Claude Code Mini

用五个 Python 文件理解 coding agent 的工作方式。

一个教学型实现，把 Agent 的任务循环、上下文管理、工具调用和人工确认拆开阅读。 非 Anthropic 官方项目，不是 Claude Code 源码，也不宣称行为完全一致。

阅读地图

文件	学习重点
agent.py	用户输入 → 模型响应 → 工具调用 → 工具结果 → 下一轮；结束条件与子 Agent 示例
context.py	上下文容量、历史整理与压缩策略
tools.py	工具定义、注册和执行入口
permissions.py	风险分级、人工确认与前后置 hooks
prompts.py	提示词组装

建议先看 agent.py 的 Agent.run，再追踪一次工具调用如何经过权限判断和结果回填。

为什么做这个练习

对 AI 产品设计而言，不只要知道 Agent 「能用工具」，还要能解释：

• 哪些操作可以自动进行，哪些需要用户确认？
• 对话很长、工具失败、循环达到上限时，用户会经历什么？
• 子 Agent 得到什么上下文和权限，是否需要额外的隔离？

运行前需要知道

代码导入 Anthropic Python SDK，并通过其客户端调用模型；运行会产生模型用量。 仓库内的默认模型名称、SDK 兼容性和具体账户可用性需要在运行前核对。 不要把 API key 提交到仓库。

本项目的权限门控主要是应用层规则与命令字符串判断，不是操作系统安全沙箱， 不能保障对任意 shell 命令的安全分类。不要用它执行不可信任务或操作重要文件。

成熟度与限制

• 这是机制学习项目，不是生产就绪的编程助手。
• 本次补充文档没有调用模型，也没有完成端到端运行验证。
• 源文件中的教学说明和预期行为，需要通过代码与测试核查，不能当作完整可靠性保证。
• 后续可以补充无模型工具测试、权限边界反例、依赖锁定及失败体验示例。

产品判断的重点不是多加几个工具，而是让能力、权限、失败和成本的边界可解释。