learn-claude-code — Build an Agent Harness

简介

learn-claude-code 已核验来源于 shareAI-lab/learn-claude-code（59,755 stars，许可证 MIT）。适合：在做 agent 产品、需要“可运行的参考实现”而不是泛泛文章的工程师。兼容：Python + pip；可选 web UI（npm）用于可视化与文档浏览。装机时间：12 分钟。

量化信息

• 多阶段可运行脚本（s01→s12，仓库）
• 装机约 12 分钟

深度说明

解决什么问题

把“找到项目 → 安装 → 首次验证 → 回滚/升级”变成可复用流程，避免只靠一次性提示词或截图操作。

最小心智模型

• GitHub 仓库是事实来源：安装、配置、升级、已知问题都以它为准。
• 第一次只做最小闭环：一个命令安装、一个命令验证、一个可回滚方案。
• 记录基线：装机耗时、首次成功输出、完成 1 个真实任务的证据。

安全推广清单

1. 核验来源：确认仓库 URL / stars / license 与预期一致。
2. 按“快速使用”完成安装与首次检查。
3. 跑通“验证命令”，把输出留档。
4. 标注 owner，并写清升级/回滚步骤。

常见排障

• 装了但看不到效果

  • 常见原因：需要重启 CLI/IDE 或配置文件路径不对。
  • 处理：重启后再跑一遍“验证命令”。

• 一台机器能跑，另一台不行

  • 常见原因：Node/Python/Docker 版本差异或缺少系统依赖。
  • 处理：固定版本，并拷贝最小可用配置。

• token 成本/延迟超预期

  • 常见原因：工具 schema 或输出过长被塞进上下文。
  • 处理：拆小步骤、缓存结果、尽量让工具输出更短。

FAQ

Q: 这是生产级实现吗？ A: README 明确它是教学仓库；用来理解机制，再把你需要的部分做权限、观测和错误处理加固。

Q: 先跑哪个最合适？ A: 从 s01 看最小 loop，再逐步跑到后面的 worktree、teams 与 persistence 章节。

Q: 怎么更安全地实验？ A: 用独立额度的 API key，并在 sandbox/一次性项目里跑，避免污染真实仓库。