2026年26.7K 标星！GitHub 高分教程 Learn Claude Code：12 节课带你手搓一个 Cursor！

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

现在混 AI Agent 圈子的，谁电脑上还没个 AI 编程助手呢？

很多人用 Claude Code 或 Cursor 写代码，觉得这些 AI 编程助手很神奇，能自动改文件、执行命令、甚至帮你 debug。

但如果你问一句"它到底是怎么工作的"，大部分人答不上来。

就像天天开车的人，不一定懂发动机原理。

但问题是，如果你不懂原理，你就只能是个"用户"。当 AI Agent 的能力边界在哪里、为什么有时候会抽风、怎么优化它的表现——这些你都无从判断。

最近我发现了 Learn Claude Code 这个开源项目，一个从零到一教你怎么搭一个类似 Claude Code 的 AI Agent 的教程。

在 GitHub 上的标星量已有 26.7K Star，连宝玉老师都赞不绝口。

更棒的是，它用 12 节课，每节课只加一个机制，每个机制都有可运行的 Python 代码。整个过程就像剥洋葱一样，一层一层地把 AI Agent 的核心原理展现在你面前。

什么是 Learn Claude Code？

Learn Claude Code 是 shareAI-lab 开源的一个教学项目，它的目标很简单：让你从根本上理解 AI 编程 Agent 是怎么工作的。

这个项目的核心洞察非常犀利：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。

整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。

12 节课就是这 12 层。

而且还配了一个交互式 Web 平台（learn-claude-agents.vercel.app），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。

核心亮点

Learn Claude Code 最吸引人的地方，就是它的学习路径设计。12 节课，每节课只解决一个问题，每节课都有一句核心 motto，整个过程逻辑清晰，循序渐进。

让我们看看这 12 节课是怎么安排的：

第一阶段：核心循环（前 2 节）

s01：The Agent Loop — "One loop & Bash is all you need"

这是一切的起点。在这节课里，你会看到一个最最基础的 Agent 循环，只有一个 while 循环加上工具调用的逻辑。就这么简单的一个循环，就是所有 AI Agent 的核心。

s02：Tool Use — "Adding a tool means adding one handler"

有了循环之后，我们需要让 Agent 能调用工具。这节课讲的就是怎么设计一个工具调度系统，新加工具只需要加一个 handler，循环本身完全不用改。

第二阶段：规划与知识（第 3-6 节）

s03：TodoWrite — "An agent without a plan drifts"

没有计划的 Agent 会跑偏。这节课加入了 TodoWrite 机制，让 Agent 在执行任务之前先列好计划，完成率直接翻倍。

s04：Subagents — "Break big tasks down; each subtask gets a clean context"

大任务要拆成小任务，每个子任务用独立的 messages[]，这样主对话就不会被污染。

s05：Skills — "Load knowledge when you need it, not upfront"

知识不用一开始就全塞进 system prompt，需要的时候通过 tool_result 注入进去就行。

s06：Context Compact — "Context will fill up; you need a way to make room"

上下文窗口是有限的，不压缩大项目根本跑不动。这节课讲的是三层压缩策略，让会话可以无限延续。

第三阶段：持久化（第 7-8 节）

s07：Tasks — "Break big goals into small tasks, order them, persist to disk"

把大目标拆成小任务，排好顺序，持久化到磁盘上。这是多 Agent 协作的基础。

s08：Background Tasks — "Run slow operations in the background; the agent keeps thinking"

慢操作放到后台跑，用守护线程执行，完成了发通知，Agent 继续思考别的事情。

第四阶段：多 Agent 协作（最后 4 节）

s09：Agent Teams — "When the task is too big for one, delegate to teammates"

任务太大一个人干不完？那就组队！持久化的队友加上异步邮箱，开始协作。

s10：Team Protocols — "Teammates need shared communication rules"

队友之间需要共同的通信规则。一个请求-响应模式驱动所有的协商。

s11：Autonomous Agents — "Teammates scan the board and claim tasks themselves"

不需要领导一个个分配任务，队友自己扫描看板，认领任务就行。

s12：Worktree + Task Isolation — "Each works in its own directory, no interference"

每个人在自己的目录里干活，互不干扰。任务管理目标，工作树管理目录，用 ID 绑定。

从一个人干活，到一个团队协作，复杂度是渐进的，但每一步都走得很扎实。

文档风格

Learn Claude Code 的文档风格也很值得一提。它不是上来就给你一堆代码，而是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。

这种教学方式真的很贴心。它不是让你死记硬背代码，而是让你真正理解每个机制解决了什么问题，为什么要这么设计。

比如，在讲 Agent Loop 的时候，它先给你画了一张 ASCII 图：

User –> messages[] –> LLM –> response

 | stop_reason == "tool_use"? / yes no | | execute tools return text append results loop back -----------------> messages[]

然后再给你看核心代码：

def agent_loop(messages): while True: response = client.messages.create( model=MODEL, system=SYSTEM, messages=messages, tools=TOOLS, ) messages.append({"role": "assistant", "content": response.content}) if response.stop_reason != "tool_use": return results = [] for block in response.content: if block.type == "tool_use": output = TOOL_HANDLERS[block.name](block.input) results.append({ "type": "tool_result", "tool_use_id": block.id, "content": output, }) messages.append({"role": "user", "content": results})

这种先理解再动手的方式，学习效果真的好很多。

快速上手

说了这么多，不如亲自跑起来试试。Learn Claude Code 的安装和使用非常简单。

首先，克隆项目：

git clone https://github.com/shareAI-lab/learn-claude-code

cd learn-claude-code

然后安装依赖：

pip install -r requirements.txt

配置 API Key：

cp .env.example .env 编辑 .env 文件，填入你的 ANTHROPIC_API_KEY

现在你就可以开始学习了！建议从 s01 开始：

python agents/s01_agent_loop.py

然后逐步推进到 s12：

python agents/s12_worktree_task_isolation.py

如果你想看完整版，可以直接运行：

python agents/s_full.py

如果你想体验交互式 Web 平台，也可以：

cd web npm install npm run dev

然后打开浏览器访问 http://localhost:3000 就可以了。

从理解到落地

学完这 12 节课之后，你对 AI Agent 的工作原理已经了如指掌了。接下来怎么把这些知识用起来呢？

项目作者还提供了两个后续项目：

Kode Agent CLI — 开源编程助手 CLI

npm i -g @shareai-lab/kode

这是一个开箱即用的开源编程助手 CLI，支持技能和 LSP，Windows 可用，可以接入 GLM、MiniMax、DeepSeek 等开源模型。

Kode Agent SDK — 在你的应用中嵌入 Agent 能力

官方的 Claude Code Agent SDK 是在底层跟一个完整的 CLI 进程通信的，每个并发用户都需要一个独立的终端进程。而 Kode SDK 是一个独立的库，没有每个用户一个进程的开销，可以嵌入到后端、浏览器扩展、嵌入式设备或者任何运行时中。

写在最后

对想搞懂 AI Agent 内部原理的开发者来说，Learn Claude Code 可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。

学完之后再去看 Claude Code 或者任何 Agent 框架的源码，你会发现都和这个教程介绍的差不多。

那种"黑盒子"的感觉会消失，取而代之的是一种"原来如此"的通透感。

AI 编程助手确实很好用，但作为开发者，我们不应该只满足于用它们。了解它们是怎么工作的，不仅能让我们更好地使用它们，还能让我们有能力去创造它们。

而 Learn Claude Code，就是帮你打开这扇门的钥匙。

GitHub：

https://github.com/shareAI-lab/learn-claude-code

如果本文对您有帮助，也请帮忙点个赞👍 + 在看哈！❤️

在看你就赞赞我！