这是一个创建于 45 天前的主题，其中的信息可能已经有所发展或是发生改变。
我花了 4 天时间创建一个 code agent, 核心代码不到 200 行。
试用：npm install -g wscode-cli ，github 仓库在： https://github.com/mileswangs/wscode-cli
下面讲一下关键逻辑
关键 1: loop + tool use
关键 2: llm 通过工具调用(成功或失败都行)获取信息，以字符串形式传递
这看起来很无聊，但深刻且普遍：传统编程报错会 throw {err: stackoverflow}, llm 时代编程会 return ‘have a error: stackoverflow’
举个例子：我们需要约束以绝对路径访问文件，当 llm 调用相对路径的时候会收到 tool 返回的Path must be within the root directory这个字符串，llm 看到这个失败信息后会更改工具使用姿势
详细实现和 prompt 见仓库
28 条回复 2025-08-26 19:38:27 +08:00
 | 1 qcgzxw 45 天前 学习 |
 | 2 fushall 45 天前 太牛了楼主，学习了 |
 | 3 bbao 45 天前  23 弱弱的问，楼上两位学习的同学，学习到了啥？ |
 | 4 Greenm 45 天前 你这个跟 claude code 有什么关系？ |
 | 5 Gress 45 天前 你这个跟 claude code 有什么关系？ |
 | 6 NoobNoob030 45 天前 3 核聚变的核心原理就是烧开水  |
 | 7 Vegetable 45 天前 6 你描述这个，看起来不就是 MCP 的入门吗？ 你为什么要把 commit 乱写的仓库发出来啊，这和在大街上拉屎有什么区别 |
 | 8 Scarb 45 天前 你这个跟 claude code 有什么关系？ |
 | 9 stormtrooperx5 45 天前 啊？ |
 | 10 yulon 45 天前 2 最简单的 tool use 也能叫 agent 了啊？没有模型路由，上下文没有精简压缩处理，没有长期记忆没有小笔记，tool 也只能被模型主动 call ，call 的结果没有对不同模型做转换，没有预处理和后处理过滤器等等等等…… |
 | 11 huluhulu 45 天前 1 然后呢？这就是最初级的一个 agent ，怎么构建 spec/怎么 plan/怎么按步完成 task/怎么 memory/怎么索引代码？你当现在的 AI IDE 更新了那么久，就一无是处？ |
 | 12 hejiwen 45 天前 你这个跟 claude code 有什么关系？ |
 | 13 icanfork 45 天前 所以 1L 和 2L ，是 OP 的小号？ |
 | 14 billzhuang 45 天前 keep calm |
 | 15 kneo 45 天前 via Android 我并不想打击初学者学习和分享的心情。 但是我有点怀疑你这四天是和 claude code 一起度过的。 我也尊重任何使用 claude code 进行真正生产力创造的行为。 但是是看你最后还发个 x 链接，就觉得有点不对味儿了。 |
 | 16 leslieo2 45 天前 commit message 全是 1. 写的什么玩意 |
 | 18 songunity 45 天前 commit message 都没好好写，你发出来干嘛? |
 | 19 dyncan 45 天前 Not really interested, all the commit messages are just ‘1’, I’d feel a bit embarrassed to even share them. |
 | 20 fudanglp 45 天前 1 如说 |
 | 21 wangshuo6 OP 1. 他很简单 2. 他能工作； |
 | 22 pluto666 45 天前 1 好抽象 |
 | 23 zsh2401 44 天前 via iPhone ReAct 已经是 2023 年的东西了，现在没什么学习意义 |
 | 24 paouke 44 天前 1 太抽象了 |
| 26 wangshuo6 OP 多喷，我爱听 但凡研究过 claude-code 这类 cli 工具就说不出这话，还有人用 memory 和 commit 来反对，这就像别人送一朵花，却有人喷叶子长得不好看 有十几个哥们点了 star 的，我相信他们也认为 简单>复杂，逻辑>优化 感兴趣可以研究一下知名仓库的逻辑: https://minusx.ai/blog/decoding-claude-code/ https://github.com/google-gemini/gemini-cli 这篇文章和我观点一样: https://www.reddit.com/r/AI_Agents/comments/1myms7e/agents_are_just_llm_loop_tools_its_simpler_than/ agent 的逻辑由 llm(data) 驱动而不是代码(固定逻辑) |
 | 27 WithoutSugarMiao 44 天前 @wangshuo6 你在这里发的这篇文章，我已经看到好多公众号的洗稿了，没想到在 V2 又看见了。这篇文章里用的方式是通过捕捉网络请求来判断 cc 的执行逻辑，这其实并没有什么问题，但是这并不是 cc 的效果很好的原因，而是所有的 agent 都可以使用这套通用的逻辑。那么差别在哪，你的分析 和 你的项目完全没有体现出来。 想探究 cc 的执行流程不如看看这个： https://github.com/shareAI-lab/analysis_claude_code |
| 28/span> wangshuo6 OP @WithoutSugarMiao 看了这个仓库，大部分组件是 for 工程上的安全或成本控制，gemini-cli 里还有这个文章的更清晰的实现，但从学习角度来讲，gemini-cli 的实现，非常痛苦，核心 loop 和前端交互代码混杂在一起；为了保证稳定性的代码远多于实现功能的代码。 我发这个帖子就是为了干掉这些 为了“使用稳定/成本”才有的优化，专注于实现功能本身 不知道为什么 cc 效果好，我猜核心是一套评测系统，以此优化 prompt, 和写的代码代码应该关系不大（我猜的）。anthropic docs 花很长篇幅解释了评测系统。换个说法，即使知道 cc 牛逼的原因用处也不大，关键要知道可量化的评测。 |
Select Language