为什么要对比两个项目？

当你想学习如何构建 AI Agent 时，你会怎么做？

大多数人会：

看教程（但都是玩具项目，100 行代码）
读文档（但只讲 API，不讲架构）
看开源项目（但只看一个，不知道是否是最佳实践）

问题是：你不知道这是"唯一的做法"还是"最好的做法"。

对比学习的价值

看一个项目 vs 看两个项目

只看 Claude Code：

✅ 学到：Claude Code 怎么做
❌ 不知道：为什么这样做？有没有更好的方法？

对比 Claude Code 和 Codex：

✅ 学到：两种不同的实现方式
✅ 理解：设计权衡（为什么 Claude Code 用 TypeScript？为什么 Codex 用 Rust？）
✅ 提炼：通用模式（两个项目都用的 = 最佳实践）
✅ 选择：哪个更适合你的场景

为什么选择这两个项目？

1. 都是生产级

Claude Code：

Anthropic 官方 CLI 工具
经过大规模用户验证
540,000 行 TypeScript

Codex：

OpenAI 官方 CLI 工具
73,000+ GitHub Stars
467,000 行 Rust

不是玩具项目，而是真实世界的解决方案。

2. 技术栈完全不同

维度	Claude Code	Codex
语言	TypeScript	Rust
运行时	Bun	Tokio
架构	分层（6 跳）	集中（单核心）
理念	企业级、功能全面	轻量级、性能优先

同样的问题，完全不同的解决方案。

这让你能看到：

为什么 TypeScript 适合快速迭代？
为什么 Rust 适合性能优化？
分层架构 vs 集中架构的权衡是什么？

3. 规模相当

两个项目都是 40-50 万行代码，说明：

构建生产级 AI Agent 确实需要这个复杂度
不是简单的"调用 API + 执行工具"
有大量工程细节需要处理

你会学到什么？

不只是"怎么做"，更是"为什么"

传统教程：

// 这是一个 Agent
while (true) {
  const response = await callLLM()
  if (!response.tool_calls) break
  await executeTools(response.tool_calls)
}

本专栏：

// Claude Code 的实现（TypeScript）
async function* queryLoop() {
  while (true) {
    // 为什么用 AsyncGenerator？
    // 为什么要检查压缩？
    if (shouldCompact()) await compact()
    
    const response = await callAPI()
    
    // 为什么要分组执行工具？
    const concurrent = tools.filter(t => t.isConcurrencySafe)
    const exclusive = tools.filter(t => !t.isConcurrencySafe)
    
    await Promise.all(concurrent.map(execute))
    for (const tool of exclusive) await execute(tool)
    
    if (!needsFollowUp) break
  }
}

// Codex 的实现（Rust）
async fn agent_loop() {
    loop {
        // 为什么 Rust 版本更简洁？
        // 性能差异是什么？
        let response = call_api().await?;
        if !should_continue(&response) { break; }
        execute_tools(&response.tools).await?;
    }
}

你会理解：

为什么需要 while(true)？（不用会怎样？）
为什么要分组执行工具？（全部并发会怎样？）
为什么要检查压缩？（不压缩会怎样？）
TypeScript 和 Rust 的实现差异在哪里？

15 个可复用的设计模式

通过对比两个项目，我们提炼出 15 个设计模式：

Turn Loop - 多轮循环
Tool Grouping - 工具分组
Streaming Execution - 流式执行
Segmented Caching - 分段缓存
Auto-Compaction - 自动压缩
Permission System - 权限系统
Retry & Fallback - 重试降级
Context Injection - 上下文注入
Lifecycle Hooks - 生命周期钩子
Fast Paths - 快速路径
Cost Control - 成本控制
Feature Flags - 特性开关
Layered Architecture - 分层架构
Message Types - 消息类型
Streaming - 流式处理

每个模式都有：

两种实现（TypeScript vs Rust）
设计权衡分析
适用场景
可复制的代码模板

这个专栏适合谁？

✅ 适合你，如果你：

想构建自己的 AI Agent
想理解生产级 Agent 的架构
想学习可复用的设计模式
想知道如何选择技术栈
想避免重复造轮子

⚠️ 不适合你，如果你：

只想要"快速入门"教程（本专栏深入源码）
不关心"为什么"，只要"能跑"
不想投入时间学习（每篇文章 15-30 分钟）

如何阅读这个专栏？

开始学习

准备好了吗？

👉 下一篇：架构全景对比

看看两个 50 万行项目的完整架构，建立整体认知。

关于作者

我深入分析了两个生产级 AI Agent 项目的源码，提炼出这些可复用的工程实践。

如果你有任何问题或建议，欢迎：

提 Issue：GitHub Issues
参与讨论：GitHub Discussions

⭐ 觉得有帮助？给个 Star 吧！

对比学习的价值​

看一个项目 vs 看两个项目​

为什么选择这两个项目？​

1. 都是生产级​

2. 技术栈完全不同​

3. 规模相当​

你会学到什么？​

不只是"怎么做"，更是"为什么"​

15 个可复用的设计模式​

这个专栏适合谁？​

✅ 适合你，如果你：​

⚠️ 不适合你，如果你：​

如何阅读这个专栏？​

推荐路径​

开始学习​

关于作者​