/ 是旧 12 课章节号对不上跨线混着编号会读乱。需要自备 Anthropic key 和 MODEL_ID也能用 ANTHROPIC_BASE_URL 换别的供应商但模型不支持 tool calling 协议的话 s01 直接跑不动。只是想写个简单 bot 或调几次 API别用这个——它整套讲的是给模型在真实环境里自主行动造壳没有这个需求直接写几行代码更快。一句话收尾跑通 s01 后直接打开 s08_context_compact/README.zh.md 读压缩那一章它是真实长任务里第一个会撞上的机制读完你再看 s15 的整合外壳就明白一大半了。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 learn-claude-code：从零手写 Agent 外壳
learn-claude-code从零手写 Agent 外壳【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场景切入上周同事问我为什么我调了一周的agent模型一输出建议执行 ls就停了我说因为你的代码里没有那个 while 循环——工具结果必须喂回模型它才会继续推理。想自己手写一套 Claude Code 式的 Agent 外壳可以看 learn-claude-code一个 0 到 1 教你用 Python 逐章写出来的教程。它跟别人到底差在哪大多数流程编排框架一上来就在解决怎么把多次 LLM 调用串起来答案是提示词模板加 if-else 路由。learn-claude-code 的立场正好相反智能在模型里不在你的编排代码里你写的只是外壳——工具、权限、上下文管理。全书核心模式就十几行只要模型的 stop_reason 是 tool_use就执行工具、把结果喂回去、循环继续。17 章就是往同一个循环上加机制——权限、hooks、子 agent、上下文压缩、多智能体团队——循环本身一个字都不改。最短路径跑通每章一个文件夹三语 README 加一个独立可跑的 code.py最短路径如下git clone https://gitcode.com/GitHub_Trending/an/learn-claude-code cd learn-claude-code pip install -r requirements.txt cp .env.example .env # 填 ANTHROPIC_API_KEY 和 MODEL_ID python s01_agent_loop/code.pys01 是整门课的核本质就这几行——模型举手你跑命令再把输出递回去while True: response client.messages.create(modelMODEL, messagesmessages, toolsTOOLS) messages.append({role: assistant, content: response.content}) if response.stop_reason ! tool_use: return for block in response.content: if block.type tool_use: output run_bash(block.input[command]) messages.append({role: user, content: [tool_result(block.id, output)]})跑起来后你应该看到终端打印黄色的 $ 命令执行完输出回喂模型接着推理最后给出一句总结——全程你不用碰键盘。两个落地场景挑两个真实项目里必碰的。跑一天的长任务上下文压缩s08。上下文窗口是模型的草稿纸读几个文件、贴几段测试日志就 prompt_too_long。s08 给的是四级流水线顺序逻辑是从损失小往损失大先把手里超过 3 万字符的大工具结果落到磁盘上下文里只留路径和两千字符预览再裁剪旧结果实在不够才动用一次额外的模型调用总结历史。取舍一句话能重读、能重跑的东西别占上下文。改到测试通过目标闭环s17。模型常改到一半就宣布完成此时没有 tool_use循环照常退出。s17 加了一个独立评估器你预先声明一个可检查的目标比如pytest 退出码为 0主模型每次想停都由这个没有工具的评估器读对话记录判断条件是否满足不满足就带着理由顶回去继续跑确实做不到才如实报 impossible 交还给你。避坑 选型提醒⚠️ 别在真实项目里直接跑 s01模型能执行任意 shell代码里只有几个硬编码黑名单词先用临时目录看完 s03 权限章再敢指向自己的目录。仓库里有两条教程线根级 s01-s17 是现行的 17 课docs/ 和 agents/ 是旧 12 课章节号对不上跨线混着编号会读乱。需要自备 Anthropic key 和 MODEL_ID也能用 ANTHROPIC_BASE_URL 换别的供应商但模型不支持 tool calling 协议的话 s01 直接跑不动。只是想写个简单 bot 或调几次 API别用这个——它整套讲的是给模型在真实环境里自主行动造壳没有这个需求直接写几行代码更快。一句话收尾跑通 s01 后直接打开 s08_context_compact/README.zh.md 读压缩那一章它是真实长任务里第一个会撞上的机制读完你再看 s15 的整合外壳就明白一大半了。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考