Claude Code 从零实现
用约5000行代码从零手写Claude Code核心，13章分步教程带你理解Coding Agent的运作原理。
证据显示有权限模式（5种模式+声明式规则+危险命令检测），但未提供最小权限原则的详细说明；有用户确认机制（--dont-ask、--accept-edits等），但未明确所有危险操作都需确认；数据流透明度不足，未说明API密钥和对话数据的流向；敏感数据处理未明确；依赖安全未审计；外部影响有控制（预算限制、轮次限制），但未说明回滚机制；来源归属有贡献者列表和声明，但未验证。
自一致性较好，README与代码结构一致，有测试覆盖；依赖可用性有package.json和Python依赖说明，但未验证；失败消息有错误恢复机制（指数退避重试），但未详细说明。
受众明确（学习Claude Code的开发者），场景清晰（分步教程）；能力边界有对比表；触发精度有CLI参数和REPL命令；环境适配有跨平台说明。
信息架构清晰（目录结构、架构图）；安装说明详细；命名稳定（mini-claude等）；有示例和FAQ（教程）；已知限制有对比表；许可证MIT；版本号有package.json，但无CHANGELOG；维护责任有贡献者列表。
输出可用性高（教程+可运行代码）；边际价值高（学习项目）；成本效益好（无需API key即可运行）。
声明可追溯（教程与代码对应）；跨来源佐证（TS和Python版本）；事实与推断分离（声明不保证与Claude Code一致）。
- 未验证依赖安全性，建议审计依赖。
- 数据流透明度不足，需明确API密钥和对话数据的处理方式。
- 回滚机制未说明，建议补充。
这个 Agent 能做什么，适合哪些场景？
这是一个学习型项目，用约5000行TypeScript或Python从零复现Claude Code的核心架构，而非完整替代品。项目包含13章分步教程，涵盖Agent Loop、13个工具（含并行执行与流式早期启动）、4层上下文压缩、语义记忆召回、技能系统、多Agent协作和MCP集成。每章代码均可独立运行，无需API key，通过本地mock模型驱动，『--diff』可查看章节间新增代码。项目提供TypeScript和Python两个功能一致的版本，支持Anthropic和OpenAI兼容API后端，并包含详细的架构对照和与Claude Code的功能对比。
该项目提供了一套从零构建Coding Agent的完整实现与教程。核心是Agent Loop：循环调用LLM、执行工具、处理结果直至任务完成。实现包括13个工具（如文件读写、Shell、WebFetch、ToolSearch等），支持只读工具并行执行和流式输出。包含4层上下文压缩、5种权限模式、4类记忆系统（语义召回+异步预取）、技能系统（inline/fork双模式）、Sub-Agent多Agent架构和MCP客户端。提供交互式REPL命令行界面，支持会话持久化、预算控制（--max-cost、--max-turns）、跨平台Shell自动检测和错误重试。每章配有可运行的最小实现，通过node steps/run.mjs <N>命令即可演示，无需真实API。
- 开发者想深入理解Claude Code的工作机制，但面对50万行源码无从下手，希望通过分步教程从零实现核心架构。
- 学习者希望动手实践Coding Agent，通过可运行的最小代码快速验证概念，而不需要配置API key。
- 技术讲师或博主需要一份结构清晰、可复现的教学材料，用于讲解Agent Loop、工具系统、上下文管理等主题。
- 开发者想在自己的项目中集成一个轻量级的Coding Agent核心，可作为参考实现或基础进行二次开发。
- 对多Agent协作、MCP集成等进阶功能感兴趣的研究者，参考该项目中的实现方式。
这个 Agent 有哪些优点和局限？
- 每章代码可运行且无需API key，通过本地mock模型驱动，便于学习和调试。
- 提供TypeScript和Python两种版本，满足不同语言偏好。
- 详细的架构对照表，清晰展示与Claude Code的功能差异。
- 教学性质，功能完整性和稳健性不如生产级Claude Code。
- 默认模型
claude-opus-4-6可能需配置有效API密钥，且未内置模型降级策略。 - 上下文压缩等高级功能为简化实现，可能与原版行为存在差异。
如何安装或部署这个 Agent？
克隆仓库并安装依赖：git clone https://github.com/Windy3f3f3f3f/claude-code-from-scratch.git，然后cd claude-code-from-scratch，执行npm install && npm run build。Python版需要Python 3.11+，进入python目录，执行pip install -e .。配置API：设置环境变量ANTHROPIC_API_KEY（Anthropic格式）或OPENAI_API_KEY和OPENAI_BASE_URL（OpenAI兼容格式）。
如何使用这个 Agent？
运行TypeScript版：npm start进入交互式REPL模式，支持--resume恢复会话、--yolo跳过安全确认、--plan计划模式、--max-cost费用限制等参数。Python版使用mini-claude-py命令进入REPL。会话中支持/clear、/cost、/compact、/memory、/skills等命令。运行教程章节：node steps/run.mjs <N>，其中N为章节号，可加--diff查看代码差异，--py切换到Python版，--live连接真实模型。
这个 Agent 与同类方案有什么区别？
与Claude Code相比，本项目定位为学习最小实现，工具数量仅13个（Claude Code有66+），代码量约5000行（Claude Code超50万），权限系统简化（5模式对比7层+AST），多Agent仅支持Sub-Agent（对比Coordinator+Swarm）。
常见问题
运行教程章节需要API key吗？
--live标志可连接真实API。支持哪些模型后端？
项目是否与Anthropic官方相关？
如何自定义模型？
MINI_CLAUDE_MODEL或命令行参数--model指定（命令行优先级更高）。是否有Python版本？
mini-claude-py命令。