用 Java 复刻 Claude Code：一个终端编程助手的实现

一个基于 LangChain4j 的智能编程助手🐕柯基 Code，能实现简易编程功能，复刻 Claude Code确实是我标题党啦......

1. 项目概述

KejiCode（柯基Code）是一个基于 LangChain4j 框架的简易智能终端编程助手。

• 自动化编程任务：创建文件、编辑代码、搜索内容
• 智能工具链：AI 自主决定调用哪些工具及调用顺序
• 安全可控：所有操作限制在指定工作目录内
• 多模型支持：适配 Claude、GPT-4、通义千问等主流 AI

下面是整个项目用到的一些技术栈

技术	版本	选型理由
Java	17	稳定、生态成熟、企业级支持
LangChain4j	0.35.0	Java 生态最佳 AI 集成框架，原生支持工具调用
JLine	3.24.1	强大的终端交互库，支持命令补全、历史记录
Jackson	2.16.0	高性能 JSON/YAML 处理
Maven	3.x	依赖管理、构建自动化

2. 功能展示

0. 启动项目

   

1. 常见命令/help、/model、/version、/params temperature=0.5、/reset等，具体使用方式可参照/help

   

   

   

2. 进行第一轮对话，让它写一个"图书管理系统"，这里用的模型是 qwen-max

   终端输出内容

3. 可以在对应的目录成功的看到图书管理系统的代码

   

4. 体验一下图书管理系统，简单的增删改查还是实现了呢~

   

5. 上面看着交互还差一点，让柯基Code给优化下

   终端不输出

6. 重新体验图书管理系统

   

3. 系统架构设计

3.1 分层架构

KejiCode 采用经典的四层架构，每层职责清晰、低耦合高内聚

3.2 层次职责详解

3.2.1 表现层 (Presentation Layer)

核心组件：TerminalUI

职责：

• 输入监听：接收用户的文字命令
• 输出展示：格式化显示 AI 回复和工具执行结果
• 命令解析：处理特殊命令（/help, /switch, /model 等）
• 用户体验：清晰的操作提示和状态反馈

设计亮点：

比喻：这是柯基的"耳朵和嘴巴"，负责听指令和说话。

3.2.2 应用层 (Application Layer)

核心组件 1：CodeAssistantAgent

这是整个系统的大脑，协调各个组件工作

核心方法设计：

设计模式应用：

• 策略模式：不同 AI 模型的统一接口
• 观察者模式：工具执行结果通知
• 模板方法：工具执行的统一流程

核心组件 2：Configuration

配置管理采用分层配置策略：

配置优先级：命令行参数 > 环境变量 > YAML 配置 > 默认值

设计理由：

• 安全性：敏感信息（API Key）优先从环境变量读取
• 灵活性：不同环境可以有不同配置
• 便捷性：命令行参数方便临时调整

核心组件 3：PathValidator

路径验证是安全架构的基石，采用沙箱模式

核心算法：

安全保障：

• 防止路径遍历攻击（../../../etc/passwd）
• 防止符号链接逃逸（link-to-/etc）
• 防止绝对路径直达（/tmp/malicious.sh）

3.2.3 领域层 (Domain Layer)

工具系统设计

所有工具实现统一的 Tool 接口：

工具分类：

类别	工具	作用	典型场景
文件操作	Read	读取文件内容（支持分页）	查看代码、配置文件
	Write	创建或覆盖文件	生成新文件、重写配置
	Edit	精确字符串替换编辑	修改代码片段、更新变量名
搜索工具	Glob	按模式匹配文件名	查找所有 .java 文件
	Grep	按正则搜索文件内容	查找所有 TODO 注释
命令执行	Bash	执行任意 shell 命令	编译、运行、系统操作
版本控制	Git	Git 操作封装	提交、推送、查看历史
构建工具	Maven	Maven 操作封装	编译、打包、测试
	Npm	Npm 操作封装	安装依赖、运行脚本

工具注册机制

工具规范（Tool Specification）设计

这是告诉 AI "工具能做什么" 的关键：

为什么需要详细的描述？

比喻：就像给新员工写岗位说明书

• 简单描述："处理文件" → AI 不知道具体能做什么
• 详细描述："创建或覆盖文件，需要 file_path 和 content 参数" → AI 清楚知道何时使用

模型工厂设计

采用抽象工厂模式 + 策略模式

工厂方法实现

对话历史管理

对话历史是 AI 的"记忆"，设计要点

消息类型：

0. UserMessage：用户输入
1. AiMessage：AI 回复（文字或工具调用请求）
2. ToolExecutionResultMessage：工具执行结果

历史管理策略：

设计考虑：

• 上下文连贯性：AI 需要记住之前的对话才能正确理解
• 内存管理：过长的历史会占用大量内存
• 成本控制：AI API 按 token 收费，历史越长成本越高

3.2.4 基础设施层 (Infrastructure Layer)

这一层封装了所有第三方依赖和系统调用：

核心职责：

• AI 服务对接：通过 LangChain4j 调用各家 AI API
• 文件系统操作：Java NIO 文件读写
• 进程管理：ProcessBuilder 执行外部命令
• 日志记录：SLF4J + Logback

为什么需要这一层？

比喻：就像建筑的地基，上层不用关心底层细节

优势：

• 易于测试：可以 mock 文件系统
• 易于替换：底层实现变化不影响上层
• 统一控制：在这一层统一处理异常、日志等

4. 对话流程设计

4.1 完整交互流程

这是 KejiCode 最核心的流程设计

4.2 工具链决策机制

AI 如何决定调用哪些工具？这是一个智能决策过程

决策影响因素：

0. System Prompt：定义 AI 的行为规范

1. 工具描述：详细说明工具用途和参数

2. 对话历史：上下文决定下一步操作

4.3 错误恢复流程

当工具执行失败时，如何处理？

错误处理策略：

结语

KejiCode 可以帮你简单了解Coding Agent的工作原理，Happy Coding! 🐕💻

代码可以通过关注微信公众号【柯基写代码】回复【柯基Code】获取~