从Claude Code学习Agent开发
最近一直在重度使用 Claude Code，也一直被各种新名词轰炸：vibe coding、spec coding、agent、openclaw、harness 等等。刚好看到一个介绍 Claude Code 工程原理的教程，对Agent Engneer有了一些认识，记录总结一下。
教程地址：https://learn.shareai.run/en/
项目仓库：https://github.com/shareAI-lab/learn-claude-code
课程介绍
该课程包含12个递进式课程，从简单循环到隔离化的自治执行，每个课程添加一个 harness 机制，每个机制有一句格言，非常推荐大家去学习：
s01 One loop & Bash is all you need — 一个工具 + 一个循环 = 一个 Agent
s02 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
s03 没有计划的 agent 走哪算哪 — 先列步骤再动手, 完成率翻倍
s04 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
s05 用到什么知识, 临时加载什么知识 — 通过 tool_result 注入, 不塞 system prompt
s06 上下文总会满, 要有办法腾地方 — 三层压缩策略, 换来无限会话
s07 大目标要拆成小任务, 排好序, 记在磁盘上 — 文件持久化的任务图, 为多 agent 协作打基础
s08 慢操作丢后台, agent 继续想下一步 — 后台线程跑命令, 完成后注入通知
s09 任务太大一个人干不完, 要能分给队友 — 持久化队友 + 异步邮箱
s10 队友之间要有统一的沟通规矩 — 一个 request-response 模式驱动所有协商
s11 队友自己看看板, 有活就认领 — 不需要领导逐个分配, 自组织
s12 各干各的目录, 互不干扰 — 任务管目标, worktree 管目录, 按 ID 绑定
什么是Agent/Harness
如何开发适用于自己工作流的Agent/Harness
- 流程是怎样的
- 需要哪些特定的知识
- 其中需要用到哪些工具，这些工具适用的场景和使用说明
总结
- 设计参考人类开发过程 — 每个特性都是实际工作流会用的
- 节约 Token，按需加载 — skill 的两层 load 机制 + context 的压缩机制
- 新名词殊途同归 — prompt/harness/skill，皆是给 Agent 提供知识背景
- 典范案例 — Claude Code 是编码工作流与 AI 大模型结合的典范
Claude Code 与 AI 模型的关系
- Claude 模型：负责「思考」和「推理」，理解代码、分析任务、决定下一步
- Claude Code (agentic harness)：负责「赋能」和「执行」，提供工具接口、上下文管理、终端环境，让推理转化为实际操作
关系模式：Claude Code 相当于「外壳/操作系统」，Claude 模型是其中的「智能核心」。模型提出计划，Claude Code 通过工具和环境落实这些计划。
Agent 开发不过是将自身能力的一次实体化。如同那句话所说：大模型是放大器，自身能力决定了 Agent 的上限。这个时代对人的要求，反而更高了。只有人本身把工作流想清楚了，才有可以设计出高效合理的Agent流程。
当整个系统的短板是人的时候，再也没有借口可找。
参考：