shareAI-lab/learn-claude-code

What it solves

本项目提供一个完整的教育框架，用于为 AI 代理构建“harness”。它针对“代理能力是通过 prompt‑chaining 或无代码工作流构建器产生”的误解提出反驳，认为代理能力是模型本身的属性，而 harness 则是提供模型行动所需的运营环境（工具、知识和权限）。

How it works

项目结构为 20 节递进式课程，所有课程围绕同一个不变的“agent loop”。每节课都会引入新机制来增强代理的能力，而不改变核心循环。这些机制包括：

• Tooling: 实现原子且可组合的工具（例如 bash、文件 I/O）。
• Context Management: 实现上下文压缩和记忆子系统，以处理长会话。
• Task Orchestration: 创建带依赖图和后台执行的任务系统。
• Collaboration: 搭建具异步邮箱和共享通信协议的代理团队。
• Governance: 建立权限边界和审批工作流。
• Integration: 使用 Model Context Protocol（MCP）接入外部能力。

Who it’s for

本项目面向“harness 工程师”——想要超越单纯 prompt engineering，学习如何构建专业级基础设施，以在特定领域（尤其是软件工程）部署自主 AI 代理的开发者。

Highlights

• Progressive Curriculum: 从一个支持 bash 的简单循环到完整的代理 harness，提供 20 步的学习路径。
• Harness-Centric Philosophy: 关注运营环境（“载具”），而不是试图把智能写进模型（“司机”）。
• Concrete Implementations: 每节课都包含可运行的 code.py 文件和叙事式 README。
• Architectural Patterns: 教授子代理隔离、按需技能加载和工作树隔离等架构模式。