引言
在 AI 编程助手领域，Claude Code 无疑是最令人期待的产品之一。作为 Anthropic 专为开发者打造的 AI 编程工具，它拥有强大的代码理解能力和丰富的工具集。
然而，由于种种原因，Claude Code 目前并未完全开放。这让很多开发者望而却步。还反华，想骂人了，哈哈
同时前段时间，源码泄露事件引发了广泛关注和讨论。哈哈，笑而不语...
于是，一个想法诞生了：我去学习一下这个优秀的 AI 源码，看看 AI 写出的代码到底多优秀，同时看能不能打造一个轻量级的个人版本
说白了，就是一边啃源码，一边自己手撸一个轻量级的版本。既能学到东西，做出来之后自己也能用上。这就是 mini-cc 的由来。
什么是 mini-cc
mini-cc（Mini Claude Code）是一个轻量级的 AI 编程助手，旨在提供类似 Claude Code 的核心体验，但更加开放、灵活、易于定制。
核心特性
| 特性 | 说明 |
|---|---|
| 多模型支持 | 支持 Anthropic、OpenAI、Qwen、DeepSeek 等多种 LLM |
| 工具调用 | 内置文件读写、命令执行、代码搜索等工具 |
| MCP 协议 | 支持 Model Context Protocol，可扩展插件 |
| 终端 UI | 基于 Ink/React 的精美终端界面 |
| 记忆系统 | 支持会话记忆和长期记忆 |
| 开源免费 | MIT 许可证，完全开源 |
为什么要做 mini-cc
1. 学习与研究
Claude Code 的源码曝光让我们有机会学习优秀的架构设计。通过复刻，我们可以深入理解：
- AI 编程助手的核心架构
- 工具系统的设计模式
- 多模型兼容的抽象层
- 安全沙箱的实现策略
2. 定制化需求
不同团队有不同的编程习惯和工具栈。mini-cc 提供了高度可定制的架构：
- 自定义工具开发
- 自定义技能系统
- 自定义 Provider 接入
- 自定义 UI 组件
3. 隐私与安全
对于很多企业来说，将代码发送到第三方 API 是不可接受的。mini-cc 支持：
- 本地模型部署（Ollama、llama.cpp）
- 私有化部署
- 完全可控的数据流向
mini-cc 与 Claude Code 的关系
借鉴与致敬
mini-cc 大量借鉴了 Claude Code 的架构设计：
- Agent 循环机制
- 工具调用模式
- MCP 协议支持
- 技能系统设计
差异化改进
同时，mini-cc 也做了一些差异化的改进：
- 多模型支持：Claude Code 只支持 Anthropic 模型，而 mini-cc 支持多种 LLM
- 轻量级：去除了一些重量级依赖，更容易安装和运行
- 开放生态：鼓励社区贡献，支持插件扩展
项目结构
bash
mini-cc/
├── src/
│ ├── application/ # 应用层（业务逻辑）
│ ├── infrastructure/ # 基础设施层（工具、状态）
│ ├── services/ # 服务层（Provider、MCP）
│ ├── components/ # UI 组件
│ ├── commands/ # 命令系统
│ └── skills/ # 技能系统
├── docs/ # 文档
├── examples/ # 示例代码
└── tests/ # 测试用例核心架构
scss
┌─────────────────────────────────────────────────────────────┐
│ 用户界面 (UI) │
│ (基于 Ink/React 的终端界面) │
└─────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ Agent 循环 (核心引擎) │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 思考阶段 │→│ 决策阶段 │→│ 执行阶段 │ │
│ │ (LLM 调用) │ │(工具选择) │ │(工具执行) │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
└─────────────────────────────────────────────────────────────┘
│
┌───────────────┼───────────────┐
▼ ▼ ▼
┌────────────────┐ ┌────────────────┐ ┌────────────────┐
│ Provider │ │ Tools │ │ Memory │
│ (LLM 抽象层) │ │ (工具系统) │ │ (记忆系统) │
└────────────────┘ └────────────────┘ └────────────────┘快速体验
现在，让我们快速体验一下 mini-cc。根据你的使用场景，有两种安装方式：
方式一：全局安装（推荐）
适合直接使用的用户：
bash
# 全局安装
npm install -g @you-want/mini-cc
# 配置环境变量
export PROVIDER=openai
export OPENAI_API_KEY=your-api-key
export MODEL_NAME=gpt-4
# 启动
mini-cc方式二：本地开发安装
适合开发者或需要修改源码的用户：
bash
# 克隆仓库
git clone https://github.com/you-want/mini-cc.git
cd mini-cc/typescript
# 安装依赖（必须使用 pnpm）
pnpm install
# 构建
pnpm build
# 运行
node dist/cli.js启动后你会看到：
bash
mini-cc> 帮我分析一下当前目录的结构
接下来
在后续的文章中，我们将深入探讨：
- 架构设计：mini-cc 的核心架构和设计原则
- Agent 循环：AI 助手的思考引擎是如何工作的
- 工具系统：如何让 AI 拥有动手能力
- Provider 抽象：如何对接多种大模型
- MCP 协议：插件生态的实现原理
最后
最后说两句：mini-cc 算是我个人在 AI 编程助手这个方向上的一个尝试。不管你是想学架构，还是单纯想要一个自己能掌控的 AI 助手，都可以关注一下。代码写得不一定多牛，但至少是认真在做的。
📣 欢迎加入：如果你对这个项目感兴趣，欢迎 Star、Fork、贡献代码！
GitHub: github.com/you-want/mi...