learn-claude-code：7.5 万星项目教你从零造一个 agent harness

本文介绍 shareAI-lab 开源的 learn-claude-code（7.5 万 stars，MIT）——一个从零教你造"agent harness"的教学型项目。它的核心论点很锋利：Agentic 能力来自模型训练，而 agent 产品 = 模型 + harness；模型是司机，harness 是车。这个仓库教你怎么造车。

项目简介

learn-claude-code 用 Python 实现，定位是"nano 级 Claude Code 复刻"：用一个极小的可读代码库，把真实 agent 产品的 harness 工程完整走一遍。它不是又一个套壳 demo——README 开篇先用 DQN 打 Atari（2013）、OpenAI Five 击败 Dota2 世界冠军（2019）这些案例论证"agency 来自训练而非外部编排"，然后把笔墨全部放在"让训练好的模型能在真实环境里持续干活"的那层基础设施上。

对于想理解 Claude Code 这类产品内部机制的开发者，这是目前中文社区质量最高的开源教材之一（有中英日三语文档）。

核心特性

• 从 0 到 1 的 harness 实现：上下文管理、工具调用循环、权限控制、子任务编排，每一层都有可运行的最小实现
• "Bash is all you need"：工具层极度克制，围绕 shell 这一万能接口构建，贴近 Claude Code 的实际设计
• 教学优先：代码为可读性服务，配长文解释每个设计决策的 why，而不是只给 can
• 生产对照：nano 实现与真实产品逐层对应，读完能看懂 Claude Code 的公开资料和逆向分析

快速开始

git clone https://github.com/shareAI-lab/learn-claude-code
cd learn-claude-code
pip install -r requirements.txt

配置任意一家 OpenAI 兼容端点的 API key 后即可启动对话循环。建议从 docs/ 目录的设计文档读起，再对照代码。

适合谁读

• 想造自己的 coding agent / 通用 agent 的工程师：这是一张现成的"harness 蓝图"
• 用 Claude Code / Codex 的重度用户：理解工具循环和上下文管理后，使用策略会完全不同
• 关心"agent 到底是怎么回事"的人：它把玄学拆成了工程

注意事项

• 教学项目，直接上生产需要补齐安全、计费、多租户等工程化部分
• 模型能力差异会被 harness 放大：弱模型跑同一 harness 效果差距明显
• 7.5 万星项目，issue 区本身就是高质量讨论区

项目链接

• GitHub 仓库：https://github.com/shareAI-lab/learn-claude-code
• 中文文档：仓库内 README-zh.md 与 docs/