Китайская команда shareAI-lab сделала то, что мы все хотели, но ленились - взяли Claude Code, разобрали до последнего байта и собрали заново. С нуля. С документацией.
Если вы когда-нибудь задавались вопросом «а как вообще работает этот магический агент, который пишет код за меня» - вот вам ответ в 12 сессиях. Без воды, без маркетинговых слайдов и совершенно бесплатно.
Главный секрет: один цикл и один bash
Ядро агента - это один цикл. Не микросервисная архитектура на 47 контейнеров, не enterprise-grade event bus, а просто:

Остальное - надстройки. Красивые, полезные, но надстройки.
Каждая сессия добавляет ровно один механизм, не ломая предыдущий. Как lego, только для взрослых с тревожным расстройством.
s01 — Agent Loop
Базовый цикл. LLM получает сообщение, решает вызвать инструмент или ответить текстом. Всё. Вы уже написали 40% Claude Code.
s02 — Multiple Tools
Dispatch map: вместо одного инструмента - таблица маршрутизации. Теперь агент умеет не только bash, но и читать файлы, искать по коду.
s03 — Planning (TodoWrite)
Агент учится планировать. Создаёт список задач, отмечает выполненные, не забывает что делал. То, чему некоторые из нас так и не научились в реальной жизни.
s04 — Subagents
Независимые контексты. Главный агент делегирует подзадачи дочерним. Каждый со своим набором сообщений.
s05 — Dynamic Skills
Скиллы подгружаются на лету из результатов инструментов. Агент читает SKILL.md файл и внезапно умеет новое.
s06 — Context Compression
3-уровневая стратегия сжатия контекста. Потому что контекстное окно не резиновое, а разговор может быть длинным. Сначала сжимаем старые сообщения, потом выкидываем совсем старые, потом молимся.
s07 — Persistent Tasks
Задачи сохраняются в файл. Агент перезапустился — задачи на месте. С зависимостями, статусами, блокировками.
s08 — Background Tasks
Фоновое выполнение. Запустил долгую задачу - агент не ждёт, а продолжает работать.
s09 — Multi‑Agent Teams
JSONL mailbox. Агенты обмениваются сообщениями через файлы. Простейший протокол: записал строку в файл — другой агент прочитал.
s10 — Team Protocols
Протоколы коммуникации между агентами. Кто кому что может сказать, в каком формате.
s11 — Autonomous Claiming
Агенты сами берут задачи из пула. Без координатора. Увидел свободную задачу → забрал → сделал.
s12 — Worktrees
Изоляция через git worktrees. Каждый агент работает в своей копии реп озитория.
Главный инсайт
Семь бед - один bash. Один инструмент покрывает 80% задач кодинг-агента. Зачем писать специализированные инструменты для чтения файлов, поиска, установки зависимостей, запуска тестов, если можно просто дать агенту шелл? Он разберётся. Наверное.
Вместо выводов
Проект показывает важную вещь: за магией современных AI-агентов стоят простые паттерны. Цикл, dispatch, контекст, файл. Не нужна докторская степень, не нужен enterprise framework. Нужно понимание нескольких базовых идей и умение их комбинировать. Сохраните в избранное. Заботайте. Когда-нибудь. Точно.
Если вы дочитали до конца то самое время подписаться на мой тг, тоже очень просто
Комментарии (13)

FixicusMaximus
04.03.2026 11:32Скромно, очень скромно. С учетом того, что Горбатый недавно "ядро" llm на 200 строк выкатил, чем они там вообще занимаются? Датасеты для обучения перебирают?

SabMakc
04.03.2026 11:32s02 — Multiple Tools
Dispatch map: вместо одного инструмента — таблица маршрутизации. Теперь агент умеет не только bash, но и читать файлы, искать по коду.
А разве в s01 не закрыт вопрос вызова инструментов? Или в s1 только консоль в инструментах?
P.S. забыли про грамотно написанные промты к этому всему )

Mark_K Автор
04.03.2026 11:32В s01 только захардкоженный вызов run_bash() прямо в цикле. В s02 добавляются read_file, write_file, edit_file и dispatch map - словарик {имя: handler}.

Frankenstine
04.03.2026 11:32Простейший протокол: записал строку в файл — другой агент прочитал.
Откуда агент знает, что ему написали и нужно прочесть?

Muscera
04.03.2026 11:32Тема интересна, но текст читать невозможно, вот настолько нейронкой от него отдаёт. Я просто читаю и вижу как автор вводил строку дипсика или чатгпто запрос: "сделай мне статью на эту тему, но смешно". Я не против использования ИИ, но вы хотя бы перефразируйте или переосмысляйте написанное :(

pkokoshnikov
04.03.2026 11:32Сегодня 2 часа пытался поправить сборку mvn проекта(нужно было по человечески отделить тесты unit от integration и опубликовать allure report). В итоге ничего дельного у codex не вышло. Как и у всех других агентов. Потом старым добрым поиском по интернету прошёлся и понял, что все они предлагали кривые решения из интернета которые сейчас уже не работают. В итоге подумал и сам решил за пол часа, посмотрев просто документацию. Оказалось все не так сложно.
Вот что эти llm будут делать, когда годные примеры и решения на stack overflow кончаться? А новых просто не появится
Bardakan
что такое "tool_use?" в вашей схеме?
Mark_K Автор
это когда ллмка вместо текстового ответа возвращает запрос на вызов инструмента.
например, ты спрашиваешь: какие файлы в папке src?
модель не знает что на диске, оэтому возвращает типа такого:
{
"type": "tool_use",
"name": "bash",
"input": {"command": "ls src/"}
}
peacemakerv
Пора обновить клавиатуру. Или почистить.
vlkardakov
Почему?