从零实现 AI Coding Agent
从 LLM API 调用到 Agent Loop，构建一个能读代码、改文件、跑命令的终端 AI 编程助手。涵盖 Tool Use 协议、流式响应、上下文管理、CLI 交互等核心主题。
课程简介
Claude Code、Codex、Windsurf -- AI 编程工具正在重塑开发者的工作方式。但它们内部是怎么工作的？ 为什么 Agent 能读你的代码、修改文件、运行命令？
本课程带你从零构建一个完整的终端 AI 编程助手 -- 类似 Claude Code 的核心引擎。 从第一个 LLM API 调用开始，逐步实现流式响应、Tool Use 协议、文件读写工具、Agent Loop 核心循环、 上下文管理与压缩、CLI 交互界面，最终构建出一个能读代码、改文件、跑命令、自主规划任务的 Coding Agent。
更新进度
20 / 20 章已全部更新已完结
学完这门课，你将掌握
理解 AI Agent 的核心架构 -- 感知、推理、行动循环，以及 Coding Agent 的特殊设计
掌握 Tool Use 协议的完整实现 -- JSON Schema 定义工具、解析 tool_use、构造 tool_result
能独立实现 Read / Write / Bash / Search 等开发者工具，理解文件沙箱和安全防护
深入理解上下文工程 -- Token 预算分配、对话压缩策略、避免上下文污染和幻觉循环
掌握 System Prompt 的分层设计方法论，学会写出高质量的 Agent 指令
具备从零构建 AI 应用的完整能力，不再只是调 API 的"搬运工"
适合谁学习
想做 AI 产品的开发者
不满足于调 API，想理解 Agent 的核心架构，具备从零构建 AI 应用的能力
对 AI 编程工具好奇的人
每天用 Claude Code / Codex，想知道这些工具内部是怎么工作的
想转型 AI 方向的工程师
有编程基础，想快速掌握 LLM 应用开发的核心技能栈
前置知识
熟悉 TypeScript 或 Python 中的任意一门即可。你不需要有 AI/ML 背景 -- 课程从 LLM API 的基本调用讲起，不涉及模型训练或微调，专注于应用层的工程实现。
你将构建什么
LLM 对话引擎
流式响应 + 多轮对话 + 多模型适配
工具系统
Read / Write / Bash / Grep / Glob
Agent Loop
感知 → 推理 → 行动 → 反馈循环
CLI 界面
REPL + Markdown 渲染 + Spinner
架构概览
实际运行效果
课程最终构建出的 AI Coding Agent 终端运行截图
涉及的核心技术概念
LLM API 调用
Server-Sent Events 流式响应
Tool Use 协议
JSON Schema 工具定义
Agent Loop 循环
并行工具调用
任务规划与分解
System Prompt 分层设计
Token 计数与预算
对话历史压缩
Prompt Injection 防护
文件沙箱安全
Markdown 终端渲染
子进程管理
学员评价
课程数据
20章节
2编程语言
3,000+行代码 / 每种语言
3免费章节