一句话看懂：开发者 lidang 在 X 上提出一套面向计算机本科生的三阶段学习路径：先用 Claude Code 或 Codex，再手写最小可用 coding agent，最后逆向复刻其记忆、子代理、会话管理等工程能力。它的价值不在”劝学”，而在于指出 AI 编程工具已从辅助插件变成需要系统学习的独立技术栈。
事件核心：发生了什么
2026 年 9 月 28 日，账号 @lidangzzz（lidang 立党）发布帖文，称自 2025 年起反复强调一件事：所有大学本科生最重要的第一课，是购买额度尽可能大的 coding plan，实际使用 Claude Code 或 Codex；第二课是自己从零做一个最小版本的 coding agent，功能上只需覆盖”输入需求—迭代写码—编译—测试—运行”这条闭环，全部在终端中完成，重点是先把 terminal 操作和 tool calling 打通；第三课是回过头逐项拆解 Claude Code、Codex 的工程细节，包括 memory、skills、multi agent/subagent、background tasks、session 管理、context compression、TUI/GUI 设计、diff 可视化、goal 管理、scheduled tasks 与权限管理等。
他同时给出配套的 YouTube 教程链接（”立党讲座 29：AI 研究学习完整教程第一期”），并称做完这三步的计算机本科生”已经吊打清华计算机 80% 以上的本科生”。该帖截至发布数据为 8.5 万次浏览、173 次转发、730 次点赞。
为什么重要
这套顺序背后是一个判断：大模型编程工具的竞争焦点，已从”模型写代码能力”转向”agent 工程能力”。memory、subagent、context compression、权限管理这些词，指向的是 harness（承载层）设计，而非单纯的模型推理。谁能把上下文压缩、任务调度和工具调用做稳，谁就更接近可交付的生产力工具。对开发者而言，这意味着只会在 IDE 里调 API 已经不够，理解一个 agent 的运行时结构，正在成为新的基础技能。目前公开信息显示，这类知识仍主要散落在各家产品的文档、开源实现和零散教程中，缺少统一课程。
对用户/开发者/创作者的影响
开发者层面，最低成本的自学方式是先付费使用成熟产品，建立手感，再动手复刻。手写 agent 不必追求功能完整，能完成一次”需求—编译—测试”的迭代即可，这会强迫你处理 tool calling 的失败重试、上下文超限和权限边界这些真实问题。企业采购与团队负责人可以从中得到一个判断：评估 AI 编程工具时，不应只看代码补全质量，而应测试其会话恢复、后台任务和 diff 审阅流程是否顺手。创作者和普通用户短期内感受最明显的变化，是终端类 agent 的工作流会逐步外溢到更图形化的产品中。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Claude Code 与 Codex 在 memory、subagent、scheduled tasks 等能力上的迭代节奏，是否会形成事实标准；二是这类”复刻最小 agent”教程能否沉淀出开源模板或课程，降低入门门槛；三是当 agent 具备后台任务与权限管理后，企业与高校在代码合规、密钥管理和审计上的要求是否会随之收紧。
来源：@lidangzzz
