Stage 0 · Hello LLM

Stage 0 · Git Tag 范围：v00-empty ~ v04-provider

这是整套教程的第一站，也是整个 Harness 的第一块地基。从这一篇开始，咱们先把「模型调用」这一件事彻底做干净。

如果你刚翻开教程地图，心里可能正带着一个疑问走进这一篇：

Hello Harness 不是要一步步造出 Coding Agent 吗？怎么第一站不聊 Agent，反而聊起了 LLM？

接下来，这一篇就是 Stage 0 的开篇总览，回答三件事：

为什么要先拿掉一切 Agent 概念，只做最干净的 Model Layer？
这五章各自在解决什么问题？
这一 Stage 完成之后，我们会得到一个怎样的「Hello LLM」？

一、先复习：我们的起点是什么

打开仓库，里面只有两份东西：docs/（文档站点）和 plan/（产品路线与教程规划）。

此时此刻，教程代码一行都还没有：没有 src/、没有 TypeScript 配置、没有密钥约定、没有统一开发命令。你想「读一章、跑一章」，第一件事就得先把工程能跑这层地基打牢。

换句话说：第一步不是写模型调用，而是先把「能跑、能查、不泄密」的地基打好——这也是为什么 Stage 0 的第一章是「项目初始化」。

二、为什么第一站只做最干净的 Model Layer？

回想教程的总目标：从 Agent Loop 一路演进到 Self-Improving Harness。任何一个后续阶段——Tool Calling、Harness、Coding Agent、RLM、Continual——都建立在同一件事上：把话送进模型、把答案从模型里拿出来。

如果第一步就急着引入 Agent、Tool、Memory、Skill、MCP、Planner，那这些概念会互相纠缠，你根本分不清「哪一块是模型本身的能力，哪一块是我们造出来的基础设施」。

所以 Stage 0 立一条铁律：

先把一切 Agent 概念拿掉，只理解模型调用。

这个 Stage 不做	为什么
Agent	还没有循环，只有一次调用
Tool / Function Calling	输出还只是文本，不碰结构化动作
Memory / Skill / MCP / Planner	全是「未来的上层建筑」，现在引入只会添乱

这一 Stage 结束，你会得到一个与 Provider 无关、能流式输出、类型安全的 Model 接口——它不知道 Agent 是谁，也永远不会依赖 Agent。这正是 AGENTS.md 里「Model 不知道 Agent」这条架构边界的起点。

三、它如何成长为一个干净的 Model Layer？

成长不是一步到位，而是一层一层垫高——每一章都只解决上一章留下的一个具体矛盾：

阶段	章节	补上的能力	对应成长
打地基	00	`pnpm dev` / `typecheck` / `.env` 密钥约定	从「空仓库」变成「能跑、能查、不泄密」
通链路	01	一次真实模型调用：`Input → Model → Output`	从「管道没水」变成「真的有水在流」
上类型	02	`system / user / assistant` 三种消息 + 多轮对话	从「裸字符串数组」变成「记得上下文的对话」
看流水	03	`AsyncIterable<ModelEvent>`：首 token 延迟可见	从「憋一口气全吐」变成「边生成边到达」
做抽象	04	`interface Model` + `model/openai.ts` + 工厂	从「散装环境变量」变成「Agent 不该知道 OpenAI 是谁」

对照着看，每一步都踩在前一步的肩膀上：

没有 00 的地基，01 的模型调用连跑的地方都没有；
没有 01 的调用，02 的消息类型就没有「实验对象」；
没有 02 的结构，03 的流式事件就没有可以挂在上面的形状；
没有 03 的 AsyncIterable<ModelEvent>，04 的 interface Model 就缺了 stream 这条腿。

这就是演进叙事：不是每次加一个独立新功能，而是让 Model Layer 一环扣一环地长大。

四、这一 Stage 完成之后，我们会得到一个怎样的 Hello LLM？

毕业作品叫 CLI Chat——一条命令，就能把一句话送进任意 OpenAI 兼容服务商，并看到打字机般的流式回答。

先看它长成什么样：

跑起来长这样：

bash

$ pnpm dev -- "用一句话介绍你自己"
Output : 我是简洁、直接的中文助手，随时准备帮你解决问题。
Model  : deepseek-ai/DeepSeek-V4-Flash · 1537ms（首 token 1377ms）· 96 in / 46 out

对比这一阶段的前后，能力的增长一目了然：

维度	00 之前	Stage 0 结束
工程	空仓库，跑不了	`pnpm dev` 一步到位，密钥不入库
调用	无	一次真实的 `Input → Model → Output`
输入	裸字符串	类型安全的 `Message[]`，多轮记忆
输出	憋一口整段	`AsyncIterable<ModelEvent>` 流式可见
抽象	散装环境变量	`interface Model`，换服务商改 `.env`

一句话概括 Stage 0 的目标： 先把一切 Agent 概念拿掉，只做最干净的 Model Layer——它是后面所有阶段的地基。

五、章节清单

#	章节	Git Tag	状态
00	项目初始化	v00-empty	已完成
01	第一次调用模型	v01-model	已完成
02	Messages 是什么	v02-messages	已完成
03	Streaming	v03-stream	已完成
04	Model Provider 抽象	v04-provider	已完成

阶段结尾

这一阶段结束：CLI Chat——你有了一个与 Provider 无关、能流式输出、类型安全的最干净 Model Layer。它不会干活，但它是一切「干活」能力的地基。

记住这一 Stage 的灵魂一句：Model 不知道 Agent——先把手里的模型调用做到极致，再把上层能力一层层长出来。

下一阶段，我们给模型加上「手」——让它的输出从文本变成结构化的动作指令，正式进入 Tool Calling Agent 的世界。

Stage 0 · Hello LLM ​

一、先复习：我们的起点是什么 ​

二、为什么第一站只做最干净的 Model Layer？ ​

三、它如何成长为一个干净的 Model Layer？ ​

四、这一 Stage 完成之后，我们会得到一个怎样的 Hello LLM？ ​

五、章节清单 ​