mirror of
https://github.com/shareAI-lab/analysis_claude_code.git
synced 2026-02-04 13:16:37 +08:00
85f44c358a
- Remove all reverse-engineered Claude Code source code - Replace with 100% original educational content from mini-claude-code - Add clear disclaimer: independent project, not affiliated with Anthropic - 5 progressive agent implementations (v0-v4, ~1100 lines total) - Include agent-builder skill for teaching agent construction - Bilingual documentation (EN + ZH) This repository now focuses purely on teaching how modern AI agents work through original, from-scratch implementations. Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
140 lines
3.8 KiB
Markdown
140 lines
3.8 KiB
Markdown
# v1: 模型即代理
|
||
|
||
**~200 行代码，4 个工具，所有编程 Agent 的本质。**
|
||
|
||
Claude Code 的秘密？**没有秘密。**
|
||
|
||
剥去 CLI 外观、进度条、权限系统，剩下的出奇简单：一个让模型持续调用工具直到任务完成的循环。
|
||
|
||
## 核心洞察
|
||
|
||
传统助手：
|
||
```
|
||
用户 -> 模型 -> 文本回复
|
||
```
|
||
|
||
Agent 系统：
|
||
```
|
||
用户 -> 模型 -> [工具 -> 结果]* -> 回复
|
||
^_________|
|
||
```
|
||
|
||
星号很重要。模型**反复**调用工具，直到它决定任务完成。这将聊天机器人转变为自主代理。
|
||
|
||
**核心洞察**：模型是决策者，代码只提供工具并运行循环。
|
||
|
||
## 四个核心工具
|
||
|
||
Claude Code 有约 20 个工具，但 4 个覆盖 90% 的场景：
|
||
|
||
| 工具 | 用途 | 示例 |
|
||
|------|------|------|
|
||
| `bash` | 运行命令 | `npm install`, `git status` |
|
||
| `read_file` | 读取内容 | 查看 `src/index.ts` |
|
||
| `write_file` | 创建/覆盖 | 创建 `README.md` |
|
||
| `edit_file` | 精确修改 | 替换一个函数 |
|
||
|
||
有了这 4 个工具，模型可以：
|
||
- 探索代码库（`bash: find, grep, ls`）
|
||
- 理解代码（`read_file`）
|
||
- 做出修改（`write_file`, `edit_file`）
|
||
- 运行任何东西（`bash: python, npm, make`）
|
||
|
||
## Agent 循环
|
||
|
||
整个 Agent 在一个函数里：
|
||
|
||
```python
|
||
def agent_loop(messages):
|
||
while True:
|
||
# 1. 询问模型
|
||
response = client.messages.create(
|
||
model=MODEL, system=SYSTEM,
|
||
messages=messages, tools=TOOLS
|
||
)
|
||
|
||
# 2. 打印文本输出
|
||
for block in response.content:
|
||
if hasattr(block, "text"):
|
||
print(block.text)
|
||
|
||
# 3. 如果没有工具调用，完成
|
||
if response.stop_reason != "tool_use":
|
||
return messages
|
||
|
||
# 4. 执行工具，继续循环
|
||
results = []
|
||
for tc in response.tool_calls:
|
||
output = execute_tool(tc.name, tc.input)
|
||
results.append({"type": "tool_result", "tool_use_id": tc.id, "content": output})
|
||
|
||
messages.append({"role": "assistant", "content": response.content})
|
||
messages.append({"role": "user", "content": results})
|
||
```
|
||
|
||
**为什么这能工作：**
|
||
1. 模型控制循环（持续调用工具直到 `stop_reason != "tool_use"`）
|
||
2. 结果成为上下文（作为 "user" 消息反馈）
|
||
3. 记忆自动累积（messages 列表保存历史）
|
||
|
||
## 系统提示词
|
||
|
||
唯一需要的"配置"：
|
||
|
||
```python
|
||
SYSTEM = f"""You are a coding agent at {WORKDIR}.
|
||
|
||
Loop: think briefly -> use tools -> report results.
|
||
|
||
Rules:
|
||
- Prefer tools over prose. Act, don't just explain.
|
||
- Never invent file paths. Use ls/find first if unsure.
|
||
- Make minimal changes. Don't over-engineer.
|
||
- After finishing, summarize what changed."""
|
||
```
|
||
|
||
没有复杂逻辑，只有清晰的指令。
|
||
|
||
## 为什么这个设计有效
|
||
|
||
**1. 简单**
|
||
没有状态机，没有规划模块，没有框架。
|
||
|
||
**2. 模型负责思考**
|
||
模型决定用哪些工具、什么顺序、何时停止。
|
||
|
||
**3. 透明**
|
||
每个工具调用可见，每个结果在对话中。
|
||
|
||
**4. 可扩展**
|
||
添加工具 = 一个函数 + 一个 JSON schema。
|
||
|
||
## 缺少什么
|
||
|
||
| 特性 | 为什么省略 | 添加于 |
|
||
|------|-----------|--------|
|
||
| 待办追踪 | 非必需 | v2 |
|
||
| 子代理 | 复杂度 | v3 |
|
||
| 权限 | 学习目的信任模型 | 生产版 |
|
||
|
||
关键点：**核心是微小的**，其他都是精化。
|
||
|
||
## 更大的图景
|
||
|
||
Claude Code、Cursor Agent、Codex CLI、Devin——都共享这个模式：
|
||
|
||
```python
|
||
while not done:
|
||
response = model(conversation, tools)
|
||
results = execute(response.tool_calls)
|
||
conversation.append(results)
|
||
```
|
||
|
||
差异在于工具、显示、安全性。但本质始终是：**给模型工具，让它工作**。
|
||
|
||
---
|
||
|
||
**模型即代理。这就是全部秘密。**
|
||
|
||
[← 返回 README](../README_zh.md) | [下一篇: v2 →](./v2-结构化规划.md)
|