Learn Claude Code

本文介绍AI Agent开发中的Worktree任务隔离，通过双平面架构实现任务目录隔离，利用Git worktree避免并行任务文件冲突，支持多人协作和崩溃恢复。

本文提出自治智能体的主动式架构，通过WORK/IDLE双阶段生命周期、空闲轮询机制与身份重注入技术，解决传统智能体被动等待指令的痛点，实现基于文件系统的任务自主认领与线程安全调度。

本章中，s10 为智能体团队设计统一 request-response 协议，规范关机与审批流程，确保智能体团队安全有序协作。

本章构建持久化智能体团队，解决一次性子智能体和哑后台任务的问题。每个队友拥有独立线程与 LLM 循环，通过 JSONL 文件邮箱实现跨轮通信......

本文介绍AI Agent的后台任务系统，解决耗时命令阻塞问题。通过守护线程并行执行慢命令（如npm install），使用线程安全队列传递结果，解决智能体阻塞问题，提升效率。

本文介绍AI Agent的任务系统，将扁平待办清单升级为持久化的任务图。每个任务以JSON文件存储，包含状态、前置和后置依赖，支持串行并行执行。任务完成时自动解除依赖关系，实现多步骤工作的协调管理。

本文介绍AI Agent的三层上下文压缩机制，解决长期运行时的token膨胀问题。包括微观压缩、自动压缩和手动压缩。通过保存完整对话到磁盘并生成结构化摘要，实现无限会话能力。

本文介绍AI Agent的技能加载机制，解决系统提示词臃肿问题。通过两层设计：系统提示只保留技能名称（低成本），需要时通过tool_result按需加载完整内容。

本文介绍AI Agent开发中的子智能体模式。通过将复杂任务外包给临时子智能体处理，只返回最终摘要，避免上下文污染。父智能体保持干净对话，子智能体拥有独立上下文，完成任务后立即销毁。

本文介绍 learn-claude-code 项目第3阶段（s03）的 TodoWrite（待办写入） 功能，用于解决大模型在长链路任务中"健忘"的问题。

本文介绍了如何为AI Agent添加专用工具来提升鲁棒性和安全性。相比初始版本仅支持bash命令，新版本提供了更安全、更可靠的文件操作方式。

本文介绍了智能体开发中的核心概念——智能体循环(Agent Loop)，基于开源项目learn-claude-code实现。