一个把 Claude Code 从零拆开的"造车教程"——别再只看黑盒了。

📊 基本信息

• 📦 仓库：shareAI-lab/learn-claude-code
• ⭐ Star：66,363
• 🍴 Fork：10,815
• 💻 主语言：Python
• 🏷️ 分类：AI 教学 / Agent 工程
• 🎚️ 门槛：中等
• ⏱️ 阅读：约 6 分钟

🔗 https://github.com/shareAI-lab/learn-claude-code

Bash is all you need - A nano claude code–like 「agent harness」, built from 0 to 1

---

📑 看完这篇你会知道：

1. 🚨 先抛个数字
2. 🧩 它到底在解决什么
3. 🔧 怎么做到的（讲人话版）
4. 🎯 跟同行的差距在哪儿
5. 🛤️ 三步就能跑起来
6. 🧭 哪些人该立刻上手
7. 🛑 三个不得不防的坑
8. 📌 说到底值不值

---

🚨 先抛个数字

⭐ 66,363 stars
🍴 10,815 forks
📅 最近一周仍有 5 次提交

你已经把 Claude Code 当工具用了，
但 99% 的人没拆开看过它的"骨架"。

这个仓库做的事就一件：
把 Claude Code 的 agent harness 从 0 复刻到 1。

不卖 API，不做套壳，
只把"模型 + 外壳"这套公式摊给你看。

💡 说白了：模型是驾驶员，harness 是车。
别人教你开车，这个教你造车。

🧩 它到底在解决什么

官方 Claude Code 是黑盒。
你想知道它怎么调度工具、
怎么管上下文、怎么压缩记忆？
答案是：看不到。

📌 这个仓库用一个 nano 级的复刻品，
把整套机制拆成可读的 Python 代码。

✅ 能：看清 harness 的每一层结构
✅ 能：跟着 README 的历史脉络理解设计
❌ 不能：直接拿来做生产级 coding agent
❌ 不能：替代官方 Claude Code 的完整功能

💡 据 README 描述，作者刻意引用了 DQN、AlphaGo、OpenAI Five 的历史，
反复强调一个观点：agency 来自训练，不是来自代码编排。

🔧 怎么做到的（讲人话版）

整个项目走的是"教学优先"路线。

📚 README 用四段 AI 史做铺垫：
• 2013 DQN 打 Atari
• 2019 OpenAI Five 赢 Dota 2
• 2019 AlphaStar 上分 StarCraft II
• 2024-2025 LLM agent 重塑编程

🛠️ 然后才进入代码层。
提交记录显示，团队最近在死磕两件事：
• compaction（上下文压缩）——保证 tool-use/result 成对不被截断
• memory system prompt 构建——每请求只构建一次，避免重复

✅ 这些细节，正是真实 harness 最容易翻车的点。
❌ 但项目具体技术栈和模块划分，该项目公开资料未提及更多。

🎯 跟同行的差距在哪儿

GitHub 上的 agent 教程分两派：
• 一派讲 LangChain / AutoGen 等框架
• 一派讲端到端商业产品

📌 这个仓库的差异点：
✅ 只盯 Claude Code 一个目标，复刻它的 harness
✅ 教育属性拉到顶——topics 里直接挂上 teaching、tutorial、educational
✅ 支持中、英、日三语 README
✅ 主语言 Python，但 TypeScript 占 462K 行——推测有配套前端/文档站（推断）

❌ 局限：66K star 的体量，社区 issue 解决速度、维护活跃度这些该项目公开资料未提及。

🛤️ 三步就能跑起来

📌 仓库结构清晰，按章节编号（s09、s10 之类的命名）。

三步起步（推断，基于常见教学项目惯例）：

1. git clone 拉代码
2. 装 Python 依赖
3. 按章节顺序跑 demo

✅ 章节式设计的好处：每节只解决一个问题
✅ 不需要 GPU，不需要大模型 API key 起步
❌ 但具体安装命令、依赖版本号——该项目公开资料未提供，需进仓库看

🧭 哪些人该立刻上手

✅ 该上：
• 想搞懂 Claude Code 内部机制的工程师
• 在做 agent 架构设计的 AI 从业者
• 需要给团队做 agent 培训的 tech lead

❌ 不必上：
• 只想找个能用的 coding 工具的人
• 期待它跑过 Claude Code 性能的用户
• 完全没接触过 LLM agent 概念的纯新手

📌 定位一句话：
这是解剖课，不是驾驶课。

🛑 三个不得不防的坑

❌ 坑 1：教学复刻 ≠ 生产可用
仓库目标是"讲清楚",不是"能上生产"。
直接拿去做公司项目会踩坑。

❌ 坑 2：内容更新滞后风险
Claude Code 官方在持续迭代，
复刻版本天然有滞后。

❌ 坑 3：star 数 ≠ 适合所有人
66K star 说明关注度高，
但不代表它覆盖了你需要的所有场景。

📌 资料未提及的部分包括：
具体 license、issue 响应速度、长期维护计划。

💡 你已经看到 66K 人在围观，
但围观 ≠ 上手。先想清楚你要的是造车还是开车。

📌 说到底值不值

值不值，看你是哪类人。

✅ 想理解 harness 怎么搭——值
✅ 想从 0 跑通一个 agent loop——值
❌ 想拿它替代官方 Claude Code——不值

💡 说白了：
这是 2024-2025 这波 LLM agent 浪潮里，
少数愿意把"教学诚意"摆到第一位的项目。

📊 数据速览：
• 66,363 stars
• 10,815 forks
• 3 语 README
• 一周 5 次提交

📖 阅读时长：约 6 分钟
🎯 难度：中等（需 Python 基础 + LLM 概念）
🏷️ 分类：AI 教学 / Agent 工程

---

🎬 一句话总结

💡 我的判断：这是个少数把"讲清楚"看得比"做出来"更重的开源项目，对想造 agent 的人是稀缺教材，但对只想用车的人毫无意义。

---

📮 觉得有用？点赞 + 收藏，下期继续拆 GitHub 热门项目。

原文链接：https://github.com/shareAI-lab/learn-claude-code