Learn Claude Code (C#) - Bash 就是 Agent 的一切

声明: 这是 shareAI Lab 的独立教育项目 learn-claude-code 的 C# (.NET) 实现版本。与 Anthropic 无关，未获其认可或赞助。"Claude Code" 是 Anthropic 的商标。

从零开始构建你自己的 AI Agent (.NET 版本)。

Python 原版

---

为什么有这个仓库？

这个仓库是 learn-claude-code 的 .NET 移植版。原仓库以 Python 语言深入浅出地剖析了 Claude Code 的核心原理。为了方便 .NET 开发者学习掌握 Agent 的构建精髓，我们将其核心代码使用 C# 的最新特性进行了完整重写。

我们认为 Claude Code 是世界上最优秀的 AI 编程代理，通过学习它的设计模式，你将对 "什么才是真正的 AI Agent" 有全新的认知。

---

兼容 Kode CLI、Claude Code、Cursor，以及任何支持 Agent Skills Spec 的 Agent。

你将学到什么

完成本教程后，你将理解：

• Agent 循环 - 所有 AI 编程代理背后那个令人惊讶的简单模式
• 工具设计 - 如何让 C# 代码与 AI 模型及真实世界交互
• 显式规划 - 使用约束让 AI 行为可预测
• 上下文管理 - 通过子代理（进程隔离）保持代理记忆干净
• 知识注入 - 按需加载领域专业知识，无需重新训练

学习路径

从这里开始
    |
    v
[v0: Bash Agent] -----> "一个工具就够了"
    |                    v0_bash_agent.cs
    v
[v1: Basic Agent] ----> "完整的 Agent 模式"
    |                    4 个工具: Bash, Read, Write, Ls
    v
[v2: Todo Agent] -----> "让计划显式化"
    |                    +TodoManager
    v
[v3: Subagent] -------> "分而治之"
    |                    +Task 工具 (进程隔离)
    v
[v4: Skills Agent] ---> "按需领域专业"
                         +Skill 工具

推荐学习方式：

1. 先阅读并运行 v0 - 理解核心循环
2. 对比 v0 和 v1 - 看工具如何演进
3. 学习 v2 的规划模式
4. 探索 v3 的复杂任务分解
5. 掌握 v4 构建可扩展的 Agent

快速开始

前置要求

• .NET SDK (推荐 .NET 10.0 )
• 一个 Anthropic API Key (或兼容的 API 代理)

运行步骤

1. 克隆仓库

   git clone https://github.com/your-repo/learn-cc-csharp
   cd learn-cc-csharp/dotnet

2. 配置 API Key 复制 .env.example 为 .env 并填入你的 Key。国内用户可使用智谱 GLM-4.7 等兼容模型。

   Powershell:

   cp .env.example .env
   # 编辑 .env 文件填入 ANTHROPIC_API_KEY=sk-ant-xxx...

3. 运行 使用 dotnet run 运行对应的 Agent。

   # 极简版（从这里开始！）
   dotnet run v0_bash_agent.cs
   
   # 核心 Agent 循环
   dotnet run v1_basic_agent.cs
   
   # + Todo 规划
   dotnet run v2_todo_agent.cs
   
   # + 子代理
   dotnet run v3_subagent.cs
   
   # + Skills
   dotnet run v4_skills_agent.cs

核心模式

每个 Agent 都只是这个循环（C# 伪代码）：

while (true)
{
    var response = await model.ChatAsync(history, tools);
    
    if (response.StopReason != StopReason.ToolUse)
        return response.Text;
        
    var results = await ExecuteTools(response.ToolCalls);
    history.Add(results);
}

就这样。模型持续调用工具直到完成。其他一切都是精化。

版本对比

版本	文件	工具	核心新增	关键洞察
v0	v0_bash_agent.cs	bash	递归子代理	一个工具就够了
v1	v1_basic_agent.cs	bash, read, write, edit	核心循环	模型即代理
v2	v2_todo_agent.cs	+TodoWrite	显式规划	约束赋能复杂性
v3	v3_subagent.cs	+Task	上下文隔离	干净上下文 = 更好结果
v4	v4_skills_agent.cs	+Skill	知识加载	专业无需重训

深入阅读 (文章)

该系列配套了详细的公众号风格文章，深入剖析设计理念：

• v0: Bash 就是一切
• v1: 模型即代理 - 价值 3000 万美金的 400 行代码
• v2: 用 Todo 实现自我约束
• v3: 子代理机制 - 上下文隔离的艺术
• v4: Skills 机制 - 知识外部化
• 上下文缓存经济学

设计哲学

模型是 80%，代码是 20%。

Kode 和 Claude Code 等现代 Agent 能工作，不是因为巧妙的工程，而是因为模型被训练成了 Agent。我们的工作就是给它工具，然后闪开。

License

MIT

---

模型即代理。这就是全部秘密。