手写一个简单的 Claude Code

Sat, 15 Aug 2026 12:14:25 +0800

本文将带你手把手写一个简单的 Claude Code，以了解 harness 的基本原理。

`openai` 库

Chat Completions API 是由 OpenAI 提出的一套对话接口规范，很多模型厂商都选择兼容它（比如本文要用的 DeepSeek，接口格式和 OpenAI 几乎一模一样）。

在 Python 中，OpenAI 提供了一个叫 openai 的库，可以用来调用所有兼容该接口的模型，而不只是 OpenAI 自家的模型。

pip install openai

对话

单轮对话

以下是 DeepSeek 官方接口文档的单轮对话示例：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get('DEEPSEEK_API_KEY'),
    base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": "Hello"},
    ],
    stream=False, # 非流式输出，一次性输出完整的响应
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}} # `thinking` 是 DeepSeek 官方额外提供的字段，原 API 并没有这一个设置
)

print(response.choices[0].message.reasoning_content)	# 思考内容
print(response.choices[0].message.content)				# 正文

多轮对话

上面一个单轮对话的例子，也就是说，LLM 本身并不存储上下文，需要你来记录上下文，在每一轮对话前提供给 LLM：

# 第一轮对话
messages.append({'role': 'user', 'content': '你好呀，我叫 Alice'})
response = client.chat.completions.create(
	...
    messages=messages
)
messages.append(response.choices[0].message) # assistant: 你好呀，Alice！很高兴认识你 😊

# 第二轮对话
messages.append({'role': 'user', 'content': '我叫什么名字？'})
response = client.chat.completions.create(
	...
    messages=messages
)
messages.append(response.choices[0].message) # assistant: 你叫 Alice 呀～😄 刚才你告诉我的，我记得呢！

每次都把聊天记录附给 LLM，这样 LLM 就有了上下文。

Harness on zzy2357

手写一个简单的 Claude Code

openai 库

对话

单轮对话

多轮对话

`openai` 库