一个开箱即用的 Python 编程智能体运行时,可在终端、HTTP/WebSocket 服务和 Telegram 中使用。
decodingai-magazine/building-a-coding-agent-from-scratch-course
一门免费开源课程,带你用 Python 从零搭建类似 Claude Code 的编程智能体,学习 harness 工程。
可替代:Claude Code
- Star
- 1,126
- Fork
- 267
- 未关闭 Issue
- 6
- 最近提交
- 14天前
这是什么?
本课程带你从一个最简单的智能体循环开始,逐步搭建名为 decode 的编程智能体,最终扩展到云端多智能体集群。核心是一个无界面的 headless harness,包含工具调用循环、文件读写、bash、grep、编辑等工具,以及权限控制和沙箱执行层。在此之上提供两种运行方式:交互式终端界面(TUI),以及部署在 Modal 无服务器函数上的远程运行,可通过 CLI、webhook 或定时任务触发。
课程还涵盖上下文工程(记忆文件、技能、上下文压缩、LSP 诊断)、可并行分发的子智能体,以及评估体系。评估部分使用基准测试和回归测试套件,并通过 Opik 进行追踪;会话录制与回放则由 Kitaru 完成。模型来源包括 Modal 托管的开源权重模型、OpenRouter 和 Gemini。
课程以 8 篇文章和 6 个视频的形式提供,仓库内附带运行指南。代码基于 Python 与 Pydantic AI 实现,核心组件由作者手写,而不是直接依赖现成框架。
核心功能
- 01实现工具调用智能体循环,包含文件读写、编辑、bash、grep 等工具。
- 02支持交互式终端界面,也可通过 Modal 无服务器函数无界面运行。
- 03工具命令可在本地 Docker 或远程 Modal 沙箱中执行。
- 04提供允许、询问、拒绝三种权限规则的权限层。
- 05涵盖上下文工程,包括记忆文件、技能加载和自动压缩。
- 06提供基于 Opik 的评估工具,包括基准测试和回归测试。
适用场景
- 了解 Claude Code 等生产级编程智能体的内部结构。
- 借鉴同样的 harness 模式,为编程以外的领域构建自定义智能体。
- 把部署在 Modal 上的开源权重模型作为智能体的后端。
- 练习使用基准测试和回归测试套件评估智能体。
快速上手
- 1
克隆仓库
git clone https://github.com/decodingai-magazine/building-a-coding-agent-from-scratch-course.git - 2
在项目目录中安装依赖
make install - 3
复制示例环境文件,然后在其中设置你的 LLM API 密钥
cp .env.example .env - 4
在终端中启动 decode 智能体
uv run decode
使用前须知
- 运行智能体需要来自 Gemini、OpenRouter 或 Modal 的 LLM API 密钥。
- 部分功能依赖 Modal、Opik 和 Kitaru 等第三方服务。
收录于专题
标签
常见问题
- building-a-coding-agent-from-scratch-course 是什么?
- 一门免费开源课程,带你用 Python 从零搭建类似 Claude Code 的编程智能体,学习 harness 工程。 本课程带你从一个最简单的智能体循环开始,逐步搭建名为 decode 的编程智能体,最终扩展到云端多智能体集群。核心是一个无界面的 headless harness,包含工具调用循环、文件读写、bash、grep、编辑等工具,以及权限控制和沙箱执行层。在此之上提供两种运行方式:交互式终端界面(TUI),以及部署在 Modal 无服务器函数上的远程运行,可通过 CLI、webhook 或定时任务触发。
- building-a-coding-agent-from-scratch-course 可以免费使用吗?用的什么许可证?
- building-a-coding-agent-from-scratch-course 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- building-a-coding-agent-from-scratch-course 还在维护吗?
- 活跃维护中。building-a-coding-agent-from-scratch-course 最近一次提交是在 2026年10月24日。
- building-a-coding-agent-from-scratch-course 适合用来做什么?
- 了解 Claude Code 等生产级编程智能体的内部结构。 借鉴同样的 harness 模式,为编程以外的领域构建自定义智能体。 把部署在 Modal 上的开源权重模型作为智能体的后端。 练习使用基准测试和回归测试套件评估智能体。
- building-a-coding-agent-from-scratch-course 怎么安装和运行?
- 克隆仓库: git clone https://github.com/decodingai-magazine/building-a-coding-agent-from-scratch-course.git 在项目目录中安装依赖: make install 复制示例环境文件,然后在其中设置你的 LLM API 密钥: cp .env.example .env 在终端中启动 decode 智能体: uv run decode
- 在哪里获取 building-a-coding-agent-from-scratch-course?
- 源代码和安装说明在 GitHub 上:https://github.com/decodingai-magazine/building-a-coding-agent-from-scratch-course
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
Pi 编程智能体的提前编译版本,编译为原生代码,启动更快、CPU 占用更低。
一款桌面端编程智能体(Tauri 应用加命令行),可接入现有 AI 订阅或本地模型,内置代码搜索与校验功能。
基于 pi 构建的编程智能体,把权限判断、上下文裁剪等日常决策交给小型裁判模型,让主模型专注写代码。
Pi Coding Agent 的中文非官方学习手册,从安装到 Skill、Extension、Subagent 与长期工作流。