learn-claude-code: 它是什么，解决了什么问题，以及为什么它正受到关注

它解决了什么问题

该项目提供了一个全面的教育框架，用于为 AI agent 构建“harnesses”（控制台/框架）。它纠正了一个误解，即认为 agency（代理能力）是通过 prompt-chaining（提示词链）或 no-code 工作流构建器创造的；相反，它认为 agency 是模型的一种属性，而 harness 是允许模型采取行动的操作环境（工具、知识和权限）。

它是如何工作的

该项目结构化为一系列 20 个循序渐进的课程，这些课程建立在单一且恒定的“agent loop”（agent 循环）之上。每节课都会引入一种新的机制来增强 agent 的能力，而无需更改核心循环。这些机制包括：

• Tooling: 实现原子化且可组合的工具（例如，bash, file I/O）。
• Context Management: 实现上下文压缩和内存子系统，以处理长会话。
• Task Orchestration: 创建具有依赖图和后台执行的任务系统。
• Collaboration: 通过异步邮箱和共享通信协议建立 agent 团队。
• Governance: 建立权限边界和审批工作流。
• Integration: 使用 Model Context Protocol (MCP) 来接入外部能力。

它是面向谁的

这是为“harness engineers”（控制台工程师）设计的——即那些希望超越简单的 prompt engineering（提示词工程）并学习如何构建专业级基础设施，以便在特定领域（特别是软件工程）部署自主 AI agent 的开发者。

亮点

• Progressive Curriculum: 一个从简单的 bash 启用循环到全面的 agent harness 的 20 步路径。
• Harness-Centric Philosophy: 专注于操作环境（“车辆”）而不是试图将智能工程化到模型中（“驾驶员”）。
• Concrete Implementations: 为每节课包含可运行的 code.py 文件和叙述性 README。
• Architectural Patterns: 教授子 agent 隔离、按需技能加载和 worktree 隔离的模式。