先导
在讨论代码之前，先把一件事说清楚。
Github 原文：shareAI-lab/learn-claude-code Agency 来自模型，Agent 产品 = 模型 + Harness 在讨论代码之前，先把一件事说清楚。 Agency -- 感知、推理、行动的能力 -- 来自模型训练，不是来自外部代码的编排。 但一个能干活的 agent 产品，...
欢迎阅读 Harness 学习笔记
内容来源于 Github，原文跳转： shareAI-lab/learn-claude-code
22 篇文章
Agent Loop — 一个循环就够了
⚡ "One loop & Bash is all you need" — 一个工具 + 一个循环 = 一个 Agent。
Github 原文：shareAI-lab/learn-claude-code Harness 层: 循环 — 模型与真实世界的第一道连接。 问题 你提出了一个问题给大模型：“帮我读取下我的目录下有哪些文件，并且执行XXX.py”。OK，模型能输出一条 bash 命令，但输出完了就停了，它不会自己跑，也不会看到...
Tool Use — 多加一个工具，只加一行
"加一个工具, 只加一个 handler" — 循环不用动, 新工具注册进 dispatch map 就行。
Github 原文：shareAI-lab/learn-claude-code 只有 bash 一个工具 我记得早在别的文章里我提到过，Claude code 最早其实是就是Claude 模型搭配一个 Bash 工具（文章是哪一篇我不记得了，哈哈哈）。但是，随着希望做的更加复杂，CC 现在早已经不是只有一个工具...
Permission — 执行前做权限判断
"工具执行前先做权限判断" — 权限管线决定哪些操作需要审批。
Github 原文：shareAI-lab/learn-claude-code 上一篇文章中，我们制作的 Agent 有 5 个工具。其中有一个工具——file tools 受 safe_path 保护，但 bash 不受限制。让它"清理一下项目"，可能执行 rm -rf /。 安全不能靠信任模型，要靠代码——...
Hooks — 挂在循环上，不写进循环里
"挂在循环上, 不写进循环里" — hook 在工具执行前后注入扩展逻辑。
Github 原文：shareAI-lab/learn-claude-code 问题 经过前三章，现在我们的 Agent 有权限检查了。但每次加一个新检查，比如"记录每次 bash 调用"、"操作后自动 git add"，都要修改 agent_loop 函数。 也就是说每次做 check permission，...
TodoWrite — 没有计划的 Agent，做着做着就偏了
"没有计划的 agent 走哪算哪" — 先列步骤再动手，长任务更不容易漏项。
Github 原文：shareAI-lab/learn-claude-code 问题 给 Agent 一个复杂任务："把所有 Python 文件改成 snake_case 命名，然后跑测试，修好失败。" Agent 开始干活，改了 3 个文件，跑了个测试，发现 2 个失败，开始修。修着修着，它忘了最初是"改成...
Subagent— 大任务拆小，每个拿到的都是干净上下文
"大任务拆小, 每个小任务干净的上下文" — Subagent 用独立 messages[], 不污染主对话。
Github 原文：shareAI-lab/learn-claude-code 问题 Agent 能计划了。但如果一个任务太大，比如"重构整个认证模块"，光靠 TODO 列表不够。这个任务本身就是几十个小任务的集合，放在同一个对话里会被上下文淹没。试想一下，Agent 在修一个 bug。它读了 30 个文件来追...
Skill Loading — 用到的时候才加载
用到时再加载, 别全塞 prompt 里" — 通过 tool_result 注入, 不塞 system prompt
Github 原文：shareAI-lab/learn-claude-code 在 Skill 介绍的部分，我们就介绍了渐进式披露，这里我们会详细的来讲讲。 问题 你的项目有一套 React 组件规范、一份 SQL 风格指南、一份 API 设计文档。你希望 Agent 自动遵守这些规范。最直接的想法，全塞进 s...
Context Compact — 上下文总会满，要有办法腾地方
"上下文总会满, 要有办法腾地方" — 四层压缩策略, 便宜的先跑贵的后跑。
Github 原文：shareAI-lab/learn-claude-code 问题 我们都知道，AI 的上下文窗口是有限的。 Agent 跑着跑着，不动了——手里有 bash、有 read、有 write，能力是够的。但它读了一个 1000 行的文件（~4000 token），又读了 30 个文件，跑了 20...
Memory — 压缩会丢细节，要有一层不丢的
"压缩会丢细节, 要有一层不丢的" — 文件仓库 + 索引 + 按需加载，跨压缩、跨会话。
Github 原文：shareAI-lab/learn-claude-code 问题 我们在上文介绍了如何压缩上下文，但是压缩是会丢失很多细节的。例如，"用 tab 缩进不要用空格"可能被简化成"用户有代码风格偏好"。而且新开一个会话，连摘要也没了。 LLM 没有持久状态，所有信息都在上下文窗口里。上下文满了要...
System Prompt — 运行时组装，不硬编码
"prompt 是组装出来的, 不是写死的" — 分段 + 按需拼接 + 缓存。
Github 原文：shareAI-lab/learn-claude-code 👳🏻♂️ 这个东西讲的有些靠后了，因为原来的文章是基于流程的添砖加瓦来写的，但这个作为一种基础内容，涉及到了前文中不少的基础知识。如果你有前文关于系统提示词的部分，可以跳转到这里。 问题 在相当长的时间里，我们都认为系统提示词...
Error Recovery — 错误不是结束，是重试的开始
"错误不是终点, 是重试的起点" — 升级 token、压缩上下文、切换模型。
Github 原文：shareAI-lab/learn-claude-code 问题 在之前的文章中，我们就提及了一个很重要的内容，就是 AI 参与的事情就有概率出错，就得准备好错误后该如何应对的机制。 特别是之前还只是一些偏旁模块报错，万一整个产品报错了怎么办？如果一个 agent 报错了、崩溃了，他没有重试...
Task system——目标太大，拆成小任务
"大目标拆成小任务, 排好序, 持久化" — 文件持久化的任务图, 多 agent 协作的基础。
Github 原文：shareAI-lab/learn-claude-code 在TodoWrite — 没有计划的 Agent，做着做着就偏了中我们就提及到，CC 不是单纯依靠一套 Todo 来实现任务清单的，有一个专门的 task system 来维护。久等了！也恭喜你来到了这里。 问题 试想一下，Agen...
Background Tasks — 慢操作放后台
"慢操作丢后台, agent 继续处理" — 后台线程跑命令, 完成后注入通知。
Github 原文：shareAI-lab/learn-claude-code 问题 还记得之前说过的异步和同步任务吗？当时我们类比过，你用洗衣机，把衣服扔进去，按下启动，然后去干别的——做饭、回消息、看论文。30 分钟后洗衣机"滴滴滴"提醒你：好了。你不会站在洗衣机前面干等 30 分钟；又或者我们现在让 AI...
Cron Scheduler — 按时间表生产工作
"按时间表生产工作, 调度与执行解耦" — cron 调度, 持久化或会话级。
Github 原文：shareAI-lab/learn-claude-code 如果你了解 Vibe coding 这个圈子，你就会知道这里面最多的产品就是日历、日程管理、todo 工具，虽然他们烂透了，但也说明时间管理和规划在所有人心里的重要性，AI 也是一样的，最好他也有个日程时间表来干活。 问题 闹钟不需...
Agent Teams — 一个搞不定，组队来
一个搞不定, 组队来" — 文件收件箱 + 队友线程。
Github 原文：shareAI-lab/learn-claude-code 问题 假如现在有个超级复杂的任务——重构整个后端"涉及认证模块、数据库层、API 路由、测试。 一个 Agent 在修 API 路由时，认证模块的细节已经不在上下文里了。上下文窗口就那么大，单个 Agent 的注意力覆盖不了所有模块...
Team Protocols — 队友之间要有约定
"队友之间要有约定" — request-response 模式驱动协商。
Github 原文：shareAI-lab/learn-claude-code 问题 上一篇文章我们介绍了团队 Agent，这样让 Agent 的队友能干活了，但可惜协调是松散的：Lead 发消息，队友回复，没有结构化的协议。两个场景暴露了问题： 关机：Lead 想让 Alice 关机。直接杀线程，Alice...
Autonomous Agents — 自己看板，自己认领
"自己看板，自己认领" — 空闲时轮询，有活就干。
Github 原文：shareAI-lab/learn-claude-code 现在这个 Agents 团队有了规范的办公模式，但是“习惯”可不太好——大家虽然听话，但是都是“摆烂打工人”，干完了之后就开摆，只要不找我我就没事干摸鱼，这可不行！ 问题 Agent 的队友能通信、能握手关机。但每个队友等 Lead...
Worktree Isolation — 各干各的，互不干扰
各干各的目录, 互不干扰" — 任务管目标, worktree 管目录, 按 ID 绑定。
Github 原文：shareAI-lab/learn-claude-code 如果你用过 codex 和 cc 的工作树，我想你已经知道这篇文章我们要讲什么了。 问题 之前的 Agent 任务中，Alice 和 Bob 都在同一个目录下工作。Alice 的任务是"重构认证模块"，Bob 的任务是"重构 UI...
MCP Tools — 外接工具，标准协议
"外接工具, 标准协议" — 发现、组装、调用，Agent 不需要知道工具是谁写的。
Github 原文：shareAI-lab/learn-claude-code 问题 在这一篇文章之前，Agent 的所有工具都是手写的——bash、read、write、task、worktree。每个工具的输入验证、执行逻辑、错误处理，都是你（AI）一行行写的。 现在你有 3 个外部服务想接入：公司的 Ji...
Comprehensive Agent — 全部机制，归到一个循环
"机制很多，循环一个" — 工具、权限、记忆、任务、团队、插件都挂在同一个 while True 上。
Github 原文：shareAI-lab/learn-claude-code 恭喜你学到了这里！现在你已经把前面 19 章的全部基础的内容学会了，感谢你的刻苦努力！ 问题 就像原文中说的，前面19 章每一章只加了一个模块，因为要考虑方便教学和学习，但不言而喻，一个真正的 Agent一定是这些全部都有的： 工具...
番外篇：心跳机制
除了 CC，龙虾也是 harness 必须级别的 agent，看完了 CC 的优秀内容，我们也可以看看 OpenClaw 的一个特色，那就是心跳机制。
Github 原文：shareAI-lab/learn-claude-code 什么是心跳机制 其实是一种定期发送信号以保持系统活跃和监控状态的机制。 心跳机制的作用 它的主要作用包括： 保证连接稳定：OpenClaw 与服务器或各个 Agent 之间保持通信，如果长时间没有消息传输，心跳信号可以让对方知道自己...
没有找到相关文章，请换一个关键词再试。