Claude Code、Cursor与TRAE：谁才是真正的AI王者？

共计 4126 个字符，预计需要花费 11 分钟才能阅读完成。

在您常用的代码生成工具中，哪个功能最强大？

1. 理解能力卓越

2. 代码质量出色

3. 生成效率高

4. 使用成本

如果您有其他推荐，欢迎分享，谢谢！

最近，Claude Code 受到广泛关注，作为一个终端 AI 编程助手，它能够直接在命令行中帮助用户编写代码、修复 Bug 和执行命令。

经过一段时间的使用，我产生了一个想法：这种技术的核心原理到底是什么？我是否能够尝试自己开发一个呢？

因此，我花费了几周的时间，用 Go 语言从头构建了一个迷你版本，命名为MiniCode。

完成后，我意识到这个过程涉及的知识点相当多，而网上关于此的系统性讲解却很少。因此，我将整个过程整理成一个30 天教程，从最基本的 API 调用，到流式输出、工具系统，再到 TUI 界面，逐步引导你理解 AI Agent 的核心原理。

项目链接： https://github.com/JiayuXu0/MiniCode 欢迎大家 Star，衷心感谢！

https://www.zhihu.com/video/1992713323851036365

许多文章对 AI Agent 的描述显得非常神秘，提到诸如“自主决策”、“任务规划”以及“记忆系统”等概念，仿佛是在讨论通用人工智能（AGI）。

但其实，其核心原理相当简单：

它的运作方式是一个 循环过程：LLM 会决定是否使用工具，若使用则将结果反馈，再由 LLM 判断，直到它认为可以给出答案为止。

Claude Code 的“智能”本质上源于：

强大的基础模型（Claude 4）
精心设计的工具集合（20 多个工具）
巧妙的提示工程

虽然我们无法匹敌其模型能力，但在工具系统和架构设计方面，完全可以借鉴。

网络上 90% 以上的 AI Agent 教程都是基于 Python 和 LangChain。我选择 Go 的原因包括：

1. 性能优势

Go 编译成原生二进制，启动速度快，内存占用小。而 Python 在导入一系列依赖时就需要耗费几秒。

2. 部署便捷

只需将一个二进制文件复制到服务器上即可运行，无需安装 Python、配置虚拟环境，也不需要花费时间进行 pip install。

3. 支持并发处理

流式输出要求同时处理多个任务：接收 API 响应、更新用户界面、响应用户输入。Go 的 goroutine 非常适合这种场景，相较于 Python 的 async/await，使用起来更加方便。

4. 类型安全

工具的输入和输出都有明确的类型定义，编译阶段能够及时发现错误。而 Python 有时只能在运行时才提示你 KeyError。

组件	选择	理由
AI SDK	Fantasy	由 Charmbracelet 开发，比 LangChain 轻量十倍
TUI 框架	Bubble Tea	基于 Elm 架构，状态管理清晰
LLM	智谱 GLM-4	国产模型，提供免费额度，API 兼容 OpenAI

Fantasy 是我这次的意外收获。它是由 Charmbracelet（即开发 Bubble Tea 的团队）推出的 AI SDK，具备以下特点：

统一接口，支持 OpenAI、Anthropic、Google 等主流服务提供商
原生支持流式输出
工具系统设计优雅
避免了 LangChain 的过度抽象

Claude Code 最为核心的功能是 工具调用。例如，当你请求“帮我找到所有 Go 文件”时，它将：

理解你的请求
调用相应工具进行文件搜索
获取结果后组织语言进行回复

在 Fantasy 中，定义一个工具极为简单：

// 定义输入结构
type GlobInput struct {Pattern string `json:"pattern" description:"The glob pattern (e.g., **/*.go)"`
    Path    string `json:"path,omitempty" description:"Search directory"`
}

// 实现工具函数
func Glob(ctx context.Context, input GlobInput, call fantasy.ToolCall) (fantasy.ToolResponse, error) {matches, err := doublestar.FilepathGlob(filepath.Join(input.Path, input.Pattern))
    if err != nil {return fantasy.NewTextErrorResponse(err.Error()), nil
    }
    return fantasy.NewTextResponse(fmt.Sprintf("Found %d files:n%s", len(matches), strings.Join(matches, "n"))), nil
}

// 注册工具
tool := fantasy.NewAgentTool("glob", "Search files by pattern", Glob)

几个关键要点：

description 标签会发送给 LLM，让其明确该参数的用途
返回 TextErrorResponse 表示工具执行失败，LLM 将意识到需要换一种方法
Fantasy 会自动将结构体转换为 JSON Schema

目前 MiniCode 实现了六个工具：

工具	功能
glob	文件搜索（支持 ** 递归）
view	查看文件内容（带行号）
grep	内容搜索（正则匹配）
bash	执行命令
write	写入文件
edit	编辑文件（字符串替换）

非流式输出的体验往往较差——发送请求后，需要等候数秒才能看到回复，过程不明朗。

流式输出则能实时展示 AI 的思考过程：

result, err := agent.Stream(ctx, fantasy.AgentStreamCall{
    Messages: history,
    Prompt:   input,
    
    OnTextDelta: func(id, text string) error {
        // 每收到一个文本片段就更新 UI
        program.Send(streamTextMsg{delta: text})
        return nil
    },
    
    OnToolCall: func(tc fantasy.ToolCallContent) error {
        // 工具调用开始，显示 loading 状态
        program.Send(streamToolCallMsg{name: tc.ToolName})
        return nil
    },
    
    OnToolResult: func(tr fantasy.ToolResultContent) error {
        // 工具执行完成，显示结果
        program.Send(streamToolResultMsg{result: tr.Result})
        return nil
    },
})

这里有一个需要注意的地方：回调函数在独立的 goroutine 中执行，因此不能直接修改 UI 状态，以免造成竞态条件。

解决方案是通过 program.Send() 发送消息到主循环，由 Bubble Tea 的 Update 函数统一处理。

Bubble Tea 采用 Elm 架构，核心由三个函数组成：

Model: 应用状态
Update: 根据消息更新状态
View: 根据状态渲染界面

这种架构的优点在于 状态管理非常清晰。所有状态的修改都在 Update 函数中进行，而 View 则是一个纯函数，不存在意外的副作用。

MiniCode 的 Model 结构如下：

type Model struct {
    textarea    textarea.Model    // 输入框
    viewport    viewport.Model    // 消息显示区
    history     []fantasy.Message // 对话历史
    agent       fantasy.Agent     // AI Agent
    streaming   bool              // 是否正在流式输出
    streamParts []streamPart      // 流式内容缓存
    cancelFunc  context.CancelFunc // 取消函数
}

整个项目整理为一个 30 天的教程，目前已完成第 1-4 天的内容：

Day	主题	内容
Day 1	创建第一个 AI Agent	Fantasy SDK 基础、Provider、Agent
Day 2	为 Agent 添加工具	Tool 系统、Glob 实现、AgentResult 结构
Day 3	构建交互式 TUI	Bubble Tea、Elm 架构、多轮对话
Day 4	实现流式输出	Streaming API、跨 goroutine 通信、取消机制
Day 5+	更多工具和高级特性	持续更新中…