convez.ai
AgenteDesenvolvimento WebAvançado
ZHAB00

Learn Agent with Claude – Coach IA para Engenheiros

ZHAB00/learn-agent-with-claude

Sistema interativo de mentoria IA para dominar Agents com Claude Code

Ver no GitHub
InicialPluginScore · de 0 a 100

Repositório que transforma Claude Code em um coach de Engenharia de Agentes IA. Em vez de tutoriais passivos, você escreve código manualmente enquanto uma configuração CLAUDE.md orquestra aulas, feedback e exercícios — tudo em 60 dias, de zero a enterprise-grade.

Instalação

$npx convez-ai ZHAB00/learn-agent-with-claude

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
0
Forks
1
Acompanhando
0
Saúde
28%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Aprender arquitetura de Agents IA de forma prática e guiada
  • Treinar competências de Engenharia de Agentes em escala empresarial
  • Praticar code review automático e ajustes de design com feedback em tempo real
  • Preparar-se para entrevistas técnicas de Agent Engineering com testes temáticos

Veredito

Abordagem pedagógica genuinamente inovadora: usa Claude Code como coach de verdade, não apenas um visor de código. Recomendado para engenheiros sênior que querem dominar Agents IA com aprendizado estruturado e mentoria contínua. Requer compromisso de 60 dias e familiaridade prévia com Python/LLMs.

README

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

learn-agent-with-claude

用 Claude Code 做你的 AI Agent 工程教练——60 天,从零到企业级

Python LangChain License Phases


这是什么?

一份 Claude Code 的"教练配置",不是一套教程代码。

你 clone 仓库 → 打开 Claude Code → 它按 60 天路线图手把手教你写 Agent
                                    ↓
         讲解概念 → 你手打代码 → 出题检验 → 检查代码

所有教学逻辑写在 CLAUDE.md 里——把它看作 AI 教练的 System Prompt。你手打每一行代码,Claude 负责教、查、考。

这个仓库特别在哪?

普通 Agent 教程这个仓库
一堆 .py 代码给你看CLAUDE.md 驱动的交互式教学
看完了也不知道会不会每 Part 有 review 手写练习,Claude 帮你检查
代码只有 What 注释所有代码带 WHY 注释——为什么这样写
没有面试针对性每阶段有面试考点 + 口述检验
你一个人学Claude Code 是 1v1 教练

架构:Claude Code 怎么当教练的?

┌─────────────────────────────────────────────────┐
│               CLAUDE.md (教练 System Prompt)      │
│  "你是Agent工程教练。每行代码手打。对比+场景讲解。"   │
├─────────────────────────────────────────────────┤
│               Claude Code (执行引擎)               │
│  读 CLAUDE.md → 按教学原则执行 → 记录反馈到 Memory  │
├──────────────┬──────────────┬───────────────────┤
│   Skills     │   Memory     │   教学产出           │
│   coach      │   review     │   ├─ 教学代码        │
│   debug      │   留空        │   ├─ review 骨架    │
│   brainstorm │   总结格式    │   └─ 阶段收获文档    │
└──────────────┴──────────────┴───────────────────┘

核心机制:

  • CLAUDE.md = 教练的 System Prompt(角色定位 + 教学原则 + 代码规范 + Skill 路由规则)
  • Skills = 专项能力模块(agent-coach 教学、systematic-debugging 排错、brainstorming 设计)
  • Memory = AI 教练的长期记忆(记住你的偏好:"review 必须留空"、"总结要包含新 API")

快速开始

你需要什么

工具用途备注
Claude CodeAI 教学引擎npm install -g @anthropic-ai/claude-code
Python 3.11+写代码conda 环境 AgentStudy
DeepSeek API Key调 LLM申请地址,国内可达
Git版本控制绿墙养成

💡 本项目用 DeepSeek 作为主力模型(国内不用翻墙)。有 OpenAI / Anthropic Key 也可以切换。

三步启动

# 1. clone + 装依赖
git clone https://github.com/ZHAB00/learn-agent-with-claude.git
cd learn-agent-with-claude
pip install -r requirements.txt

# 2. 配置 API Key
cp .env.example .env
# 编辑 .env,填入 DEEPSEEK_API_KEY=sk-your-key

# 3. 打开 Claude Code,说"开始学习"
claude

之后 Claude Code 会按 study_plan.md 的路线图带你一步步学。你说"继续"、"下一部分"、"出题考我",它会自动进入教学节奏。


学习路线(60 天 / 13 阶段)

阶段天数主题核心产出状态
014 天Python 工程化基础异步并发调用池 + 完整测试✅
024 天Prompt EngineeringDSPy 优化对比 + 结构化输出引擎✅
036 天RAG 检索增强全链路企业文档智能问答系统(混合检索+重排序+评估)✅
044 天Agent 核心与 create_agent手写 ReAct + 10+ 工具企业管理 Agent✅
053 天MCP 协议与工具生态MCP 多 Server 网关 + A2A 混合通信✅
064 天Agent Middleware 企业中间件企业级安全 Agent(HITL+PII+熔断+长对话)🔨
074 天模型部署与私有化vLLM/Ollama + 多模型网关📋
085 天模型微调实战SFT+DPO 微调 + 评估 + 部署📋
095 天LangGraph 有状态编排审批工作流系统(持久化+多角色)📋
105 天Deep Agents 多智能体5-Agent 软件工程团队模拟📋
114 天Agent 性能评价三维评价框架 + CI 集成📋
125 天LLMOps 生产部署容器化 + Dashboard + CI/CD📋
137 天综合实战项目企业研发助手平台(简历级项目)📋

路线图基于 2026 年 AI Agent 工程师真实招聘 JD 制定。详见 study_plan.md。


项目结构

learn-agent-with-claude/
├── CLAUDE.md                  # 🧠 教练 System Prompt(角色、原则、Skill 路由)
├── study_plan.md              # 📋 60天学习路线图(13阶段 + 面试考点对照)
├── requirements.txt           # 📦 Python 依赖
├── .env.example               # 🔑 API Key 配置模板
├── cjk_utils.py               # 🛠 中英文混排终端对齐工具
│
├── phase01_core/              # 第一阶段:Python 工程化 (4天)
├── phase02_prompt/            # 第二阶段:Prompt Engineering (4天)
├── phase03_rag/               # 第三阶段:RAG 全链路 (6天)
├── phase04_agent/             # 第四阶段:Agent 核心 (4天)
├── phase05_mcp/               # 第五阶段:MCP 协议 (3天)
├── phase06_middleware/         # 第六阶段:中间件 (4天) 🔨
└── ...                        # 后续阶段

每个 Phase 目录包含:

phaseXX/
├── day01_xxx.py               # 教学主文件(~400行,5-6 Parts)
├── day01_review.py            # 手写练习骨架(# 你的代码 留空)
├── ...
├── day0N_review.py
├── servers/                   # (部分阶段)独立 Server/模块
└── PHASE_XX_SUMMARY.md        # 阶段收获文档(知识地图+面试考点+踩坑)

教学方法

对比 + 场景

每个概念通过和已知知识的对比引入,配真实代码场景:

# ❌ "TypedDict 是给 dict 加类型提示"
# ✅ 
# TypedDict 解决的场景:你写了一个 Agent 配置函数,传入 dict,
# 但别人写 config["modle"] 拼错了,IDE 不报,运行时才炸。
# TypedDict 让 IDE 自动补全+拼错标红,运行时零开销。

WHY 注释

每行关键代码解释为什么这样写,不是它做了什么:

# WHY name 参数:用于日志和调试,不参与通信协议
server = FastMCP("DemoServer")

# WHY 标记 _server:调试时能追踪工具来自哪个 MCP Server
langchain_tool.metadata = {"_server": name}

三步检验

每阶段完成后:

  1. 手写练习(dayXX_review.py)— 骨架代码留空,你手打填空
  2. 3 题口述 — 概念 / 代码 / 设计各一题
  3. 收获文档(PHASE_XX_SUMMARY.md)— 知识地图 + API 速查 + 面试考点 + 踩坑

代码规范

全项目统一用 LangChain 1.0+ API:

✅ 使用❌ 禁用
create_agent()create_react_agent() / AgentExecutor
SystemMessage / HumanMessage / AIMessage手拼 raw string
with_structured_output()手写正则解析
@tool / StructuredTool手写 JSON 解析

FAQ

Q: 我没有 AI 基础能学吗? A: 需要 Python 基础和 LLM 基本概念(知道 GPT/Token/Prompt)。Phase 01 会补工程化基础。

Q: 为什么用 Claude Code 而不是直接看代码? A: 看代码 = 被动阅读。Claude Code = 1v1 教练,会讲解、出题、检查你的代码。你在手打,它在教你。

Q: DeepSeek 要钱吗? A: DeepSeek 按 Token 计费,价格很低(约为 GPT-4 的 1/50)。注册即送免费额度。

Q: 这个仓库和 LangChain 官方教程有什么区别? A: LangChain 教程写"怎么用这个 API"。这个仓库教你"怎么成为一个 Agent 工程师"——面试考点、踩坑经验、工程化思维。同时展示怎么用 Claude Code 当教练。

Q: CLAUDE.md 里的 Skill 触发表是自动的吗? A: 不是 hook 级别的自动执行。Claude Code 读 CLAUDE.md 后,根据规则自行判断何时调用 Skill。这恰好是一个 Agent 设计案例——prompt 里的规则 vs 系统层强制执行。


贡献

这是个人学习项目,但欢迎提 Issue 讨论 Agent 工程话题。


License

MIT — 代码随便用,把 CLAUDE.md 当模板定制你自己的 AI 教练也欢迎。

Ver o original no GitHub

Bom para

Relacionados