案例：shareAI-lab 用 20 个渐进阶段构建 Agent Harness
背景和目标
shareAI-lab 在 GitHub 上发布 learn-claude-code 教学仓库，目的是让读者从零看到 Agent Harness 形成的全过程，而不是只讲解 ReAct 或工具调用等概念。仓库以可运行的 Python 代码为载体，把"每增加一个机制后 Agent 能完成什么新任务"展示出来。
输入与条件
- Python 运行环境与依赖管理。
- Anthropic API Key（用于调用模型）。
- 终端基础与 Git 基本操作（含 worktree）。
- 学习目标：理解 Agent 内部机制与 Harness 工程化。
过程
- s01 起于"最小 Agent 循环"。
- 后续阶段依次加入：工具注册与 Bash、上下文压缩、计划与任务分解、子 Agent、Skills、MCP、团队协作（教学版 JSONL 邮箱）、Git worktree 隔离。
- 在综合章节把多个机制合并回同一可运行循环。
- 最后对照生产系统缺失的治理能力（权限、审计、恢复、凭证管理、错误隔离）做明示边界声明。
产物或结果
- 20 个阶段的渐进式 Python 代码示例。
- 一份明确区分"教学实现"与"Claude Code 官方源码"的 README。
- 读者可以按章节观察"增加一个机制后新增能力与复杂度"。
限制
- 仓库主动省略完整 Hook 总线、生产级权限治理、resume/fork 生命周期、完整 MCP 运行时。
- 团队协作使用的 JSONL 邮箱是教学协议，非生产通信标准。
- 不能据此推断 Claude Code 的内部源码或官方架构。
- API 费用与命令执行权限需要使用者自行控制。
相关教程和工具
来源