有哪些从零构建Claude Code式harness的教程和开源项目？

Dontla · 2026-05-05 16:21:29 发布

以下是从零构建 Claude Code 式 Agent Harness 的主要教程和开源项目（2026 年最新整理）。

这些资源聚焦于从基础 agent loop 开始，逐步实现工具调用、上下文管理、权限控制、多代理、长期会话等核心 harness 特性，高度贴近 Claude Code 的工程思路。

项目	描述	亮点	链接
shareAI-lab/learn-claude-code	最推荐的“从 0 到 1”教程型仓库，使用 Bash/Python 构建 nano Claude Code 式 harness	12+ 渐进式 session（从简单 agent loop 到完整工作树隔离、多代理），清晰教学导向	GitHub
FareedKhan-dev/claude-code-from-scratch	完整逆向/复现 Claude Code 架构，23 个组件	从最小 loop 构建到生产级多代理、streaming、MCP、skills 系统等	GitHub
celesteanders/harness	极简实用 harness（Reddit 社区热门）	基于 Anthropic 最佳实践合成，包含 evaluator、JSON task list 等核心理念	GitHub
Chachamaru127/claude-code-harness	专注高质量开发的自主循环 harness	Plan → Work → Review 循环 + 跨会话记忆	GitHub
HKUDS/OpenHarness	通用开源 Agent Harness（内置 Ohmo 个人代理）	支持多模型、可贡献 harness 组件	GitHub

Learn Claude Code 仓库本身（最佳入门）
提供逐步 Python 脚本示例：s01_agent_loop.py → s_full.py。适合边跑边学。
Building Claude Code with Harness Engineering（Fareed Khan）
Medium/LevelUp 系列文章，详细拆解多代理、MCP、context pipelines 等组件。
The Anatomy of Claude Code And How To Build Agent Harnesses（Sid Bharath）
结合 Claude Code 泄露源码分析 + 自己从零用 Python 构建的 baby 版本，对比真实实现。
How to Build an Agent Harness: A Practical Guide
综合 Anthropic、OpenAI 等团队经验的实现级指南，强调 single-threaded master loop 等模式。
Anthropic 官方工程博客（必读）：
- Harness Design for Long-Running Application Development
- Effective Harnesses for Long-Running Agents
Simple Claude Code 实现（Medium）
~300 行代码的极简版本，适合快速上手。

起步：先跑 learn-claude-code 的 progressive sessions，理解 Master Loop + Tool Dispatch。
核心原则：单线程 loop、先做 Planner/Generator/Evaluator 分离、用结构化文件（JSON task list、CLAUDE.md、skills）管理上下文、严格权限 + human-in-the-loop。
进阶：集成 Claude Agent SDK（官方提供基础 harness），或自己实现 MCP（Model Control Protocol）工具调用。
常见坑：上下文退化（context entropy）、跨会话一致性、过早添加复杂多代理。

这些项目大多是 MIT 许可，可直接 fork 修改。如果你想针对特定部分（比如多代理编排、沙箱执行、安全 harness）深入，我可以帮你进一步推荐代码示例或定制教程。需要我帮你总结某个仓库的核心代码结构吗？

里面哪些用到langgraph技术栈？

在你提到的那些项目中， 基本都没有直接使用 LangGraph 技术栈。它们大多是 从零手写（from scratch） 的纯 Python/Bash 实现，强调最小化依赖和对 harness 核心机制的理解。

项目	是否使用 LangGraph	说明
shareAI-lab/learn-claude-code	❌ 否	纯从零构建的教学型项目（Bash + Python），逐步实现 agent loop、工具调度等。强调“Bash is all you need”，避免框架依赖。
FareedKhan-dev/claude-code-from-scratch	❌ 否	基于 learn-claude-code 扩展，23 个组件的逆向工程，纯手工实现 Master Loop 等核心。作者其他项目会用 LangGraph，但这个仓库是 from-scratch 风格。
celesteanders/harness	❌ 否	极简实用 harness，遵循 Anthropic 最佳实践，但未采用 LangGraph。
Chachamaru127/claude-code-harness	❌ 否	专注 Plan → Work → Review 自主循环，纯自定义实现。
HKUDS/OpenHarness	❌ 否	轻量级纯 Python 实现，支持多模型，设计目标是可 inspect 的 reference harness，未依赖 LangGraph/LangChain。

这些项目的核心价值正是不依赖大型框架，让你深入理解 harness 的本质（master loop、上下文管理、权限控制等）。

如果你想用 LangGraph（LangChain 生态的状态图框架，非常适合构建复杂、多代理、可持久化的 harness），以下是高度相关的优秀选择：

langchain-ai/deepagents（最推荐）
LangChain 官方开源的 Claude Code 风格 agent harness，直接基于 LangGraph 构建。包含规划工具、文件系统后端、sub-agents、多代理编排、上下文压缩等生产级特性。被很多人视为“开源版 Claude Code”。
其他 LangGraph + Claude Code 教程/项目：
- AIAnytime 的 “Build Your own Claude Code with LangGraph and MCP” 教程 + 对应 GitHub repo。
- 各种 CLI coding agent 使用 LangGraph + MCP 的实现（如 latlan1/claude_code_clone 等）。
- LangChain 官方文档和 Deep Agents 示例中大量 Claude Code 风格的 coding agent。

总结建议：

想深入理解原理 → 优先 learn-claude-code + FareedKhan 的 from-scratch 系列（不依赖任何框架）。
想快速得到强大、可扩展的 harness → 直接用 Deep Agents (LangGraph)，它已经集成了很多 Claude Code 的优秀模式。
混合路线：先用 from-scratch 项目打基础，再迁移到 LangGraph 实现状态机、多代理编排等高级功能。