Claude Code系列 -- 手搓coding agent学习Harness工程

1. 引言

通过learn-claude-code项目，跟着实践学习Harness工程。

参考链接：

• learn-claude-code，fork一份便于自己批注修改。
• 仓库对应的中文文档

也记录一些近期的碎片内容：

• Claude Code核心源码解析 – 架构设计和工程细节透视Harness最佳实践，极客时间上的直播，讲得很好。（里面的框图挺好，有个思路：把图保存到自己的素材库，让AI生成时就有好的参考了）

2. 先说说Claude Code

Claude Code是AI行业的一个标杆了，模型和工程上都是T0级别。从Claude Code前段时间泄漏的代码里能参考学习到很多东西，基于上面的“Claude Code核心源码解析 – 架构设计和工程细节透视Harness最佳实践”做些笔记记录。

1、Claude Code不只是AI Coding工具，而且是Harness的一个最佳实践样板。

Agent = Model + Harness，除了模型外的周边机制都可以泛化当成Harness，比如工具、记忆、安全等等。

2、架构分层（看看包含哪些Harness机制）

工具：

3、核心流程（基本是一个通用agent的ReAct流程）

4、上下文管理（很值得借鉴，如何组织提示词和提高缓存命中）

静态信息放前面（尽量能缓存住） -> 静态分隔符（分隔符前的内容优先最大程度缓存）-> 动态信息放后面。

5、Agent协作机制（按场景按需使用不同agent）

几种协作模式：

各自模式下的agent协作示意：

• 1、fork-agent模式会复制原有上下文，Prompt Cache最大化、后台异步。当需要同时处理多个互不干扰的子任务时（例如，同时分析三个不同的文件，或并行运行三个不同的测试用例），系统会“分叉”出多个独立的 Agent 实例。它们共享主任务的初始上下文（利用缓存），然后各自异步执行，最后汇总结果。
• 2、sub-type-agent具有特定角色和工具集，上下文是隔离的。系统会预设或动态生成具有特定技能的子代理，比如：Explore Agent专门负责搜索和收集信息；Plan Agent：专门负责制定任务计划；Verification Agent：专门负责验证结果的正确性。通用agent和fork-agent都依赖于主agent执行任务。
• 3、协调者模式(coordinator)，大任务拆解，需要多Agent编排。限制主agent只能编排任务而不执行，用XML结构化汇报。
• 4、team模式由多角色长期协作，各有独立上下文。每个Agent扮演一个固定角色（如产品经理、前端工程师、后端工程师），拥有自己的“邮箱”（Mailbox）用于接收和发送消息，并在独立的“终端窗格”中工作。它们之间可以互相通信、协作，形成一个“虚拟团队”。
• 5、General Purpose(通用型)，最基础的模式。普通任务，不需要拆分或委派。适用于简单、线性的任务，比如“帮我写一个 Hello World 程序”

异步并发执行（subagent、异步执行shell），触发技巧：帮我用subagnet并发完成xxx。