🚀 只需50行代码！手把手教你从零构建一个AI编程助手
💡 一个开源项目在GitHub上获得了16.3k stars，它用最简单的方式揭示了AI代理的核心秘密
🎯 从50行代码到550行，5个版本带你理解Claude Code背后的原理
📊 这个项目有多火？
你是否好奇过Claude Code、Cursor这样的AI编程助手是如何工作的？是否想过自己也能构建一个？
shareAI Lab开源的learn-claude-code项目给出了答案：「Model as Agent. That's the whole secret.」
🎯 核心理念：模型即代理
「The model is 80%. Code is 20%.」现代AI代理之所以有效，不是因为巧妙的工程，而是因为模型本身就被训练成了代理。我们的工作只是给它工具，然后不要妨碍它。
这个项目最大的价值在于：它揭示了所有AI编程助手背后的核心模式，而这个模式简单到让人惊讶。
🔍 AI代理的核心循环
所有的AI编程代理本质上都是这样一个循环：
while True:
response = model(messages, tools)
if response.stop_reason != "tool_use":
return response.text
results = execute(response.tool_calls)
messages.append(results)
💡
就这么简单！模型调用工具直到任务完成。所有其他的一切都只是优化。
📚 5个版本的渐进式学习路径
项目提供了从v0到v4的5个版本，每个版本都在上一个版本的基础上增加新的能力：
0
v0: Bash Agent（~50行）
核心洞察：一个工具就够了。只用bash工具+递归子代理，就能完成复杂任务。
1
v1: Basic Agent（~200行）
核心洞察：模型即代理。添加4个工具（bash, read, write, edit），实现完整的代理循环。
2
v2: Todo Agent（~300行）
核心洞察：约束创造复杂性。添加TodoWrite工具，让计划变得明确可追踪。
3
v3: Subagent（~450行）
核心洞察：清晰上下文=更好结果。通过Task工具实现上下文隔离，分而治之。
4
v4: Skills Agent（~550行）
核心洞察：专业知识按需加载。通过Skill工具注入领域专业知识，无需重新训练。
🛠️ 版本功能对比
| 版本 | 代码行数 | 工具数量 | 核心能力 |
|---|
| v0 | ~50行 | 1个(bash) | 递归子代理 |
| v1 | ~200行 | 4个 | 完整代理循环 |
| v2 | ~300行 | +TodoWrite | 显式计划 |
| v3 | ~450行 | +Task | 上下文隔离 |
| v4 | ~550行 | +Skill | 知识加载 |
💻 快速开始
想要立即体验？只需3步：
# 1. 克隆仓库
git clone https://github.com/shareAI-lab/learn-claude-code
cd learn-claude-code
# 2. 安装依赖
pip install -r requirements.txt
# 3. 配置API密钥并运行
cp .env.example .env
# 编辑 .env 添加你的 ANTHROPIC_API_KEY
# 运行任意版本
python v0_bash_agent.py # 从最简单的开始！
python v1_basic_agent.py # 核心代理循环
python v2_todo_agent.py # + 任务计划
python v3_subagent.py # + 子代理
python v4_skills_agent.py # + 技能系统
🎓 你将学到什么
🌟 为什么这个项目值得学习
🎯 从实践中学习真理
作者坦诚分享：最初通过行为观察和猜测进行逆向工程时犯了很多错误。但通过6个月的实际构建和迭代，他们对"什么是真正的AI代理"有了根本性的理解重塑。
🔍 渐进式学习设计
不是一次性给你一个复杂系统，而是从最简单的50行开始，每次只增加一个核心概念。每个版本都能独立运行，你可以清晰地看到每个改进带来的变化。
💡 哲学与实践并重
不仅教你怎么做，更重要的是告诉你为什么这样做。"模型是80%，代码是20%"这样的洞察，比任何技术细节都更有价值。
🚀 项目生态
这个项目还提供了完整的生态系统：
📄
Agent Skills Spec：官方规范文档
📚
示例技能：agent-builder、code-review、pdf、mcp-builder等
💭 最后的思考
「Bash is all you need」这个标题看似玩笑，实则道出了AI代理的本质：工具不在多，关键在于让模型充分发挥其作为代理的能力。
在AI快速发展的今天，我们常常被各种复杂的框架和工具淹没。但这个项目提醒我们：真正重要的是理解核心原理。
当你理解了代理循环、工具设计、上下文管理这些基本概念，你就能构建出自己的AI助手，甚至创造出更好的解决方案。
🎯 开始你的AI代理之旅
⭐ 访问 GitHub: shareAI-lab/learn-claude-code
📖 从v0的50行代码开始，一步步理解AI代理的奥秘
🚀 用你学到的知识，构建属于自己的AI编程助手
💬
你对AI代理有什么想法？欢迎在评论区分享你的见解！如果觉得有用，别忘了点赞和在看 👍
—— 愿你在AI时代，成为创造者而非旁观者 🌸 ——
