shareAI-lab / learn-claude-code

Problem: 想学习AI Agent开发但被复杂框架吓退，需要从零理解最核心的循环机制。

Solution: 通过12个渐进式会话，从最简单的bash循环开始，每步只添加一个机制，让你真正理解Agent如何工作。

Example: 从s01的“bash + 循环 = 基础Agent”开始，逐步添加工具、规划、子代理等，避免一开始就面对复杂架构。

Problem: 需要向学生或团队成员讲解Agent工作原理，但现有框架过于复杂不适合教学。

Solution: 使用这个极简的16行核心循环作为教学示例，配合12个渐进式机制演示Agent的演化过程。

Example: 在技术分享中展示s03的“先规划后执行”机制，用可视化的计划步骤说明Agent如何思考。

Problem: 需要快速构建一个能执行简单任务的自动化助手，不想引入重型Agent框架。

Solution: 基于项目的核心循环，添加必要的工具和规划能力，创建一个专注于特定任务的轻量级Agent。

Example: 创建一个文件整理Agent，使用bash工具操作文件，通过规划机制决定整理策略，无需复杂配置。

Problem: 想实验新的Agent机制（如状态管理、团队协作），但现有框架修改成本高。

Solution: 利用项目的模块化设计，在核心循环基础上快速添加和测试新机制，每个机制独立且可组合。

Example: 实验s09的“异步邮箱”团队协作机制，验证多个Agent如何通过消息队列协同工作，不影响核心循环。