不依赖 LangChain / LangGraph 等框架，用 Python 独立实现 Coding Agent 的 11 个核心模块，每个模块配套设计分析文档：
Agent Loop → Tool Use → System Prompt → CLI & Session → Streaming
→ Permissions → Context Engineering → Memory → Skills → Plan Mode → Sub-Agent
每个模块回答四件事：
- 生产级 Coding Agent 为什么需要这一层：缺少它时，长任务会在哪里失效？
- 消息怎么流动：模型、Harness 和工具之间的数据流。
- 最小可运行实现：先跑通核心路径，再理解生产级复杂度。
- 设计决策对比：Claude Code / Kimi Code / Codex 在这一层的架构差异。
| # | 模块 | 核心机制 | 状态 |
|---|---|---|---|
| 01 | Agent Loop | 多轮对话、消息历史、thinking block 过滤 | ✅ |
| 02 | Tool Use | 工具调用、结果回传、两层 Agent Loop | ✅ |
| 03 | System Prompt | 静态规则、运行时上下文、CLAUDE.md 项目指令 |
✅ |
| 04 | CLI & Session | async Agent、REPL 命令、会话保存与恢复 | ✅ |
| 05 | Streaming | 流式输出、spinner、transient error 重试 | ✅ |
| 06 | Permissions | 危险命令检测、用户确认、会话内白名单 | ✅ |
| 07 | Context Engineering | 4 层分级压缩：截断 → Budget → 去重 → LLM 摘要 | ✅ |
| 08 | Memory | 文件系统记忆、MEMORY.md 索引、跨会话持久化 |
✅ |
| 09 | Skills | 技能发现、system prompt 注入、斜杠命令 | ✅ |
| 10 | Plan Mode | 只读探索、active plan 文件、权限拦截 | ✅ |
| 11 | Sub-Agent | 受限工具集、输出 buffer、父子上下文隔离 | ✅ |
| 12 | MCP | 外部工具服务器连接 | 计划中 |
- 11,000+ 行实现代码（11 个模块，逐章独立可运行）
- 7,500+ 行设计分析文档
- 13 个版本 tag，每个模块一个可回溯的里程碑
代码使用 Anthropic Python SDK，通过 DeepSeek 的 Anthropic 兼容接口即可运行，无需购买 Claude API。
git clone https://github.com/Xiaxia1997/mini-claude-code-python.git
cd mini-claude-code-python
python3.12 -m venv .venv
source .venv/bin/activate
pip install -e .
export DEEPSEEK_API_KEY="your-api-key"
cd examples/chapter-11
python agent.pyImportant
代码通过环境变量读取 API Key，不要把真实密钥写进代码或 Git 历史。
- 正在使用 Claude Code / Kimi Code / Cursor，想理解底层机制的开发者
- 想从零搭建 Coding Agent，不想被框架抽象淹没的人
- 准备 AI Agent 相关岗位面试，需要深入理解 Agent Loop / Tool Use / Context Engineering 的求职者
本项目的学习路径受到 claude-code-from-scratch 启发。在实践过程中重新组织了讲解结构，并加入了独立的设计分析和跨工具对比。感谢 @Windy3f3f3f3f 及原项目贡献者的开源工作。