CoreCoder：1400 行 Python，把 Claude Code 的骨架拆开给你看
想研究 Claude Code 底层，最难的不是概念，是根本没地方下手。
50 多万行泄露闭源代码摆在那儿，普通开发者真去啃，基本就是在迷宫里找出口。变量、抽象、兼容逻辑、历史包袱，全混在一起。你想学 Agent 架构，最后可能先被工程复杂度劝退。
最近看到一个项目，CoreCoder，思路挺狠：用 1400 行左右 Python，把 Claude Code 的核心架构模式重写了一遍。
东哥先说句实在的，这类项目我一般不先看 star，也不先看截图。我先看它是不是能跑，代码是不是能顺着读，工具调用失败以后有没有处理。CoreCoder 比较有意思的地方就在这儿，它不是博客，不是流程图，而是一套真实可运行的最小实现。
项目里保留了几个很关键的模式：并行工具执行、三层上下文压缩、危险命令拦截、文件读写、grep / glob、子 Agent，还有主循环。你能看到一个 AI coding agent 怎么接收任务，怎么决定调用工具，怎么把结果塞回上下文，再继续下一轮。
上下文压缩这个点尤其值得看。很多人做 Agent demo，前几轮还挺像样，一到 token 快满就开始失忆。CoreCoder 把压缩分成几层处理，虽然不是什么魔法，但这个思路很接近真实产品里的麻烦：不是“能不能聊”，而是长任务跑到一半别崩。
还有危险命令拦截。别误会，它不是安全沙箱，更像一道基础闸门。东哥看到这种地方会多瞅一眼，因为真让 Agent 碰 shell，最怕的不是它不会干活，是它太敢干活。生产环境里还得上容器、权限、日志、回滚这些老东西，别省。
模型支持也比较宽。只要兼容 OpenAI 接口，基本就能接；通过 LiteLLM 还能挂更多服务商，本地 Ollama 也能玩。对想自己造 Agent 的同学来说，这比绑定某一家模型舒服很多。
这项目适合谁？不是拿来替代 Claude Code，而是拿来拆。没做过 coding agent 的，先把它跑起来，再改一个工具、加一条规则、换个模型，比硬读论文更有感觉。
GitHub地址：he-yufeng/CoreCoder
