从零认识ClaudeCode-01: 基于QwenCoderPlusd打造一个BashAgent

目录

1. 项目背景与参考 2. 基础模型调用流程 3. 单次调用的局限性与手动执行 4. Agentic Loop 核心概念 5. 工具调用 (Tool Use) 规范 6. 完整 Agent 循环实现 7. 测试与验证

---

1. 项目背景与参考 Content-[00:00]

视频开启了一个新系列，旨在从零开始构建类似 Claude Code 的编程助手。

• 市场现状：目前市面上有许多编程工具，如 OpenAI 的 Codex、Toppy 的 Cloud Code，以及国内的 Kimi、MiniMax 等。
• 差距分析：不同工具之间的体验差距主要源于两点：
  1. 基座模型的能力差异。
  2. 整个 Code 系统的设计架构。
• 参考项目：本教程代码设计主要参考了 GitHub 上的开源项目 learn-claude-code (由 shanshail Lab 开发)。
  • 该项目 Star 数已达 17K+。
  • 核心依赖极少，仅依赖 Anthropic SDK。
  • 代码简洁但系统设计经过深思熟虑。

---

2. 基础模型调用流程 Content-[00:55]

回顾最原始的模型调用方式，即“用户输入 Prompt -> 调用 Model API -> 返回文本结果”。

• 环境配置：需要配置三个关键参数：
  1. BASE_URL
  2. API_KEY
  3. MODEL_NAME (例如 qwen-coder-plus)
• 初始化客户端：使用 Base_URL 和 API_KEY 初始化 Client。
• 调用接口：使用 client.messages.create 方法。
  • 指定 model 名称。
  • 组织 messages 列表（包含 role 和 content）。
  • 设置 max_tokens (例如 200)。
• 响应结构解析：
  • role: 通常为 assistant。
  • stop_reason: 标识对话是否结束（如 end_turn）。
  • content: 一个列表，包含具体的返回内容块。
    • type: 消息类型（如 text）。
    • text: 具体的文本内容。

测试案例 1：简单数学计算

• 输入：1+1 等于几
• 输出：模型正确返回文本结果 1+1=2。

测试案例 2：文件操作尝试

• 输入：统计 flow.md 这个文件有多少字符
• 输出：模型返回文本建议（如使用 wc 命令），但无法直接读取本地文件或执行命令。因为它只能返回文本，没有后续动作能力。

---

3. 单次调用的局限性与手动执行 Content-[03:55]

为了解决模型无法执行命令的问题，初步尝试通过 Prompt 工程让模型只返回 Linux 命令。

• Prompt 优化：告诉模型“只给我返回 Linux 命令”。
• 效果：模型返回了 wc -c flow.md。
• 手动执行：用户在终端手动运行该命令，得到结果 1093。
• 自动化思路：
  1. 提取命令：从模型的 response.content 中提取文本，去除 Markdown 格式（如 “`bash）。
  2. 执行命令：使用 Python 的 subprocess 模块运行提取出的命令。
  3. 获取输出：捕获 stdout 作为最终结果。

局限性：这种方法仅适用于单步任务。对于复杂任务（如“找到最大的 Python 文件，统计函数数量，并在文件头写入注释”），模型无法一次性给出所有步骤，因为每一步的输入依赖于上一步的输出。

---

4. Agentic Loop 核心概念 Content-[07:44]

为了解决多步任务问题，引入了 Agentic Loop (代理循环) 概念。

• 核心逻辑：模型在循环中不断地 观察 (Observe) -> 决策 (Decide) -> 执行 (Execute)。
• 流程图对比：
  • 原始模式：Chat Prompt -> Model API -> 返回文本 -> 结束。
  • Agent 模式：增加了工具调用和结果反馈的闭环。
• 消息管理 (History)：
  • 每次调用模型时，必须将之前所有的交互消息（包括用户指令、模型回复、工具执行结果）拼接进 messages 列表。
  • 这样模型才能“记住”上下文和上一步的执行结果。
• 循环终止条件：
  • 当模型返回 stop_reason 为 end_turn 且没有工具调用时，表示任务完成。
  • 或者达到最大迭代次数。

---

5. 工具调用 (Tool Use) 规范 Content-[09:46]

为了让模型知道可以调用工具，需要在 API 请求中定义 tools 参数。

• Tools 定义结构：这是一个列表，每个工具包含以下字段：
  1. name: 工具名称（例如 bash）。
  2. description: 工具描述（告诉模型什么时候用这个工具）。
  3. input_schema: 输入参数的 JSON Schema。
     • type: object
     • properties: 定义参数（如 command 类型为 string）。
     • required: 必填参数字段列表。
• System Prompt：
  • 设定角色：You are a CLI agent...
  • 设定规则：优先使用工具，如何解释执行结果等。

响应变化：

• 当模型决定调用工具时，stop_reason 变为 tool_use。
• content 列表中会出现 type: tool_use 的块，包含 id, name, input 等信息。

---

6. 完整 Agent 循环实现 Content-[12:00]

基于上述概念，构建完整的 while True 循环逻辑。

1. 初始化 History：将用户的初始 Prompt 放入 history 列表。
2. 进入循环：
   • 调用 API：传入 history 和 tools 定义。
   • 保存回复：将模型的原始回复（Assistant Message）追加到 history。
   • 判断结束：检查 stop_reason。如果是 end_turn，则跳出循环，输出最终文本。
   • 处理工具调用：
     • 遍历 content 块，寻找 type == 'tool_use'。
     • 提取工具名称（如 bash）和输入参数（如 command）。
     • 执行工具：使用 subprocess.run 执行命令，捕获 stdout 和 stderr。
     • 构造结果：创建一个新的消息块，role: user, content: tool_result，包含工具执行的结果。
     • 更新 History：将工具执行结果追加到 history，供下一轮模型观察。
3. 重复：直到任务完成。

代码关键点：

• 需要处理 tool_use 和 tool_result 的配对（通过 tool_use_id）。
• 确保 history 中消息角色的正确性（User/Assistant）。

---

7. 测试与验证 Content-[19:25]

对构建好的 BashAgent 进行实际任务测试。

• 测试案例 1：统计文件字符数
  • 指令：统计 flow.md 有多少个字符
  • 过程：
    1. 模型调用 bash 工具，命令 wc -c flow.md。
    2. 系统执行命令，返回 1093 flow.md。
    3. 模型根据结果生成最终回复：flow.md 文件包含 1093 个字符。
  • 结果：成功。

• 测试案例 2：统计目录下 Python 文件数量
  • 指令：统计当前目录下有几个 python 文件
  • 过程：
    1. 模型调用 bash 工具，命令 find . -name "*.py" | wc -l (或类似命令)。
    2. 系统执行返回 6。
    3. 模型总结：当前目录有 6 个 python 文件。
  • 结果：成功。

后续计划：

• 当前工具仅支持 bash。
• 下一步将添加更多工具，如 read_file (读取文件), edit_file (编辑文件) 等，以增强 Agent 能力。

---

AI 总结

本视频详细演示了如何从零开始构建一个基于 QwenCoderPlus 模型的 BashAgent。内容涵盖了从最基础的 API 调用，到发现单次调用的局限性，再到引入 Agentic Loop 和 Tool Use 机制来实现自动化的命令执行与多步任务处理。

核心要点包括：

1. 系统架构：参考 learn-claude-code 项目，保持核心依赖最小化。
2. 交互闭环：通过 History 管理上下文，实现 Prompt -> Model -> Tool -> Result -> Model 的循环。
3. 工具定义：利用 API 的 tools 参数规范模型行为，使其能够结构化地输出命令。
4. 执行安全：使用 Python subprocess 安全地执行模型生成的 Bash 命令并捕获输出。

这为开发更复杂的 Coding Agent 奠定了坚实的基础。