Learn Claude Code：向 Claude Code 学习 AI Coding Agent 的设计与实现
这个面向工程师的 AI Agent Harness Engineering 教程：默认“智能主要在模型里”，工程的任务是把工具、知识、上下文、任务状态、协作机制和执行边界搭出来，让模型能稳定做事。
- 它在教什么？-
把整套内容拆成 12 个 session、5 个架构层，从 84 LOC / 1 tool 一路长到 694 LOC / 16 tools。
核心方法很清楚：每一章只新增一种机制，但尽量不改那条最小 agent loop。
于是你会看到，真正稳定不变的内核只有“模型调用工具、回填结果、直到停止”这一个循环；其余能力，本质上都是围绕这条 loop 叠加的 harness。
仓库主要是三件套：agents/ 参考实现、docs/ 多语言文档、web/ 交互式站点。
- 内容解读 -
· 最有价值的地方是“去神秘化”。很多 agent 讨论把能力讲成黑盒，这个项目把它拆回成工程部件：计划来自 Todo/Task，知识来自按需加载 Skills，记忆管理来自上下文压缩，协作来自 mailbox / protocol / worktree。
· 真正接近生产价值的章节，不是最前面的 loop，而是 s06 Compact、s07 Tasks 和 s12 Worktree + Task Isolation。它们分别回答三个关键问题：上下文爆了怎么办，任务状态怎么持久化，多代理如何互不污染。
· 从 README 的表述看，项目立场很鲜明：反对把 agent 理解成一堆 prompt chain / workflow 编排，强调“模型负责决策，harness 负责提供环境”。这个判断作为纠偏是有力的；但更客观地说，模型决定能力上限，harness 决定可用性、稳定性和可扩展性。
· 官网的 Timeline / Layers / Compare 也不是装饰，它们把“版本增量”和“架构分层”可视化了。相比只读 README，这更容易形成系统图谱。
- 内容边界 -
仓库 README 也明确提醒：这是一套 0→1 的教学实现，不是完整生产框架。它有意简化或省略了 hook/event bus、权限治理、session lifecycle、完整 MCP 细节等。因此，它非常适合用来建立 agent 架构认知、做最小原型、训练团队心智模型；但不适合直接当成 Claude Code 的官方内部说明书，或原封不动搬去上线。
一句话结论：如果很多 agent 教程在教你“怎么编排提示词”，Learn Claude Code 真正教的是“怎么为一个强模型搭建可工作的工程环境”。如果只抓主干，优先看 README、s01、s05、s06、s07、s12。
教程地址
learn.shareai.run/en/
开源项目
github.com/shareAI-lab/le…
这个面向工程师的 AI Agent Harness Engineering 教程：默认“智能主要在模型里”，工程的任务是把工具、知识、上下文、任务状态、协作机制和执行边界搭出来，让模型能稳定做事。
- 它在教什么？-
把整套内容拆成 12 个 session、5 个架构层，从 84 LOC / 1 tool 一路长到 694 LOC / 16 tools。
核心方法很清楚：每一章只新增一种机制，但尽量不改那条最小 agent loop。
于是你会看到，真正稳定不变的内核只有“模型调用工具、回填结果、直到停止”这一个循环；其余能力，本质上都是围绕这条 loop 叠加的 harness。
仓库主要是三件套：agents/ 参考实现、docs/ 多语言文档、web/ 交互式站点。
- 内容解读 -
· 最有价值的地方是“去神秘化”。很多 agent 讨论把能力讲成黑盒，这个项目把它拆回成工程部件：计划来自 Todo/Task，知识来自按需加载 Skills，记忆管理来自上下文压缩，协作来自 mailbox / protocol / worktree。
· 真正接近生产价值的章节，不是最前面的 loop，而是 s06 Compact、s07 Tasks 和 s12 Worktree + Task Isolation。它们分别回答三个关键问题：上下文爆了怎么办，任务状态怎么持久化，多代理如何互不污染。
· 从 README 的表述看，项目立场很鲜明：反对把 agent 理解成一堆 prompt chain / workflow 编排，强调“模型负责决策，harness 负责提供环境”。这个判断作为纠偏是有力的；但更客观地说，模型决定能力上限，harness 决定可用性、稳定性和可扩展性。
· 官网的 Timeline / Layers / Compare 也不是装饰，它们把“版本增量”和“架构分层”可视化了。相比只读 README，这更容易形成系统图谱。
- 内容边界 -
仓库 README 也明确提醒：这是一套 0→1 的教学实现，不是完整生产框架。它有意简化或省略了 hook/event bus、权限治理、session lifecycle、完整 MCP 细节等。因此，它非常适合用来建立 agent 架构认知、做最小原型、训练团队心智模型；但不适合直接当成 Claude Code 的官方内部说明书，或原封不动搬去上线。
一句话结论：如果很多 agent 教程在教你“怎么编排提示词”，Learn Claude Code 真正教的是“怎么为一个强模型搭建可工作的工程环境”。如果只抓主干，优先看 README、s01、s05、s06、s07、s12。
教程地址
learn.shareai.run/en/
开源项目
github.com/shareAI-lab/le…
• • •
Missing some Tweet in this thread? You can try to
force a refresh
