如何用 200 行程式碼寫 Claude Code
最近這篇很紅，讀完之後很認同。
這篇文章表面上是在示範怎麼用大約兩百行 Python 寫出一個類似 Claude Code 的 coding agent，但實際上它更像是在提醒大家一件事，現在我們對 AI coding agent 的想像，其實被包裝得太厚了。Mihail Eric 用「皇帝沒穿衣服」這個典故，不是要否定這些工具的價值，而是想說明一個很現實的狀況。很多時候我們覺得它很神，是因為我們沒有真的去看裡面在跑什麼。
文章裡反覆出現的一個概念，其實非常單純，整個 AI coding agent 的核心，就是一個不斷重複的互動流程，人輸入需求，模型判斷接下來要不要用工具，系統真的去執行那些工具，然後再把結果丟回模型，直到模型覺得事情完成了為止。
如果你做過 RAG、Agent 或任何偏 workflow 類型的系統，讀到這裡大概會有一種熟悉感，這並不是什麼全新的發明，而是一種設計模式，只是最近被包裝成各種不同的產品型態。
我很喜歡作者刻意把工具數量壓到極低這件事，只留下讀檔、列檔案、寫檔這三個最基本的能力，反而更凸顯真正重要的地方不在工具本身，而在模型怎麼決定什麼時候該用工具、用完之後如何根據結果調整下一步。
這其實也對照了我自己在做 Agent 系統時的經驗，一開始很容易陷入想把所有可能的工具都先準備好，但後來會發現，工具越多，如果沒有清楚的回饋與控制邏輯，只是讓系統變得更難理解、更難維護。
把這篇文章放在現在這個時間點看，感受會特別強，市場上各種 AI IDE、AI coding assistant 一直推新功能，敘事也越來越像是在暗示這些東西本身就是不可質疑的黑盒。但實作者其實越來越清楚，真正困難的從來不是把 agent 寫出來，而是讓它行為可預期、狀態可追蹤、失控時能被拉回來。
這也是我覺得這篇文章最有價值的地方。它沒有試圖說服你哪個工具比較厲害，而是把注意力拉回到工程本質。當你真的理解這個 loop 在做什麼之後，反而比較不容易被新名詞或新產品牽著走。
如果要用一句話總結這篇文章帶給我的啟發，大概會是 AI coding agent 並不是什麼遙不可及的魔法，而是一種我們早就熟悉的工程模式，只是現在終於有人願意把它講清楚。當你看清楚之後，剩下的差別只在於你想把這個模式用在哪裡，以及你願意為它付出多少工程上的細節與責任。
作者：CtrlC