凌晨两点多，我在 GitHub 上刷到一个仓库。

shareAI-lab/learn-claude-code 。 69,800 多个 Star 。

我盯着屏幕看了大概十秒钟。一个教你理解 Claude Code 源码的教程，星标数比很多商业产品的仓库还高——9,300 多个 fork ， MIT 开源，中英日三语都有。

这说明什么？

太多人想搞懂 AI 编程到底是怎么工作的，但不知道从哪开始。

我自己看了前三章。第一反应不是"学到了"，是"原来就这么简单"。这个教程干的不是知识搬运，是逆向拆解——把 Claude Code 1729 行的核心源码拆成 30 行伪代码，然后一章一章往上加机制。

对，就是那种你看了会觉得"这不就是个 while True 吗"的爽感。

下面我把 20 节课拆成四个阶段，每阶段告诉你学什么、能获得什么。

零基础也能跟——

嗯，条件是你会一点 Python 。不需要多，能看懂 if 和 for 就够了。

阶段一：基础篇——给 AI 装上手脚

s01 到 s05 ，五节课。加起来 885 行代码。

s01 Agent Loop （ 102 行）：用 30 行 Python 写一个 while True 循环。模型说"我要用工具"→ 你帮它跑 → 结果喂回去 → 它继续想。停了？那就不循环了。

就这么简单。

我一开始也觉得这也太简单了。但你细想，所有 AI 编程工具——Claude Code 、 Cursor 、 Cursor 背后那个 agent 模式——核心都是这个循环。 1729 行的 query.ts 扒开来看，本质就是这 30 行。

s02 Tool Use （ 135 行）：从"只有一个 bash 工具"升级到 5 个真正可用的工具。读文件不再用 cat ，有专门的 read_file 。写文件不再用 echo ，有 write_file 。

给模型工具的时候有个微妙的地方——它会自己做决策："我先读哪个文件？改哪个？要不要同时改两个？"这不是你的代码教的，是模型自己推理出来的。

就像打游戏解锁了新技能——你不用教它怎么连招，技能栏到手它自己会组合。

s03 Permission （ 180 行）：危险操作要过你审批。不然你说"帮我重构这个项目"， AI 就直接删文件了。这章加了一层——AI 想做危险的事，弹出来问你"确认吗？"

一个在阿里干了八年的朋友跟我说过一句话：他们团队用 AI 写代码时，最怕的不是 AI 写错了，是 AI 写对了但做了你不让它做的事。

s04 Hooks （ 232 行）：翻译成人话：你把安全检查和日志记录挂在循环外面，每条消息进出的时候自动触发。代码结构干净很多。

s05 TodoWrite （ 236 行）：给 AI 一个记事本。这听起来不起眼——谁需要教 AI 列计划？

实际上非常需要。 AI 做长任务的时候经常跑偏——"我要重构三个文件，然后写测试，然后更新文档"——改完第一个文件，后面全忘了。 TodoWrite 就是让它自己写下来、自己勾掉、你看得见进度。

阶段二：记忆篇——AI 不能每次都从头聊

s06 到 s10 。这五章解决一个经典痛点：聊着聊着 AI 就失忆了。

s06 Subagent （ 304 行）：大任务拆成小任务，每个小任务起一个独立的子 AI 。主 AI 不受子任务的历史消息污染。

这个设计放在今天看很自然。但在 Claude Code 源码里它是个转折——那之前大家都试图在一个对话窗口里塞下所有东西。一个 200K 的窗口，塞满只需要一小时。

s07 Skill Loading （ 335 行）：不是把所有技能说明书一股脑塞进 system prompt ，而是"用到的时候再加载"。

就像高考前的复习资料。你不能把六门课的知识点全贴在桌面上——你只需要当前这一门。用完了收起来，换下一门。

s08 Context Compact （ 414 行）：对话太长怎么办？压缩。但压缩不是简单删，是"总结前面的关键信息，扔掉冗余的对话"。

这章有点硬核。我建议看两遍——第一遍理解为什么要压缩，第二遍理解怎么压缩。不用急着搞懂每一行代码。

s09 Memory （ 528 行）：有些东西压缩了也不能丢——你是谁、你偏好什么风格、这个项目之前做过什么决策。 Memory 就是把这些跨会话的信息单独存下来。

s10 System Prompt （ 166 行）：超短，但重要。它告诉你 system prompt 不是一个固定文本——它是由策略列表、工具清单、技能说明、记忆摘要动态拼出来的。拼完的结果决定了 AI 的"人格"和"能力边界"。

五节课下来，你会明白为什么 Claude Code 聊了三个小时还能记得一小时前的决定。

不是魔法。

是工程。

阶段三：韧性篇——出 bug 的时候， AI 怎么救自己

s11 到 s14 。老实说，这四章是我觉得最"值"的部分。不是因为代码多——是因为它解决的是真问题。

s11 Error Recovery （ 287 行）：模型吐了一个非法 JSON 、工具执行超时、 token 超限……每种情况对应一种恢复策略。

不是"出错了重试一下"那种粗糙的处理。是分类——token 超限→ 扩容重试；工具调用格式错了→ 修正后重试；模型直接崩溃了→ 换个模型试试。每种场景都有一条恢复路径。

s12 Task System （ 297 行）：把"帮我做个网站"这种模糊指令，拆成一棵任务树。每个节点有状态、有依赖、有负责人。

我自己的感受： 90% 的人用不好 AI 编程，不是因为 AI 不够强，是因为他们提的问题太模糊。"帮我做个网站"和"帮我写一个登录页，要手机号+验证码登录，支持微信一键授权，密码不能少于 8 位"——后者才是 AI 能跑起来的指令。前者是在许愿。

s13 Background Tasks （ 379 行）： AI 可以一边写代码一边跑测试。后台任务独立执行，完成了通知主 AI 。

s14 Cron Scheduler （ 645 行）：让 AI 记住"每天早上 9 点帮我跑这个脚本"。这不是让模型自己设闹钟——模型做不到——而是让 harness 层接管定时逻辑。

s13 和 s14 我第一遍没完全看懂。

没关系。

这个教程的设计就是"先看懂核心循环，再往上一层一层加"。看不懂的先跳，以后回来补。

阶段四：团队篇——多个 AI 一起干活

s15 到 s20 。这是最"生产级"的部分，代码量也最大。

s15 Agent Teams （ 745 行）：多个 AI 同时工作，各自独立上下文，通过消息通信。

s16 Team Protocols （ 709 行）：团队间发消息不是随便发——有协议：谁给谁发、发什么格式、有冲突时谁来仲裁。

s17 Autonomous Agents （ 648 行）： AI 不只是被动接受任务——它能自己扫描任务列表、认领、执行、汇报。

s18 Worktree Isolation （ 802 行）：多个 AI 同时写代码，各自有独立的文件系统副本，再合并。跟你用 Git 分支一样。不然两个 AI 同时改同一个文件，直接冲突。

s19 MCP Tools （ 835 行）：外部服务通过标准协议接入，变成 AI 可以调用的工具。数据库、搜索引擎、日历——只要能标准化成 MCP 协议，就能被 AI 用。

s20 Comprehensive Agent （ 1708 行）：把所有东西串在一起。 1708 行代码——但此时你已经能看懂每一行是干什么的了。因为你是从 30 行的 core loop 一层一层看过来的。

---

30 天怎么啃

不搞"每天 2 小时"那种计划。那种计划写出来就是为了让人放弃的。

给一份真正能执行的最小节奏：

第 1-5 天： s01-s05 。每天一章，别跳。 s01 那 30 行代码自己敲一遍——敲完你就知道一个 agent 是怎么活起来的了。

第 6-8 天： s06-s08 。 s08 压缩策略建议读两遍，第一遍理解为什么，第二遍理解怎么做。

第 9-10 天： s09-s10 。短，但 system prompt 那章值得细读。

第 11-14 天： s11-s14 。这四天最累， s13 和 s14 第一遍一定会有看不懂的地方——标记下来就行。

第 15-18 天： s15-s18 。进入多 Agent 世界，代码量明显上去了。

第 19-20 天： s19-s20 。收尾整合。

第 21-30 天：这里才是关键。回头把一到四阶段串一遍，然后用 s01 那 30 行代码做起点——自己动手加 tool use 、加 permission 、加 todo write 。不用写得像教程那么完整，能跑就行。

这 30 天结束之后，你对 AI 编程的理解会从"会用工具"变成"理解原理"。

值不值？不太确定。但我知道一件事——如果不搞懂这个循环，我每次用 Claude Code 都在用一个我不知道怎么工作的东西。

这种感觉不太对。