Learn Claude Code

请帮我把「Learn Claude Code」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://github.com/shareAI-lab/learn-claude-code
我的系统：Windows。如果实际不符，先调整方案。
本次路线：先读源码，不调用模型。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：逐课在自己的副本中阅读机制、运行受控最小任务并记录工具调用及状态变化；s01–s17 为主线，agents/ 与 docs/ 旧12课是历史材料。真实运行会发起模型 API 调用且后续 Agent 可操作文件，不将语法检查成功当作学习或真实运行完成。
课节（官方顺序）：
1. s01 Agent Loop：https://github.com/shareAI-lab/learn-claude-code/tree/main/s01_agent_loop
2. s02 Tool Use：https://github.com/shareAI-lab/learn-claude-code/tree/main/s02_tool_use
3. s03 Permission System：https://github.com/shareAI-lab/learn-claude-code/tree/main/s03_permission
4. s04 Hook System：https://github.com/shareAI-lab/learn-claude-code/tree/main/s04_hooks
5. s05 TodoWrite：https://github.com/shareAI-lab/learn-claude-code/tree/main/s05_todo_write
6. s06 Subagent：https://github.com/shareAI-lab/learn-claude-code/tree/main/s06_subagent
7. s07 Skill Loading：https://github.com/shareAI-lab/learn-claude-code/tree/main/s07_skill_loading
8. s08 Context Compact：https://github.com/shareAI-lab/learn-claude-code/tree/main/s08_context_compact
9. s09 Memory System：https://github.com/shareAI-lab/learn-claude-code/tree/main/s09_memory
10. s10 Task System：https://github.com/shareAI-lab/learn-claude-code/tree/main/s10_task_system
11. s11 Background Tasks：https://github.com/shareAI-lab/learn-claude-code/tree/main/s11_background_tasks
12. s12 Cron Scheduler：https://github.com/shareAI-lab/learn-claude-code/tree/main/s12_cron_scheduler
13. s13 Agent Teams：https://github.com/shareAI-lab/learn-claude-code/tree/main/s13_agent_teams
14. s14 MCP Plugin：https://github.com/shareAI-lab/learn-claude-code/tree/main/s14_mcp_plugin
15. s15 Integrated Harness：https://github.com/shareAI-lab/learn-claude-code/tree/main/s15_integrated_harness
16. s16 Workflow Runtime：https://github.com/shareAI-lab/learn-claude-code/tree/main/s16_workflow_runtime
17. s17 Goal Loop：https://github.com/shareAI-lab/learn-claude-code/tree/main/s17_goal_loop

1. 环境
- 用浏览器阅读官方材料并准备个人笔记，不安装运行环境。
- 不需要 API 密钥。先读 s01；根目录 s01–s17 是当前课程，旧 docs/agents 章节编号不能混用。
- 打开 s01_agent_loop/README.zh.md，先看核心循环，再打开同目录 code.py 对照。
- 用一个“列出目录文件”的任务追踪 messages 如何新增 assistant 与 tool_result；标出循环什么时候退出。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 17课官方源码：只记录链接 https://github.com/shareAI-lab/learn-claude-code（克隆到 official，记录实际 commit 并核对 17 个 sXX 目录；不要误用 agents/ 中旧12课作为新主线。）
3. 目录（最外层放在我确认的位置）
agent-learning/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── official/        # 官方材料
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    └── 17-lesson-17/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 在浏览器打开本路线的官方首课，确认正文与阅读顺序可见；遇到登录或访问限制如实记录，不安装计算环境。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。