最近，一位开发者在 GitHub 上开源了一个名为 100cc 的项目。该项目仅用了 100 行代码，就成功复刻了一个轻量版的 Claude Code（Anthropic 最近推出的命令行编程 Agent 工具）。作者表示，编写这个项目的初衷是觉得 Claude Code 的可观测性（Observability）不够好，而 Coding Agent 的核心概念其实非常简单，因此决定动手“手搓”一个属于自己的工具。
在构建过程中，作者并没有去啃复杂的 TUI（终端用户界面）开发，而是采取了更务实的方法：阅读 API 文档并手动编写核心逻辑。最开始，他的目标只是简单地通过 API 重新实现 claude -p 的单次提示词功能。然而，在基础版本跑通后，事情变得非常有趣。
为了给 100cc 增加交互式的 REPL（读取-求值-输出循环）模式，不擅长 readline 编程的作者直接运行了命令 bun start -p 'implement repl for this project'。令人惊叹的是，这个简陋的 Agent 随即“自我重构”，自动写出了 REPL 的交互逻辑，成功让 > 提示符运转起来。
在当今大模型动辄拥有 100万（1M）超长上下文窗口的背景下，作者甚至不需要为这个 Agent 编写复杂的历史记录压缩或修剪算法，就能维持长对话的运行。在经过仅仅三次提示词的引导后，这个小巧的 Agent 就完全完成了自身的重构。作者指出，以前人们常说如果世界上所有的软件在一夜之间消失，人类将极难重新构建起整个软件生态；但如今，只要我们能维持 LLM 的运转，通过极少的代码就可以自引导（Bootstrap）出一个能自我迭代的编程 Agent。
【AgentUpdate 深度解析】 100cc 的出现，无情地戳破了许多重型 AI Agent 框架的“虚假繁荣”。当前诸如 CrewAI、LangGraph 等框架由于引入了过多抽象，导致了严重的过度工程和黑盒化，可观测性极差。而 100cc 证明了，在 1M+ 超长上下文和强推理模型（如 Claude 3.5 Sonnet）时代，依靠极简的系统提示词（System Prompt）和单循环（Single Loop）即可让 Agent 具备极强的自引导（Bootstrapping）与自我演化能力。未来，Agent 的核心竞争力将不再是复杂的多 Agent 编排框架，而是模型底座自身的上下文吞吐量、工具调用效率，以及人机交互的敏捷性。这种“去框架化”的轻量级开发范式，将加速个人定制化 AI 助手的爆发，让每个开发者都能轻松拥有量身定制的数字硅基分身。
