CodeAgent

自学习 AI Agent 命令行工具——交互体验对标 claude code，Windows 优先，开箱即用。

English | 简体中文

CodeAgent 是一个跑在终端里的 AI 编程助手：你用自然语言下指令，它读代码、改文件、跑命令、查资料，把活干完。它有自己的一套「长本事」机制——从对话轨迹里沉淀可复用的技能，越用越顺手。

🧭 这是一份手写的「中文版 claude code」

不是套壳，也不是翻译——是从交互界面到 Agent 主循环一行行手写出来的完整实现，注释全是中文：

📚 想学 Agent 开发？这就是活教材。 工具自注册、上下文分级压缩、权限审批、子代理团队、工作流引擎、记忆系统——一个真实可跑的 Agent 全链路都在这儿，每个模块都是「大白话流程 → 参数 → 返回」的保姆级中文注释，读代码像读教程。
🛠 欢迎上手改。 觉得哪里不顺手？fork 了直接改——代码结构清晰、注释到位，改起来不费劲。欢迎 PR：修 bug、加功能、优化界面都行。
💬 有问题社区问。 卡住了、看不懂了、想讨论设计，直接去 Issues 或 Discussions 发帖，有问必答。

✨ 特性

终端体验（对标 claude code）

流式回答圆角框、思考流暗色框、工具事件行（● Bash(...) + ⎿ 结果）
危险命令 / 白名单外写文件的审批面板：允许一次 / 总是允许 / 拒绝三选，面板答完自擦不污染上下文
Ctrl+C 语义分明：回合中一键中断、双击强退；审批面板上 Ctrl+C 一击取消并中断整轮
皮肤系统、页脚状态栏、命令补全、输入历史、粘贴大段文本自动落盘引用

模型与工具

多模型接入：OpenAI 兼容协议（默认 DeepSeek）与 Anthropic 协议均可配；主模型 + 辅助小模型（压缩/检索/记忆提取等杂活走便宜模型）
工具自注册体系：tools/ 下模块 import 即登记，按「套餐」（toolset）控制发给模型的工具集
MCP 外部工具：项目级 .mcp.json 声明即接入，首次连接需审批
内置工具覆盖文件读写、终端执行、搜索、代码检索、Web 抓取、后台任务、子代理派发等

安全防线

破坏性命令审批 + 跨会话白名单（按命令 / 按前缀规则记忆）
注入面检测（$()、进程替换等「所见非所执行」形态升审批）、删除路径红线、自我保护
秘钥扫描（防 API key 写入文件/记忆）、SSRF 防护、Web 内容注入隔离
Linux 下可选 bwrap 沙箱执行

记忆与自学习

长期记忆：MEMORY.md 索引 + JSONL 存储 + 检索结果临时注入（不污染正式历史）
技能系统：用户技能 + 插件市场技能（/plugin 管理），支持按触碰文件路径条件激活
自学习管线：观察对话轨迹 → 沉淀新技能（启发式 / 辅助模型两种观察方式）

协作与自动化

子代理：同步 / 后台派发，worktree 隔离，后台代理无人审批时自动 fail-closed
团队模式：coordinator / worker / 消息总线 / 邮箱
工作流引擎：确定性编排、日志断点续跑、花费封顶
定时任务（cron）、声明式 hooks、任务清单、会话 checkpoint 回溯（/rewind）

上下文工程

分级压缩（L1 轻裁剪 → L4 深度摘要）、批间工具摘要、时间基线旧结果清理
前缀缓存友好：临时消息注入与剥离时机讲究，不破坏缓存前缀

🖥 界面一览

运行中的 CodeAgent

🚀 快速开始

前提：Python 3.11+ 和 uv（Python 包管理器）。

# 1) 安装 uv（已有可跳过）
#    Windows (PowerShell):  powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
#    macOS / Linux:         curl -LsSf https://astral.sh/uv/install.sh | sh

# 2) 拉代码 + 装依赖
git clone https://github.com/Harvil1/codeAgent.git
cd codeAgent
uv sync

# 3) 配置 API key（二选一）
#    a) 环境变量——按所用厂商设置其一即可，程序会自动识别：
#       DEEPSEEK_API_KEY / OPENAI_API_KEY / ANTHROPIC_API_KEY /
#       OPENROUTER_API_KEY / ZHIPUAI_API_KEY（BIGMODEL_API_KEY 亦可）
#    b) 写入 ~/.codeAgent/settings.json 的 models.<名字>.api_key
#       （首次运行会自动生成默认配置文件，默认模型为 DeepSeek）

# 4) 跑起来
uv run python main.py              # 交互模式
uv run python main.py -c           # 自动恢复最近一次会话

提示：换模型 / 换厂商在会话里输 /model 按引导配置，或直接编辑 ~/.codeAgent/settings.json。

⌨️ 常用操作

会话内 40+ 个 slash 命令，常用如下：

命令	作用
`/help`	命令帮助
`/model`	切换 / 配置模型（按引导填厂商、key、端点）
`/new` `/resume` `/sessions`	新会话 / 恢复 / 会话列表
`/rewind`	回溯到某个 checkpoint 重来
`/skills` `/plugin`	管理技能 / 插件市场
`/memory`	查看维护长期记忆
`/permission` `/sandbox` `/approved`	权限模式 / 沙箱开关 / 已批准命令白名单
`/doctor`	自诊断（配置、网络、组件健康检查）
`/plan`	计划模式：先出方案批准再动手
`/stats` `/usage` `/trace`	花费统计 / 用量 / 调用链追踪

⚙️ 配置与数据

运行时数据统一放在 ~/.codeAgent/（环境变量 CODEAGENT_HOME 可覆盖，测试 / 多配置隔离用）：

路径	内容
`settings.json`	全部配置（默认值单一源头在代码里，落盘深合并，手改安全）
`sessions.db/`	会话持久化（JSONL）
`MEMORY.md` + 记忆库	长期记忆索引与正文
`skills/`	用户技能
`plugins/`	插件（含官方市场 `claude-plugins-official`）
`logs/`	运行日志（滚动，5MB × 3）

🏗 架构一览

调用链一句话：main.py（点火：控制台编码、终端自举）→ cli.main → run_interactive（REPL + slash 命令 + RuntimeContext 装配）→ AIAgent.run_conversation（主循环心脏）。

主循环每轮：组装消息（注入后台 / 定时 / 团队 / 计划等临时消息）→ 上下文压缩 → 刷新工具集 → 调 LLM → 分发工具调用，模型不再要工具即收尾。

子系统	模块
LLM	`llm_client.py`（OpenAI 兼容 / Anthropic 协议）、`aux_llm.py`（辅助小模型路由）
记忆	`memory_store.py`、`memory_retriever.py`
上下文	`context_compressor.py`（分级压缩）、`context_pipeline.py`
子代理 / 团队	`tools/delegate_tool.py`、`agent/team/`
工作流	`workflow_engine.py` + `workflow_journal.py`
技能	`~/.codeAgent/skills/` + `agent/skill_learning/`（自学习）
安全	`bash_injection.py`、`ssrf_guard.py`、`secret_scanner.py`、`sandbox_runner.py`、`permission.py`
持久化	`session_store.py`、`task_store.py`、`hooks.py`

🧪 开发

uv run python scripts/verify.py   # 60+ 项回归检查（改完代码先跑这个）
uv run ruff check .               # lint

❓ FAQ

支持哪些终端？ cmd / Windows Terminal / PowerShell 直接可用；git-bash（mintty）下会自动用 winpty 重新拉起，无需手动处理。
支持 Linux / macOS 吗？ Windows 优先开发与验证；Linux 可运行（含 bwrap 沙箱支持），macOS 理论可用、未充分验证。
模型必须用 DeepSeek 吗？ 不。任何 OpenAI 兼容端点或 Anthropic 协议端点都可以，/model 或改 settings.json 即可，key 支持环境变量与配置文件两种方式。
会话数据在哪？ 全部在 ~/.codeAgent/，删掉目录即完全重置。

codeAgent