企业官网建设流程全解析

如果你也想弄懂 Claude Code 这类 Coding Agent 到底是怎么工作的，这个仓库也许能帮你少走一些弯路。

项目地址：https://github.com/peijiping/learn-claude-code-langchain

一、为什么做这个项目

很多 Agent 教程为了把知识点讲清楚，会把 Agent Loop、工具调用、Todo、记忆、子智能体、多智能体协作等能力拆成独立章节。这样很适合学习，但真正想动手做项目时，经常会遇到一个问题：单个示例都懂，放到一起却不知道怎么组成一个完整 Agent。

这个仓库就是为了解决这个“最后一公里”。我沿着 learn-claude-code 的 v1 → v2 路线学习，同时把分散能力重新组合成一套可以直接运行、继续扩展的完整智能体。

二、它和原教程有什么不同？

原教程：把知识点拆开讲，每节独立，方便理解单个机制。
我的实现：把能力组合成完整功能集合体，使用统一主入口，让各模块协同运行，更像一个真正可交互、可扩展的 Agent。

原教程使用原生 Anthropic SDK；我的主实现使用原生 OpenAI SDK。仓库名里还保留着“langchain”，这是早期实现留下的痕迹；当前主实现已经去掉 LangChain 依赖，直接处理 tool_calls，希望把模型调用、工具回传和上下文管理真正弄明白。

三、已经整合了哪些能力？

当前主入口是 agents/agent_full_v2.py，已经串起：

• Agent Loop 与原生 Tool Calling
• Bash、文件读写、编辑、PDF 等工具集
• TodoWrite 与文件式 Task System
• 子智能体与工具权限控制
• Skill 按需加载
• 三层上下文压缩
• 会话新建、切换与 JSONL 持久化
• 后台任务、通知队列与并行工具执行
• 多智能体队友、消息邮箱与 idle 自循环
• Reasoning 模型兼容
• Tool 驱动的记忆写入与遗忘

这些能力不是放在一堆互不相干的小 Demo 里，而是围绕同一个 Agent 主入口协同工作。核心仍然是最朴素的循环：模型思考 → 发起工具调用 → 执行工具 → 回传结果 → 继续思考。其余能力，都是围绕这个 loop 一层层加上去的 Harness。

四、快速运行

pip install -r requirements.txt
cp .env.example .env
配置 OPENAI_MODEL_ID / OPENAI_API_KEY / OPENAI_BASE_URL
python agents/agent_full_v2.py

启动后可以直接与 Agent 对话，也可以使用 /tasks 查看任务看板、/compact 压缩上下文、/newsession 新建会话。

仓库同时保留了原教程 v1、v2 的代码和中文学习笔记，方便一边看“知识点怎么拆”，一边对照“完整 Agent 怎么组”。里面还留有我用这个 Agent 跑过的实际任务记录，例如论文综述生成、病历结构化提取等。

五、适合谁？

• 想从零理解 Coding Agent / Agent Harness 的开发者
• 学过 Tool Calling，但不知道如何整合记忆、任务和协作的人
• 想对照 Anthropic SDK 与 OpenAI SDK 实现差异的人
• 不满足于跑 Demo，想自己组装一套完整 Agent 的人

项目仍在持续完善，接下来会继续接入 MCP、补齐 Hooks 轨迹采集，并尝试用 State Graph 验证图编排与 while loop 两种范式。

如果这个仓库对你有一点帮助，欢迎去 GitHub 看看。觉得不错的话，记得顺手点个 Star ⭐，哈哈，这会给我很大的更新动力！

GitHub：https://github.com/peijiping/learn-claude-code-langchain