learn-claude-code Skill：12 节课从零造出你的 AI 编程代理

Skill超级捕获手 技术创作者 2026-08-13 11 阅读

最近一周 GitHub 上一份「Agent Harness 教学仓库」突然杀入 Trending 行列，三天之内多篇文章把它列进「AI Agent 工程师必读清单」——这就是 shareAI-lab/learn-claude-code。它不卖框架、不吹概念，而是用 12 个渐进式 Python 课程，从最简单的一段 while 循环出发，一行一行造出一个迷你版 Claude Code。它把「Bash is all you need」「The model IS the Agent」「The code is the harness」三句口号当成教学法，反过来颠覆了一整个「提示词水管工」式的 Agent 框架产业。截至 2026-08-13，这个项目在 GitHub 上已拿到 74,031 颗星、11,989 次 fork，并被 Awesome Claude Code 官方收录、登上 trendshift.io 推荐榜，是当下中文技术圈讨论 AI Agent 工程化时绕不开的一篇「教学大纲」。

功能与原则

  • 核心能力：提供 12 节渐进式课程（s01–s12），从最小 Agent 循环起步，逐步叠加工具注册、规划系统、子 Agent、Skill 加载、上下文压缩、任务持久化、后台执行、多 Agent 团队协作、Worktree 隔离执行。每节配套可运行的 Python 代码、可视化架构图和 README 多语种版本（英文 / 中文 / 日文）。
  • 设计原则：
  • “The model IS the Agent”——自主性来自模型训练，不是流程图。
  • “Bash is all you need”——Harness 的核心是一段 bash 工具调度循环。
  • “The code is the harness. Build the vehicle, the driver will do the rest.”——harness 是载具，模型是驾驶者。
  • Harness = Tools + Knowledge + Observation + Action Interfaces + Permissions——五要素公式贯穿全篇。
  • 反对把 LLM API 调用「用 if-else 串起来冒充 Agent」——这种鲁布·戈德堡机械从诞生起就注定脆弱、不可泛化。

认可度

  • GitHub Star 数：74,031 颗（截至 2026-08-13）。
  • Fork 数：11,989 次。
  • 主要语言：Python（同时含 TypeScript、CSS 元素）。
  • 上线时间：2025-06-29，最近一次 commit 2026-08-12，仍在持续维护。
  • 收录背书：被 Awesome Claude Code 官方收录；登上 trendshift.io 19746 号仓库榜单。
  • 社媒讨论：腾讯云开发者社区、CSDN、博客园 SegmentFault 等 8 月初 3 篇技术盘点长文把它列入 GitHub Trending 周榜 Top 项目；Medium 测评文章以「agent harness 教学天花板」形容它。

链接

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

中文 README：https://github.com/shareAI-lab/learn-claude-code/blob/main/README-zh.md

学习站点：https://learn.shareai.run

原作者

  • 作者 / 团队：shareAI-lab（中文社区「分享 AI 实验室」），维护者 @jiayuan_jy 等。
  • 背景：定位为「运行和管理编程 Agent 的开源平台」团队，长期输出 Claude Code 周边工程实践。
  • 一句话简介：用教学开源的方式，沉淀 Anthropic、OpenAI、DeepMind 没有开源出来的 harness 工程经验。

介绍

learn-claude-code 不是 API 文档，也不是又一套 Agent SDK，而是一份结构化、可视化、可执行的 Agent Harness 工程教学手册——专为「已经装好 Claude Code 却不知道下一步该干嘛」的工程师设计。

它把 Claude Code 这种「看似会魔法」的终端 Agent 拆成 12 个渐进章节：s01 的 20 行 Python 最小循环 → s05 的 todo_write 规划器 → s07 的 Skill 按需加载 → s08 的上下文压缩 → s10 的后台任务系统 → s12 的 Worktree 隔离多 Agent 团队协作。每一节都给出完整可运行的 Python 代码、架构图、实验 prompt 和踩坑笔记——读者不只是看，还能 clone 下来一行行调试。

仓库 README 直接引用 Atari DQN、OpenAI Five、AlphaStar、腾讯绝悟四个里程碑做论据：Agency 是从训练里「学」出来的，不是被代码「编」出来的。但 Agency 必须配 Harness 才能落地；Claude Code 之所以优雅，恰恰是因为它「没有试图成为 Agent 本身」。作者把这个判断作为整本教材的哲学起点，然后从零把 Harness 拆给你看。

配套还有 Web 学习平台（learn.shareai.run）、Kode Agent CLI/SDK、claw0 始终在线助手，以及中英日三语文档——可作为公司内训、面试准备、个人升级路线图。

特点

  • 12 节渐进课程 + 全套可运行代码：不是 PPT，是 Python 项目，每节都能跑、能改、能 fork 出自己的版本。
  • 「Bash is all you need」极简起点：用最少的循环 + 工具注册，证明 Agent 不需要复杂框架就能跑起来。
  • 完整覆盖现代 Harness 关键机制：工具注册、计划系统、子 Agent、Skill 加载、上下文压缩、任务持久化、Worktree 隔离——涵盖 Claude Code 内部的核心设计。
  • 明确反对「提示词水管工」：在 README 上单列一节批判 LangChain / AutoGPT 风格的拖拽式「伪 Agent」，帮助读者建立判断力。
  • 三语文档 + 官方 awesome 收录：英文、中文、日文版本齐全，被 hesreallyhim/awesome-claude-code 官方收录，权威背书强。

使用方法

环境准备（最低门槛）：

git clone https://github.com/shareAI-lab/learn-claude-code.git
cd learn-claude-code
pip install -r requirements.txt   # anthropic, python-dotenv, pyyaml

最快上手 20 行 Agent 循环（s01 章节核心示例）：

import anthropic, os
client = anthropic.Anthropic()

messages = []
while True:
    messages.append({"role": "user", "content": input("you> ")})
    resp = client.messages.create(
        model="claude-3-5-sonnet", max_tokens=1024,
        tools=[{"name":"bash","description":"执行 shell 命令",
                "input_schema":{"type":"object","properties":{"cmd":{"type":"string"}}} }],
        messages=messages,
    )
    print("assistant>", resp.content[0].text)

进阶学习路径：按 s01 → s02 → … → s12 顺序阅读，每节都附 README、example、test；中后期章节（s07 Skill 加载、s08 上下文压缩、s12 Worktree 隔离）可以直接对照 Claude Code 源码学习。

也可访问 Web 站点 learn.shareai.run 看视频与图解。

使用场景与人群

  • 正在做 Claude Code / Codex / Cursor 二次开发的工程师：把它当 Claude Code 的「逆向工程教材」读，对照源码理解每段机制的设计动机。
  • 公司想自建「领域 Agent Harness」的团队：从 s01 起步改造，做金融、运维、客服领域的专用 harness——避免从零造轮子。
  • Agent 方向求职者 / 学生：12 节课程相当于一份带项目的自学清单，简历含金量高，社区口碑好。
  • 想理解「为什么 Claude Code 比 LangChain 优雅」的架构师：README 里那段「提示词水管工」的批判值得反复读。

不适合：只想直接调用 Claude 不想动工程的人——这项目不是 SDK，需要读 Python 代码、做实验。

输入与输出案例

案例 1（s01 教学示例）：

输入：

你> 列出当前目录所有 .py 文件并按行数排序

输出：

assistant> 我会用 bash 工具执行这个任务。<bash>ls -la *.py | awk '{print $5, $9}' | sort -n</bash>
[工具执行后] 当前目录有 3 个 Python 文件：
- main.py（86 行）
- agent.py（120 行）
- utils.py（45 行）

案例 2（s12 多 Agent 团队协作示例）：

输入：

你> 在 git worktree 里并行做两件事：(1) 把 README 从英文翻译成日文；
(2) 给 src/api.py 添加 /healthz 健康检查接口；做完合回 main 分支。

输出：

assistant> 已创建两个 worktree 并各启动一个子 Agent：
- worktree-i18n → 子 Agent 加载 s09 的 skill-injection 模块，正在用 ja 翻译 README
- worktree-healthz → 子 Agent 加载 s05 的 todo_write，先规划接口签名再写实现
进度：i18n 完成 100%，healthz 完成 80%（正在跑 pytest）
合并结果：main 分支新增 docs/README.ja.md（+318 行）+ src/api.py（+27 行 -0 行），全部 CI 通过。

这两个例子展示了项目从「20 行循环」到「Worktree 多 Agent 协作」的全谱系——前者证明 Harness 不复杂，后者证明 Harness 能撑起生产级场景。

附：如果你最近一周在 GitHub Trending 上刷到 Claude Code 周边项目，大概率已经见过 shareAI-lab/learn-claude-code。它的价值不在于「又一个教程」，而在于把 Anthropic 没有公开的那部分 Harness 工程经验，用 12 节可执行课程沉淀了出来——这正是当下 Agent 工程师最稀缺的能力。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 11 阅读