convez.ai
MCP ServerDesenvolvimento WebAvançado
Harzva

Learn LikeCode - Análise e Reconstrução do Claude Code

Harzva/learn-likecc

Aprenda a arquitetura do Claude Code através de fonte, simuladores e experimentos.

Ver no GitHub
BomPluginScore · de 0 a 100

Repositório educacional que combina análise de código-fonte, reconstrução executável e simuladores interativos do Claude Code. Inclui 12 capítulos de curso, mais de 500 mil linhas de código TypeScript e ferramentas para entender loops de agent, arquitetura interna e fluxos de execução.

Instalação

$npx convez-ai Harzva/learn-likecc

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
57
Forks
8
Acompanhando
4
Saúde
28%
Último commit
há 1 dia
Versão
v1.0.2-likecode
Issues abertas
1
Contribuidores
3

Casos de uso

  • Estudar internals de agents de IA e Claude Code em detalhes
  • Entender harness, sistema de ferramentas e MCP através de código real
  • Experimentar com simuladores interativos de loops e traces de agentes
  • Pesquisa educacional em arquitetura de IA coding assistants

Veredito

Projeto ambicioso de análise técnica e educação em arquitetura de agents, direcionado a pesquisadores e desenvolvedores avançados. A proposta de simuladores interativos e reconstrução de source maps agrega valor para quem quer entender o funcionamento profundo do Claude Code, mas requer contexto técnico substancial.

README

A tradução para o português deste README ainda está na fila.

这是什么

learn-likecc 不是一个单纯的“Claude Code 使用笔记”仓库。它把四条线放在同一个可发布工程里:

方向你会得到什么入口
源码学习以真实 TypeScript 源码结构理解 Agent Harness、工具系统、权限、MCP、Hooks、Subagent、上下文压缩course/docs/zh
可运行复刻基于 ccsource/claude-code-rebuild 的学习版 CLI,用于研究运行链路,不作为生产替代品ccsource/claude-code-rebuild
在线教程站GitHub Pages 上的教程、专题、图谱、仿真器和工作流页面site/
LikeCode 实验多 provider 路由、模型切换、localhost 工作台、Loop 任务与长期迭代记录docs/ / .claude/plans

这个仓库的定位是学习、研究、复刻和产品化实验。涉及 Claude Code 的源码快照与分析均以教育研究为目的,原始产品与相关源码权利归原权利方所有。

推荐先打开

你想做什么推荐入口
直接看在线课程https://harzva.github.io/learn-likecc/
从源码结构学 Agent Loophttps://harzva.github.io/learn-likecc/topic-sourcemap.html
体验仿真器专题https://harzva.github.io/learn-likecc/topic-cc-loop-lab.html
看 Claude Code 解构总览https://harzva.github.io/learn-likecc/topic-cc-unpacked-zh.html
跟踪本仓库自己的迭代CHANGELOG.md / docs/commit-ledger.md

学习地图

flowchart LR
    A["源码快照<br>ccsource/sourcecode"] --> B["课程拆解<br>S01-S12 / D01-D12"]
    B --> C["可视化专题<br>Source Map / CC Unpacked"]
    C --> D["Loop Lab 仿真器<br>Agent Loop / Script / Trace"]
    D --> E["LikeCode 实验<br>模型路由 / Web 工作台 / Loop"]
    E --> F["可复用方法<br>Agent CLI / Harness / Workflow"]

Loop Lab 仿真专题

仿真专题是这个仓库最适合“边看边理解”的入口:它把抽象的 Agent 运行链路拆成可以点击、回放和对照的页面。

仿真器解决的问题在线入口
Agent Loop 动态模拟器一次 Agent 循环到底怎么跑site/agent-loop-simulator/
脚本启示仿真器命令、配置、练习如何组织成训练路径site/agent-script-insight/
Trace Prompt 仿真器Claude Code 请求如何由 system、tools、runtime reminder 和 user message 组装site/agent-trace-simulator/
Loop Lab 总入口三条仿真路径、机制页、本地 SSE 联调统一入口site/topic-cc-loop-lab.html

本地快速开始

如果你之前是从 GitHub 页面点 Download ZIP,解压目录没有 .git,无法提交和推送。建议正式开发时 clone 仓库:

git clone https://github.com/Harzva/learn-likecc.git
cd learn-likecc

安装根目录校验工具:

npm ci
npm run lint:md
python tools/check_site_md_parity.py
python tools/check_cc_loop_steps.py
python tools/gen_cc_overview.py --check
python tools/gen_cc_arch_treemap.py --verify-in-sync

本地预览站点:

cd site
python -m http.server 8080

然后打开:

http://127.0.0.1:8080/
http://127.0.0.1:8080/topic-cc-loop-lab.html

运行复刻 CLI

当前正式 clone 中可用的学习版 CLI 基线在 ccsource/claude-code-rebuild。

cd ccsource/claude-code-rebuild
bun install
bun run src/entrypoints/cli.tsx

根目录脚本 bin/likecode 会优先寻找 ccsource/like-code-main,如果该本地主开发线不存在,则回退到 ccsource/claude-code-rebuild。

chmod +x bin/likecode
./bin/likecode --help

这是学习版复刻环境,不建议把它当作生产 CLI 使用。真实项目中请优先使用官方 Claude Code 或你明确审计过的分支。

自由换模型实验

LikeCode 当前最重要的产品化实验,是把“模型选择”从固定列表变成可配置路由。

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.provider.example",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "claude-sonnet-4-5-20250929"
  },
  "modelRoutes": {
    "minimax/minimax-m2.5": {
      "baseURL": "https://api.provider.example",
      "authToken": "sk-provider-route-example",
      "headers": {
        "x-provider": "minimax"
      }
    }
  },
  "model": "minimax/minimax-m2.5"
}

已经验证过的关键点:

  • SiliconFlow MiniMax 路由可跑通 Pro/MiniMaxAI/MiniMax-M2.5[1m]。
  • baseURL 应写到 provider 根地址,例如 https://api.siliconflow.cn,不要直接写到 /v1/messages。
  • 非官方兼容网关需要对 thinking、headers 和 provider 语义做兼容处理。

课程内容

Part主题章节
Part 1核心架构S01 Agent Loop、S02 Tool System、S03 Permission、S04 Command
Part 2高级机制S05 Context Compression、S06 Subagent、S07 MCP、S08 Task Management
Part 3扩展集成S09 IDE Bridge、S10 Hooks、S11 Vim Mode、S12 Git Integration

课程正文在 course/docs/zh,站点镜像在 site/s01.html 到 site/s12.html。

仓库结构

learn-likecc/
├─ site/                         # GitHub Pages 静态站点与仿真器入口
│  ├─ agent-loop-simulator/       # Agent Loop 动态模拟器
│  ├─ agent-script-insight/       # 脚本启示仿真器
│  ├─ agent-trace-simulator/      # Trace Prompt 仿真器
│  ├─ images/claude-pets/         # Claude Pet SVG 墙素材
│  └─ md/                         # HTML 对应 Markdown 镜像
├─ course/                        # 源码学习课程
├─ ccsource/
│  ├─ claude-code-rebuild/        # 可运行重建基线
│  └─ sourcecode/claude-code-main # 源码学习快照
├─ tools/                         # 站点校验、生成、抓取与联调脚本
├─ docs/                          # 设计说明、运行记录、提交台账
└─ .github/workflows/             # Pages 部署与站点校验

维护命令

命令用途
npm run lint:mdREADME 与关键 Markdown lint
python tools/check_site_md_parity.py校验 site/*.html 与 site/md/*.md 镜像关系
python tools/check_site_git_tracking.py校验 topic 页面是否被 Git 跟踪
python tools/gen_cc_overview.py --check校验 CC overview 数据
python tools/gen_cc_arch_treemap.py --verify-in-sync校验架构 treemap 数据
python tools/check_cc_loop_steps.py校验 Loop steps JSON schema

当前路线图

  • 源码课程主线:S01-S12 基础完成
  • GitHub Pages 站点与专题导航
  • Loop Lab 三类仿真器入口
  • 模型路由实验记录与 MiniMax/SiliconFlow 验证
  • README、站点与仿真器继续做产品级信息架构
  • 多窗口 / tab / subagent 工作视图继续推进
  • localhost Web 工作台继续补 transcript、tool chain、workflow replay

资源链接

使用边界

本仓库仅供学习、研究、教学和复刻实验。请不要把未审计的复刻代码、私有 token、真实业务凭据或第三方源码权利不明的内容用于生产环境或公开分发。

Ver o original no GitHub

Bom para

Relacionados