CoreCoder

原名 NanoCoder —— 为避免与 Nano-Collective/nanocoder 混淆已更名。旧仓库的所有链接将自动重定向至此。

中文 | English | Claude Code 架构深度解析（7 篇文章）

512,000 行 TypeScript → ~1,400 行 Python。

我花了整整两天时间对泄露的 Claude Code 源代码进行了逆向工程（足足 50 万行代码）。随后，我剔除了所有冗余，只保留了核心支柱，并用 Python 进行了重构。成果就是：你可以一次性读懂的、包含 Claude Code 所有核心架构模式的代码库。

CoreCoder 并不是又一个 AI 编程工具，它是一个蓝图——相当于编程 Agent 界的 nanoGPT。阅读它，Fork 它，构建你自己的 Agent。

---

$ corecoder -m kimi-k2.5

You > read main.py and fix the broken import

  > read_file(file_path='main.py')
  > edit_file(file_path='main.py', ...)

--- a/main.py
+++ b/main.py
@@ -1 +1 @@
-from utils import halper
+from utils import helper

Fixed: halper → helper.

你将获得什么

将 Claude Code 的 51.2 万行代码提炼为 ~1,400 行，涵盖 7 个关键模式：

模式	Claude Code	CoreCoder
搜索并替换编辑（唯一匹配 + diff）	FileEditTool	tools/edit.py — 70 行
并行工具执行	StreamingToolExecutor (530 行)	agent.py — ThreadPool
3 层上下文压缩	HISTORY_SNIP → Microcompact → CONTEXT_COLLAPSE	context.py — 145 行
带有隔离上下文的子 Agent	AgentTool (1,397 行)	tools/agent.py — 50 行
危险命令拦截	BashTool (1,143 行)	tools/bash.py — 95 行
会话持久化	QueryEngine (1,295 行)	session.py — 65 行
动态系统提示词	prompts.ts (914 行)	prompt.py — 35 行

每一个模式都是真实可运行的实现，而非简单的示意图或博客文章。

安装

pip install corecoder

选择你喜欢的模型——任何兼容 OpenAI API 的模型均可。你可以通过 export 设置环境变量，或者在项目根目录下放置一个 .env 文件：

# Kimi K2.5
export OPENAI_API_KEY=your-key OPENAI_BASE_URL=https://api.moonshot.ai/v1
corecoder -m kimi-k2.5

# Claude Opus 4.6 (通过 OpenRouter)
export OPENAI_API_KEY=your-key OPENAI_BASE_URL=https://openrouter.ai/api/v1
corecoder -m anthropic/claude-opus-4-6

# OpenAI GPT-5
export OPENAI_API_KEY=sk-...
corecoder -m gpt-5

# DeepSeek V3
export OPENAI_API_KEY=sk-... OPENAI_BASE_URL=https://api.deepseek.com
corecoder -m deepseek-chat

# Qwen 3.5
export OPENAI_API_KEY=sk-... OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
corecoder -m qwen-max

# Ollama (本地运行)
export OPENAI_API_KEY=ollama OPENAI_BASE_URL=http://localhost:11434/v1
corecoder -m qwen3:32b

# 一次性执行模式 (One-shot)
corecoder -p "add error handling to parse_config()"

非 OpenAI 提供商（Bedrock, Vertex, Cohere 等）

对于没有提供 OpenAI 兼容端点的提供商，请安装可选的 LiteLLM 扩展：

pip install 'corecoder[litellm]'

export CORECODER_PROVIDER=litellm
export CORECODER_MODEL=anthropic/claude-3-haiku   # 任何 LiteLLM 模型字符串
export ANTHROPIC_API_KEY=sk-ant-...
corecoder

LiteLLM 通过统一的模型字符串约定，路由至 100 多个提供商（Bedrock, Vertex AI, Cohere, Groq, Replicate, Anyscale 等）。默认的 openai 后端保持不变。

架构

整个项目结构清晰易懂：

corecoder/
├── cli.py            REPL + 命令处理                218 行
├── agent.py          Agent 循环 + 并行工具调用      122 行
├── llm.py            流式传输客户端 + 重试机制      156 行
├── context.py        3 层上下文压缩                 196 行
├── session.py        保存/恢复会话                   68 行
├── prompt.py         系统提示词                      33 行
├── config.py         环境变量配置                    55 行
└── tools/
    ├── bash.py       Shell + 安全性 + cd 追踪       115 行
    ├── edit.py       搜索替换 + diff 工具            85 行
    ├── read.py       文件读取                        53 行
    ├── write.py      文件写入                        36 行
    ├── glob_tool.py  文件搜索                        47 行
    ├── grep.py       内容搜索                        78 行
    └── agent.py      子 Agent 生成                   58 行

作为库使用

from corecoder import Agent, LLM

llm = LLM(model="kimi-k2.5", api_key="your-key", base_url="https://api.moonshot.ai/v1")
agent = Agent(llm=llm)
response = agent.chat("find all TODO comments in the current directory")