使用 LangGraph (Python) 框架复现 Claude Code 核心功能模块的实战教程，通过代码实现帮助开发者深入理解其架构设计与工作原理。
项目地址：https://github.com/shenzhongchao/dive-into-claude-code
💡 为什么要学习本课程？
- 探索原理
- 解密强大的 coding agent 背后的实现机制 - 迁移能力
- 掌握可复用的架构模式和设计方法论，应用于其他 Agent 场景 - 精通使用
- 深入理解内部原理，更高效地发挥 Claude Code 的能力
说明： 本项目基于 LangGraph 实现 Claude Code 的核心功能，用于教学目的。由于技术栈差异，本项目是功能模块层面的复现，而非对 Claude Code 源码的逐行还原。
本课程参考了《基于 LangGraph 一步步实现 Claude Code 核心设计》[https://developer.aliyun.com/article/1683352]和 shareAI-lab 的《Claude Code 逆向分析》[https://github.com/shareAI-lab/analysis_claude_code]，并在 Claude Code 的协助下完成开发。
📍 课程定位：本系列为基础到进阶篇，涵盖 Claude Code 的核心功能模块。更多生产级高级特性（工具并发调用、安全验证、真实 Steering 实现、案例开发等）将在后续的高级篇中推出。
👥 适合人群
本课程适合：
-
🎓 想深入理解AI Agent原理的开发者 -
🔧 需要开发类似Claude Code应用的工程师 -
📚 学习LangGraph框架最佳实践的学习者 -
🤖 对multi-agent系统感兴趣的研究者
前置知识
必需：
-
✅ Python基础（熟悉async/await） -
✅ 了解LLM的基本概念 -
✅ 有一定的Jupyter使用经验
加分项：
-
了解ReAct框架 -
使用过Langgraph -
有Agent开发经验
⚠️ 异步编程提醒：本课程的 Agent 开发涉及大量异步编程（async/await、asyncio、Task、事件循环等）。如果你对 Python 异步编程不熟悉，强烈建议先学习补充教程
supp2_async_programming_tutorial.ipynb，它提供了完整的异步编程知识体系，掌握异步编程将帮助你更好地理解 LangGraph 的流式输出、并发控制、SubAgent 调度等核心机制。
📚 教学大纲
✅ 已完成章节（完整可运行）
1. 第1章：基础ReActAgent (01_basic_react_agent.ipynb)
-
✅ StateGraph、MessagesState、ToolNode基础 -
✅ 手动构建 vs 预构建Agent对比 -
✅ 工具调用完整流程 -
✅ 图结构可视化 -
✅ 3个实战测试用例
2. 第2章：人在环路 (02_human_in_the_loop.ipynb)
-
✅ interrupt()中断机制详解 -
✅ Command动态路由 -
✅ MemorySaver状态持久化 -
✅ 硬编码审查 vs LLM驱动审查 -
✅ 时间旅行（状态回溯） -
✅ 生产环境建议
3. 第3章：SubAgent实现 (03_subagent_implementation.ipynb)
-
✅ SubAgent配置与创建 -
✅ TaskTool工具设计 -
✅ 3种专用SubAgent（通用/代码分析/文档撰写） -
✅ 上下文隔离演示 -
✅ 工具过滤机制 -
✅ 完整多Agent协作示例
4. 第4章：TodoList任务管理 (04_todo_task_management.ipynb)
-
✅ State扩展（添加todo_list） -
✅ TodoRead/TodoWrite工具 -
✅ 提示词工程详解 -
✅ LLM自主任务管理 -
✅ 复杂任务自动分解演示
5. 第5章：上下文压缩 (05_context_compression.ipynb)
-
✅ Token监控机制（倒序查找优化） -
✅ 92%阈值智能触发 -
✅ 8段式压缩提示词（完整版） -
✅ 压缩节点设计与实现 -
✅ 消息保留策略 -
✅ 长对话模拟测试
6. 第6章：流式输出和中断 (06_streaming_steering.ipynb)
-
✅ 三种stream_mode详解（values/updates/messages） -
✅ 事件级别流式输出（astream_events） -
✅ 实时Token流式输出 -
✅ 异步流式处理（astream） -
✅ 中断与恢复演示 -
✅ 流式进度追踪 -
✅ Steering demo演示 -
✅ 真实Steering实现方案
7. 综合实战：claude_code_demo (claude_code_demo/)
-
✅ 集成所有6章核心功能 -
✅ 模块化设计（core/tools/nodes/utils/prompts） -
✅ 多种运行方式（独立运行/模块导入/调试） -
✅ 完整示例代码
说明：
-
前6章notebook专注于教学，逐步讲解每个功能的原理与实现 claude_code_demo则是一个可直接使用的完整应用，展示如何将所有功能模块整合成综合Agent应用项目 -
对于想要深入了解本教程实现与claude code真实实现差距的读者，可以参考补充资料 supp1_from_course_to_production.md -
对于复杂的功能模块，使用更强大的模型，例如gpt-5-mini
🚧 规划中章节（高级篇）
以下高级特性正在开发中，将作为独立的高级课程推出：
工具系统优化
-
🔄 工具并发调用机制 -
🎯 智能工具选择与路由 -
⚡ 工具执行性能优化
安全与控制
-
🔒 工具权限与沙箱机制 -
✅ 输入输出安全验证 -
🛡️ 恶意代码检测与防护
生产级特性
-
🎮 真实 Steering 实现（完整架构） -
📊 监控、日志与可观测性 -
🔧 错误处理与降级策略 -
💾 分布式状态管理
高级交互
-
🌐 MCP（Model Context Protocol）集成 -
🔌 插件系统设计
关注本项目获取更新通知！ ⭐
🛤️ 学习路径
推荐学习顺序 ⭐
阶段一：基础入门
- 第1章
：基础ReAct Agent - 理解LangGraph核心概念 - 第2章
：人在环路 - 掌握中断和状态管理
阶段二：进阶功能
- 第3章
：SubAgent实现 - 多Agent协作 - 第4章
：TodoList任务管理 - LLM自主任务分解
阶段三：性能与优化
- 第5章
：上下文压缩 - 长对话管理 - 第6章
：流式输出和中断 - 用户体验与控制
阶段四：综合实战
- claude_code_demo
：完整工程化实现 - 学习模块整合与生产级实践
阶段五：深入理解
- supp1
：从课程到生产 - 完整技术对比与升级路径 -
📖 理解课程实现 vs 真实 Claude Code 的差距 -
🎯 掌握核心原理和工程优化的区别 -
🚀 获得从教学Demo到生产系统的清晰路径
🚀 快速开始
环境准备
-
1 -
2 -
3 -
4 -
5 -
6 -
7 -
8 -
9 -
10 -
11 -
12 -
13 -
14 -
15 -
16 -
17 -
18 -
19 -
20 -
21 -
22 -
23 -
24 -
25 -
26 -
27 -
28 -
29 -
30 -
31 -
32 -
33 -
34 -
35 -
36 -
37 -
38 -
39 -
40 -
41 -
42 -
43
# 1. 安装依赖
# 方式一：
pip install -r requirements.txt
# 方式二：（推荐）：
uv venv
# Linux/Mac:
source .venv/bin/activate
# Windows:
.venv\Scripts\activate
uv pip install -r requirements.txt
# 2. 设置API Key（选择其一）
# Linux/Mac:
export OPENAI_API_KEY="your-key-here"
# 或使用通义千问
export DASHSCOPE_API_KEY="your-key-here"
# Windows (CMD):
set OPENAI_API_KEY=your-key-here
# 或
set DASHSCOPE_API_KEY=your-key-here
# Windows (PowerShell):
$env:OPENAI_API_KEY="your-key-here"
# 或
$env:DASHSCOPE_API_KEY="your-key-here"
# 3. （可选）启用LangSmith追踪
# Linux/Mac:
export LANGSMITH_API_KEY="your-key"
export LANGSMITH_TRACING="true"
# Windows (CMD):
set LANGSMITH_API_KEY=your-key
set LANGSMITH_TRACING=true
# Windows (PowerShell):
$env:LANGSMITH_API_KEY="your-key"
$env:LANGSMITH_TRACING="true"
运行示例
-
1 -
2 -
3 -
4 -
5
# 启动Jupyter
jupyter notebook
# 或使用VS Code的Jupyter扩展
code .
🎯 学习目标
完成本系列教程后，你将能够：
理论层面：
-
✅ 深入理解LangGraph的核心概念（StateGraph、MessagesState、Checkpointer） -
✅ 掌握ReAct Agent的工作原理和实现方式 -
✅ 理解人机协同和中断机制的设计思路 -
✅ 了解multi-agent系统的架构设计
实践能力：
-
✅ 构建基础ReAct Agent -
✅ 实现人机协同机制（interrupt、Command） -
✅ 创建多Agent协作系统（SubAgent、工具过滤） -
✅ 管理复杂任务流程（TodoList、状态管理） -
✅ 优化上下文和性能（压缩、流式输出） -
✅ 实现基础的中断控制（Steering demo）
工程化能力：
-
✅ 理解Claude Code的核心架构设计 -
✅ 掌握Agent开发的最佳实践 -
✅ 具备开发类似应用的基础能力
💡 进阶提示：想要掌握工具并发、安全验证、生产级Steering等高级特性？请关注后续的高级篇课程！
💻 代码特点
每个notebook都包含：
完整性：
-
✅ 完整可运行代码 - 所有import和配置，开箱即用 -
✅ 实际测试用例 - 可直接运行查看效果 -
✅ 图结构可视化 - 清晰展示Agent流程
教学质量：
-
✅ 详细中文注释 - 每个函数都有说明，理解无障碍 -
✅ 循序渐进讲解 - 从"是什么"到"为什么"再到"怎么做" -
✅ 原理对比分析 - 与Claude Code原始实现对照 -
✅ 练习题巩固 - 每章都有思考题和练习
灵活性：
-
✅ 双LLM支持 - OpenAI和通义千问可切换 -
✅ 模块化设计 - 每章独立，可按需学习 -
✅ 完整demo实现 - claude_code_demo可直接使用和扩展
补充教程
supp1_from_course_to_production.md- 课程内容 vs Claude Code 完整技术对比 supp2_async_programming_tutorial.ipynb- Python 异步编程完整教程 claude_code_demo/- 各种功能模块整合demo
外部资源
-
LangGraph官方文档[https://langchain-ai.github.io/langgraph/] -
LangChain Python文档[https://python.langchain.com/] -
Claude Code逆向分析[https://github.com/shareAI-lab/analysis_claude_code]
❓FAQ
1. Agent执行过程失败
更换更强大的LLM。对于复杂的任务，例如todo_task和context_compression，很多顶流开源大模型达不到预期，测试中gpt-5-mini便宜稳定，基本都能通过。
💖 支持本项目
如果本课程对你有帮助，欢迎通过以下方式支持：
-
⭐ Star 本项目 - 让更多人看到这个教程 -
🔄 Fork 并改进 - 欢迎提交 PR 完善内容 -
📢 分享推荐 - 分享给更多需要的朋友 -
💬 反馈建议 - 提 Issue 帮助改进课程
如果觉得课程有价值，也可以请我喝杯咖啡 ☕
扫码支持，感谢你的鼓励！
📄 开源协议
本项目采用 MIT License[LICENSE] 开源协议。
你可以自由地：
-
✅ 商业使用 -
✅ 修改代码 -
✅ 分发和再授权 -
✅ 私有使用
唯一要求：保留原始的版权声明和许可声明。
📮 反馈
如有问题或建议，欢迎提Issue！
Happy Learning! 🚀