夜雨聆风70k+ Star，20 堂渐进式课程，手把手教你理解 AI Agent 的本质
AI 编程助手很火，但它的底层逻辑是什么
近两年，以 Claude Code、Cursor、Codex 为代表的 AI 编程助手层出不穷，它们能读代码、改文件、跑命令，甚至自主完成复杂任务。许多开发者习惯了“一句话生成功能”的便利，却很少有人思考：这些智能体到底是如何工作的？
如果只想当一名使用者，直接打开官方文档即可。但如果想深入理解 AI Agent 的运作机制，甚至亲手构建一套属于自己的轻量级框架，那么 GitHub 上这个名为 learn-claude-code的开源项目，绝对不容错过。
项目速览：这是什么
learn-claude-code 是由 shareAI-lab 发起并维护的一个教学型开源项目，旨在通过一系列精心设计的渐进式课程，带领开发者 从零开始，一步步构建出一个类似 Claude Code 的 Agent 执行环境（Harness）。
GitHub 地址：https://github.com/shareAI-lab/learn-claude-code 开源协议：MIT License 代码语言：TypeScript（59.2%）+ Python（39.0%） 社区热度：截至目前已获得 70k+ Star，是 AI 教育领域备受瞩目的明星仓库
课程设计：20 堂课，从 Agent Loop 到完整智能体系统
learn-claude-code 采用了典型的渐进式教学设计。目前，项目已经发展为包含 20 个章节的完整课程体系，覆盖了一个现代 AI Agent 所需要的几乎全部核心能力。
整个学习过程从一个只有百余行代码的 Agent Loop 开始。随后，项目会逐步引入工具调用、权限管理、任务规划、上下文压缩、长期记忆、多智能体协作以及 MCP 等关键机制，最终在第 20 课将所有组件整合成一个完整的 Claude Code 风格 Agent。
与很多“十分钟学会 Agent”的教程不同，learn-claude-code 始终坚持一个原则：每一课只增加一个新能力，而核心循环始终保持不变。学习者能够清晰地看到，一个现代 AI Agent 是如何在不断迭代中被构建出来的。
整个课程大致可以划分为五个阶段。
第一阶段是 Agent 的基础能力建设，包括 Agent Loop、Tool Use、Permission 和 Hooks。在这一阶段，你将理解一个智能体是如何进行思考、调用工具，并安全地与外部环境交互的。
第二阶段开始关注智能体的“思维方式”，课程会依次引入 TodoWrite、Subagent、Skill Loading、Context Compact、Memory 和 System Prompt。到了这里，一个简单的聊天机器人已经逐渐演变成具备规划能力、记忆能力和上下文管理能力的 Agent。
第三阶段则聚焦于工程化能力，包括 Error Recovery、Task System、Background Tasks 和 Cron。项目开始讨论错误恢复、任务持久化、后台执行以及定时任务等问题，让 Agent 从“能工作”进一步进化到“能稳定工作”。
第四阶段进入多智能体协作领域，涵盖 Agent Teams、Team Protocols、Autonomous Agents 和 Worktree Isolation。学习者将看到多个 Agent 如何通过统一协议进行沟通，如何自主认领任务，以及如何在独立工作目录中并行协作完成复杂项目。
最后，第十九课引入了 MCP，而第二十课则将此前所有能力进行整合，构建出一个完整的 Comprehensive Agent。至此，你看到的不再是一个 Demo，而是一套具备现实意义的 Agent Harness。
从 s01 的 Agent Loop 到 s20 的 Comprehensive Agent，项目代码量也从百余行逐步增长到接近千行。但有趣的是，贯穿始终的核心循环却从未改变。变化的从来不是 Agent 的本质，而是它理解世界、使用工具以及与世界交互的能力。
某种意义上说，learn-claude-code 并不是在教你如何使用 Claude Code，而是在告诉你：一个 AI Agent 究竟是如何一步步被“组装”出来的。
学习收益：你能从中得到什么？
读完 learn-claude-code，你收获的并不是一个可以复制粘贴的 Demo，而是一套关于 Agent 的完整认知。
你会明白一个智能体为什么需要 Agent Loop，工具调用是如何设计的，上下文为什么会成为瓶颈，以及 Claude Code、Cursor 等产品背后的底层逻辑。更重要的是，你会开始站在“构建者”的视角思考问题：如何让 Agent 拆解任务、管理记忆、协调多个子智能体，并安全地与真实世界进行交互。
完成全部课程之后，你不仅能够理解 Agent Harness 的核心架构，还能够根据自己的业务需求，快速集成新的工具、设计任务系统，甚至构建一套属于自己的 AI 编程助手。
对于开发者而言，这种能力的价值并不在于“再学会一个框架”，而在于获得一种新的软件开发思维。
过去，我们学习的是如何编写程序；而现在，我们开始学习如何构建能够帮助我们编写程序的 Agent。
更重要的是，这段学习经历会让你逐渐摆脱对特定产品和厂商的依赖。当下最流行的也许是 Claude Code，明天可能会是另一个名字，但 Agent 的底层原理不会因此发生改变。理解这些原理，才是真正能够穿越技术周期的能力。
结语：授人以鱼，不如授人以渔
在 AI 工具泛滥的时代，learn-claude-code 选择了一条少有人走的路——不提供成品，而是提供“制造方法”。它鼓励开发者亲手搭建、调试、优化，从而真正理解 AI Agent 的工作流。
如果已经厌倦了“黑盒式”的 AI 编程助手，渴望成为那个能创造工具的人，那么这个项目就是最好的起点。打开终端，克隆仓库，从 s01 开始，一步步走进 Agent 的内部世界。
开源拾遗 · 分享 AI 与开源，每天推荐一个有趣的项目
本期项目：https://github.com/shareAI-lab/learn-claude-code
本文为「开源拾遗」原创深度解读，转载请注明出处。
