项目地址：Learn Claude Code
Learn Claude Code的作者认为，现在很多的Agent都是伪Agent，都是使用代码编排好了流程。
真的Agent应该将决策权交给大模型，而不是在代码中写死。模型就是Agent，代码只是起到Harness的作用。
Learn Claude Code就是教你怎么搭建Harness代码，由s01-s12来演示。
Learn Claude Code给出Agent就是一个Loop。用户发来请求，由大模型判断是否要调用外部工具，如果需要则调用工具，然后返回结果给大模型，最后由大模型判断下一步要做什么。
所有复杂的机制都叠加在这个永远不变的Loop上，代码作为Harness只做三件事：跑循环，执行工具，像大模型返回结果。
Loop痛点
这个Loop也不是没有问题的，主要有下面四个痛点：
1.Context Fade 失忆
大模型在执行多步任务的时候，很可能会丢失进度，造成重复执行已经执行过的任务，跳步，跑偏等等。这个时候上下文会越来越长，系统提示的能力被稀释。（s03、s07）
解决方式：TodoWrite约束
强迫大模型写下计划，同时也要设定约束规则：最多20项，仅1个in_process，连续3轮未更新系统自动提醒。
大模型生成的任务列表要有结构，包括当前任务的状态，依赖哪些前置文件。要想执行一个任务，这个任务必须是pending状态，并且blockedBy为空。
class TaskManager: def __init__(self, tasks_dir: Path): self.dir = tasks_dir self.dir.mkdir(exist_ok=True) self._next_id = self._max_id() + 1 def create(self, subject, description=""): task = {"id": self._next_id, "subject": subject, "status": "pending", "blockedBy": [], "owner": ""} self._save(task) self._next_id += 1 return json.dumps(task, indent=2)2.Context Pollution 探索垃圾
比如一个用户问了一个问题：这个项目的架构是什么。此时父agent上下文已经有一部分了，如果此时再去分析这个问题，可能会导致上下文不纯净，上下文过长。（s04）
解决方式：Subagent隔离
主进程写代码，子进程读文件探索。完全隔离，保护主进程认知清晰度。
关于这个子task，其实也是一个工具，大模型判断是否需要调用这个工具。
3.知识瓶颈
比如我们想要大模型按照某个特定的工作流来执行某个任务，但是其本身其实不知道怎么执行，因此我们就会给他一个提示，这个提示其实就是skill。（s05）
但是如果我们的skill比较多怎么办，比如有100个，难道要全部加载进去吗？其实不用。
解决方式：Skills渐进式加载
100个预置Skill，按需加载。我们可以写一个总的skill预览表，像目录一样，需要哪个再按需加载即可。
4.上下文爆表
上下文窗口是有限的，因为我们的上下文是不能无限增长的，需要进行压缩提炼。（s06）
解决方式：三层压缩防御
Micro（旧工具结果变占位符）-> Auto（超50K自动摘要）->Manual（主动调用 compact）。
完整的历史上下文保存至硬盘中，信息没有消失，只是移出了活跃上下文。
第一层：Micro（旧工具结果变占位符）
每次调用大模型前默认执行，只保留近三条工具结果，将更早的工具结果替换成工具的名称。
第二层：Auto（超50K自动摘要）
到达条件自动触发摘要，先将所有信息以JSON的格式写入硬盘中。再使用大模型进行摘要，要包括：已完成的工作、当前状态、关键决策。最后用一条message替代messages列表。
第三层：Manual（主动调用 compact）
由模型自行判断是否需要主动调用compact工具，之后执行的过程与第二层一样。
团队协作
真正的团队协作需要三样东西: (1) 能跨多轮对话存活的持久 Agent, (2) 身份和生命周期管理, (3) Agent 之间的通信通道。
Agent之间通过JSONL 收件箱来通信，每个agent都有一个自己的邮箱（一个json文件），每次调用大模型前都要去邮箱中查看是否邮件，如果有就加入上下文中。
只有收发功能是不行的，必须要有双方怎么响应，怎么协调。因此引入了通信协议。
此时的子Agent，你不给他分配工作他不干，属于是踢一脚走一步。因此我们要让子Agent自己扫描任务面板，没人干的活自己领一个。
但是这个也有一个问题，如果两个agent同时改同一个文件，未提交的改动相互污染，根本就回滚不了了。
因此我们使用git worktree创建不同的目录，每个agent都在自己的目录下执行，互不影响。
