企业官网建设流程全解析

想读懂一个 AI 编码 Agent 的内部构造，却总被几十万行闭源代码劝退？CoreCoder就是为此而生的答案：一个只有约 1300 行 Python 引擎的最小化编码 Agent（coding agent），灵感来自 Claude Code，可接入任意大模型。它就像编码 Agent 领域的 nanoGPT——一个下午读完整个引擎，每一行都能在你自己的机器上下断点、改完再跑。

CoreCoder 是什么：编码 Agent 界的 nanoGPT

先用一张表建立体感，你就知道它"小"到什么程度：

它的定位不是抢 Claude Code 的用户，而是读懂并 fork 出自己的 Agent的那块地基。代码来自作者对 Claude Code 公开源码分析的动手复写：讲的是这类生产级 Agent 的核心思路，且它自己真的能跑——读写文件、执行 shell、派子 Agent、分三层压缩上下文，还能随时报出这趟烧掉的 token 和美元数。

5分钟上手：安装、配置与第一条命令

先让它在你机器上"活一次"，建立体感再读代码：

git clone https://gitcode.com/gh_mirrors/co/CoreCoder cd CoreCoder pip install -e .

不想 clone 的话，直接pip install corecoder也行。

最快配置方法：改两个环境变量

默认走 OpenAI 兼容接口，换模型通常只动两个环境变量：

# 以 DeepSeek 为例 export OPENAI_API_KEY=sk-... export OPENAI_BASE_URL=https://api.deepseek.com export CORECODER_MODEL=deepseek-chat

Kimi、Qwen、本地 Ollama 同理；连 OpenAI 兼容接口都不给的 provider，装上可选的 LiteLLM 后端就能路由一百多家。配置文件入口在 corecoder/config.py，价格表在 corecoder/llm.py 里内置、支持本地覆盖。

然后两条命令就能跑起来：

corecoder # 交互式 REPL corecoder -p "给 parse_config() 加错误处理" # 一次性模式，干完就退

核心奥秘一：一个 while 循环就是 Agent 的本体

整个 Agent 的心脏在 corecoder/agent.py，核心骨架就十来行：

for _ in range(self.max_rounds): # 循环有上限，跑不飞 reply = self.llm.chat(self.messages, self.tools) # 交给模型规划下一步 if not reply.tool_calls: # 模型不再要工具 return reply.text # → 收工，把回答给用户 results = run_parallel(reply.tool_calls) # 要工具就并发执行 self.messages += results # 结果回灌，进入下一轮

对应源码见 corecoder/agent.py。把用户的话交给模型，模型想调工具就执行，结果塞回上下文再问模型，直到它不再要工具、给出回答——这就是编码 Agent 的全部本体。剩下的 1300 行，几乎全在收拾它真跑起来之后冒出来的岔子。

核心奥秘二：三个决定性的工程取舍

这一千多行里，有三处取舍是"先读懂别人怎么做"之后才做得出的，也是你 fork 自己 Agent 时可以直接抄走的判断：

1. 权限：动手之前先问你

只读工具（read_file、glob、grep）模型一调就跑；会改磁盘的（edit_file、write_file、bash、派子 Agent）一律先停下来等你点头。逻辑收在 75 行的 corecoder/permissions.py，纯函数、可单测。一次性模式-p没人可问，改动类调用当场被拒——循环绝不会卡在等一个永远不会来的输入上。

2. 上下文：不是满了才一刀切，而是分三档退让

上下文管理在 220 行的 corecoder/context.py：

• 50% 半满：把超长的工具输出就地截短，纯机械、不花一次模型调用；
• 70%：把较早的轮次交给模型总结成摘要，最近几轮原文保留；
• 90% 应急档：连摘要带最近几轮一起压到最紧。

按"重要性从低到高"一档档让，而不是一上来就把长任务最依赖的早期决定整段切掉。

3. 改文件：唯一匹配搜索替换，不靠行号

edit_file锚定一段唯一的原文：匹配不到就把文件开头甩回去让模型重新锚定；匹配到多处就让它多带几行上下文再来。行号这东西，模型数偏一行就会悄悄改错地方。实现见 99 行的 corecoder/tools/edit.py。

30 秒看懂代码地图

整个项目 25 个文件、2816 行，可以当一本书的目录来读：

八个工具各自都不到 200 行，基类只有 32 行（corecoder/tools/base.py）——想加一件自己的工具，照这个基类写个新文件就行。

进阶三件套：计划模式、Hooks 与 MCP

v0.6.0 之后，CoreCoder 加了三样不动主循环就能扩展的东西：

• 计划模式：REPL 里敲/plan，一切改动类调用当场被拒，Agent 先用只读工具摸底、交出编号计划，approve后才执行；
• Hooks：在~/.corecoder/hooks.json里配置自己的 shell 命令，在每次工具调用前后跑起来（思路和 Claude Code 的 hooks 一致），pre 钩子还能用退出码 2 当场否决这次调用；
• MCP 服务器：放一个mcp.json，任何 MCP 服务器的工具就以mcp__服务器__工具的身份并进工具集，客户端收在 corecoder/mcp.py 一个文件里。

机制细节在 87 行的 corecoder/hooks.py，仓库里还附了免 API key 的离线演示 examples/plan_hooks_demo.py。

配套源码导读：八篇双语文章逐行拆解

README 只给地图，"每一行为什么"都拆进了仓库自带的八篇双语导读（每篇都有_EN.md英文镜像）：

• 00 导言 · 用 CoreCoder 读懂 Claude Code
• 01 一个 Agent 的本体，是一个 while 循环
• 02 工具系统：让模型安全地动手
• 03 接入任意大模型，顺便把账算清楚
• 04 用有限的窗口扛住一个长任务
• 05 并行执行与子 Agent
• 06 把它跑成一个真正的命令行工具
• 08 不动主循环的三种加法：MCP、钩子与计划模式

总结：先读懂，再 fork

CoreCoder 最值得学的不是某段代码，而是它示范的一条路径：用 1300 行诚实复写，把 Claude Code 级编码 Agent 的核心循环、权限闸、上下文压缩、并行执行全部摊开给你看。读懂之后，换模型（改两个环境变量）、加工具（照 corecoder/tools/base.py 写个新文件）、改提示词（corecoder/prompt.py 才 41 行），每一步都有 224 个测试（tests/）兜底——fork 它，就是造一个更好 Agent 的开始。