shareAI-lab/learn-claude-code

What it solves

本專案提供一套完整的教育框架，用於為 AI 代理構建「harness」。它針對「代理能力是透過 prompt‑chaining 或無程式碼工作流程建構器產生」的誤解提出反論，認為代理能力是模型本身的屬性，而 harness 則是提供模型行動所需的運營環境（工具、知識與權限）。

How it works

本專案以 20 個遞進式課程的形式組織，所有課程皆圍繞同一個不變的「agent loop」展開。每一課程都會加入新機制以提升代理的功能，卻不改變核心迴圈。這些機制包括：

• Tooling: 實作原子且可組合的工具（例如 bash、檔案 I/O）。
• Context Management: 實作上下文壓縮與記憶體子系統，以處理長時間會話。
• Task Orchestration: 建立具相依圖與背景執行的任務系統。
• Collaboration: 設置具非同步信箱與共享通訊協定的代理團隊。
• Governance: 建立權限界限與批准工作流程。
• Integration: 使用 Model Context Protocol（MCP）接入外部能力。

Who it’s for

此專案針對「harness 工程師」——想要超越單純 prompt engineering，學習如何構建專業級基礎設施，以在特定領域（尤其是軟體工程）部署自主 AI 代理的開發者。

Highlights

• Progressive Curriculum: 從簡單的支援 bash 的迴圈到完整的代理 harness，提供 20 步驟的學習路徑。
• Harness-Centric Philosophy: 著重於運營環境（「載具」），而非試圖將智慧寫入模型（「駕駛員」）。
• Concrete Implementations: 每堂課皆附有可執行的 code.py 檔案與說明性的 README。
• Architectural Patterns: 教授子代理隔離、按需技能載入與工作樹隔離等架構模式。