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 GitHubRepositório 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-claude1 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
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
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 Code | AI 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 |
|---|---|---|---|---|
| 01 | 4 天 | Python 工程化基础 | 异步并发调用池 + 完整测试 | ✅ |
| 02 | 4 天 | Prompt Engineering | DSPy 优化对比 + 结构化输出引擎 | ✅ |
| 03 | 6 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) | ✅ |
| 04 | 4 天 | Agent 核心与 create_agent | 手写 ReAct + 10+ 工具企业管理 Agent | ✅ |
| 05 | 3 天 | MCP 协议与工具生态 | MCP 多 Server 网关 + A2A 混合通信 | ✅ |
| 06 | 4 天 | Agent Middleware 企业中间件 | 企业级安全 Agent(HITL+PII+熔断+长对话) | 🔨 |
| 07 | 4 天 | 模型部署与私有化 | vLLM/Ollama + 多模型网关 | 📋 |
| 08 | 5 天 | 模型微调实战 | SFT+DPO 微调 + 评估 + 部署 | 📋 |
| 09 | 5 天 | LangGraph 有状态编排 | 审批工作流系统(持久化+多角色) | 📋 |
| 10 | 5 天 | Deep Agents 多智能体 | 5-Agent 软件工程团队模拟 | 📋 |
| 11 | 4 天 | Agent 性能评价 | 三维评价框架 + CI 集成 | 📋 |
| 12 | 5 天 | LLMOps 生产部署 | 容器化 + Dashboard + CI/CD | 📋 |
| 13 | 7 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:
- 手写练习(
dayXX_review.py)— 骨架代码留空,你手打填空 - 3 题口述 — 概念 / 代码 / 设计各一题
- 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。