shareAI-lab/learn-claude-code

Learn Claude Code – 建構 LLM 代理框架的實作課程

是什麼 – 一個逐步指導你撰寫「框架」（周圍程式碼）的教學，讓大型語言模型（如 Anthropic 的 Claude）能作為自主的程式碼助理運作。此倉儲不訓練模型；它教你如何為預先訓練的 LLM 提供工具、權限、上下文管理與編排能力，使其在真實開發環境中安全且高效地運作。

為何重要 – 現代的「AI 代理」本質上是訓練好的模型加上一個連接模型與世界的執行時（檔案系統、shell、瀏覽器、API 等）。大多數公開專案聚焦於模型本身，將框架視為事後補充。本倉儲則反轉此觀點，將框架視為核心工程問題，明確展示每個元件的實作方式。

如何運作 – 核心迴圈是一個簡單的 REPL：

while True:
    response = client.messages.create(model=MODEL, system=SYSTEM,
                                      messages=messages, tools=TOOLS)
    messages.append({"role": "assistant", "content": response.content})
    tool_calls = [b for b in response.content if b.type == "tool_use"]
    if not tool_calls:
        break                     # 模型決定已完成
    results = []
    for call in tool_calls:
        out = TOOL_HANDLERS[call.name](**call.input)
        results.append({"type": "tool_result",
                        "tool_use_id": call.id,
                        "content": out})
    messages.append({"role": "user", "content": results})

模型決定何時呼叫工具；框架執行工具並將結果回饋回去。該倉儲將此迴圈擴展為 17 個逐步進階的課程，每個課程添加一個具體的框架功能：

課程	新增功能	學習內容
s01	基礎代理迴圈 + Bash 工具	最小可用代理
s02	工具註冊與分發	新增任意工具
s03	權限系統	安全執行，審核
s04	鈎子系統	可擴充的工具前後邏輯
s05	Todo-Write（規劃）	模型驅動的任務規劃
s06	子代理隔離	子任務的獨立訊息上下文
s07	技能載入	按需注入知識
s08	上下文壓縮	保持令牌視窗在限制內
s09	記憶子系統	跨會話的持久化知識
s10	磁碟支援的任務圖	結構化、可恢復的工作清單
s11	後台任務	非阻塞的長時間執行命令
s12	定時排程器	基於時間的自動化
s13	代理團隊	多代理協調，任務認領
s14	MCP 插件	將外部能力作為工具插件
s15	結合框架	之前所有機制整合到一個迴圈中
s16	工作流執行時	儲存、可恢復的編排腳本
s17	目標迴圈	獨立評估器決定代理何時停止

每個課程皆提供可執行的小型 code.py 檔案，以及說明設計、展示實作並可視化流程的 README（英文、中文、日文）。

適合誰使用 –

• 框架工程師：已有 LLM API 存取權限，希望獲得建構代理的生產級模式者。
• 開發者：希望將 Claude（或任何相容 LLM）轉變為能讀寫檔案、執行 shell 命令、瀏覽網頁或呼叫自訂 API 的程式碼助理者。
• 研究人員：尋找「模型＋環境」範式清晰參考實作的人。

你能從倉儲中獲得什麼

• 一個完整、模組化的程式碼庫，可直接複製到自己的專案中。
• 清晰的責任分離：工具、權限、鈎子、記憶、任務排程與多代理協定皆為獨立模組。
• 代理能力來自模型本身，而非巧妙的提示鏈，有助於避免脆弱的「魯布·戈德堡」式代理陷阱。

總結 – Learn Claude Code 並非新 LLM，而是一套實用課程，教你建構任何 LLM 代理的載具，以 Claude 為參考模型。完成 17 個課程後，你應能組裝出一個功能完整的自主程式碼助理，或將這些模式應用於資料分析、網頁自動化、機器人等領域。

---

快速入門檢查清單

1. 取得 Anthropic Claude API 金鑰（或適配客戶端以支援其他支援工具呼叫的 LLM）。
2. git clone https://github.com/shareAI-lab/learn-claude-code.git
3. 安裝最小依賴（通常只需 anthropic 和標準程式庫）。
4. 執行 python s01_agent_loop/code.py，查看最簡單的迴圈如何運作。
5. 依序進入 s02_… 到 s17_… 資料夾，每次添加下一個機制。

---

以上所有細節均直接來自倉儲的 README；未推斷任何額外功能。