rename: NanoCoder -> CoreCoder

Renamed to avoid confusion with Nano-Collective/nanocoder (1.6k stars,
same space). All GitHub links from the old repo redirect automatically.

Changes:
- Package: nanocoderagent -> corecoder
- CLI command: nanocoder -> corecoder
- Env vars: NANOCODER_* -> CORECODER_*
- Config dir: ~/.nanocoder -> ~/.corecoder
- Version bump: 0.1.0 -> 0.2.0

Author: he-yufeng

.gitignore

@@ -11,7 +11,7 @@ build/
 venv/
 .mypy_cache/
 .ruff_cache/
-.nanocoder_history
+.corecoder_history
 .DS_Store
 dist/
 .pytest_cache/

README.md

@@ -1,22 +1,25 @@
-# NanoCoder
+# CoreCoder
 
-[![PyPI](https://img.shields.io/pypi/v/nanocoderagent)](https://pypi.org/project/nanocoderagent/)
+> Formerly **NanoCoder** — renamed to avoid confusion with [Nano-Collective/nanocoder](https://github.com/Nano-Collective/nanocoder). All links from the old repo redirect here automatically.
+
+
+[![PyPI](https://img.shields.io/pypi/v/corecoder)](https://pypi.org/project/corecoder/)
 [![Python](https://img.shields.io/badge/python-3.10+-blue)](https://python.org)
 [![License: MIT](https://img.shields.io/badge/license-MIT-green)](LICENSE)
-[![Tests](https://github.com/he-yufeng/NanoCoder/actions/workflows/ci.yml/badge.svg)](https://github.com/he-yufeng/NanoCoder/actions)
+[![Tests](https://github.com/he-yufeng/CoreCoder/actions/workflows/ci.yml/badge.svg)](https://github.com/he-yufeng/CoreCoder/actions)
 
 [中文](README_CN.md) | [English](README.md) | [Claude Code Architecture Deep Dive (7 articles)](article/)
 
 **512,000 lines of TypeScript → 950 lines of Python.**
 
 I spent two days reverse-engineering the leaked Claude Code source — all half a million lines. Then I stripped it down to the load-bearing walls and rebuilt them in Python. The result: **every key architectural pattern from Claude Code, in a codebase you can read in one sitting.**
 
-NanoCoder is not another AI coding tool. It's a **blueprint** — the [nanoGPT](https://github.com/karpathy/nanoGPT) of coding agents. Read it, fork it, build your own.
+CoreCoder is not another AI coding tool. It's a **blueprint** — the [nanoGPT](https://github.com/karpathy/nanoGPT) of coding agents. Read it, fork it, build your own.
 
 ---
 
 ```
-$ nanocoder -m kimi-k2.5
+$ corecoder -m kimi-k2.5
 
 You > read main.py and fix the broken import
 
@@ -36,7 +39,7 @@ Fixed: halper → helper.
 
 Claude Code's 512K lines distilled to 7 patterns that actually matter:
 
-| Pattern | Claude Code | NanoCoder |
+| Pattern | Claude Code | CoreCoder |
 |---|---|---|
 | Search-and-replace editing (unique match + diff) | FileEditTool | `tools/edit.py` — 70 lines |
 | Parallel tool execution | StreamingToolExecutor (530 lines) | `agent.py` — ThreadPool |
@@ -51,46 +54,46 @@ Every pattern is a real, runnable implementation — not a diagram or a blog pos
 ## Install
 
 ```bash
-pip install nanocoderagent
+pip install corecoder
 ```
 
 Pick your model — any OpenAI-compatible API works. You can `export` env vars or drop a `.env` file in your project root:
 
 ```bash
 # Kimi K2.5
 export OPENAI_API_KEY=your-key OPENAI_BASE_URL=https://api.moonshot.ai/v1
-nanocoder -m kimi-k2.5
+corecoder -m kimi-k2.5
 
 # Claude Opus 4.6 (via OpenRouter)
 export OPENAI_API_KEY=your-key OPENAI_BASE_URL=https://openrouter.ai/api/v1
-nanocoder -m anthropic/claude-opus-4-6
+corecoder -m anthropic/claude-opus-4-6
 
 # OpenAI GPT-5
 export OPENAI_API_KEY=sk-...
-nanocoder -m gpt-5
+corecoder -m gpt-5
 
 # DeepSeek V3
 export OPENAI_API_KEY=sk-... OPENAI_BASE_URL=https://api.deepseek.com
-nanocoder -m deepseek-chat
+corecoder -m deepseek-chat
 
 # Qwen 3.5
 export OPENAI_API_KEY=sk-... OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
-nanocoder -m qwen-max
+corecoder -m qwen-max
 
 # Ollama (local)
 export OPENAI_API_KEY=ollama OPENAI_BASE_URL=http://localhost:11434/v1
-nanocoder -m qwen3:32b
+corecoder -m qwen3:32b
 
 # One-shot mode
-nanocoder -p "add error handling to parse_config()"
+corecoder -p "add error handling to parse_config()"
 ```
 
 ## Architecture
 
 The whole thing fits in your head:
 
 ```
-nanocoder/
+corecoder/
 ├── cli.py            REPL + commands               160 lines
 ├── agent.py          Agent loop + parallel tools    120 lines
 ├── llm.py            Streaming client + retry       150 lines
@@ -111,7 +114,7 @@ nanocoder/
 ## Use as a Library
 
 ```python
-from nanocoder import Agent, LLM
+from corecoder import Agent, LLM
 
 llm = LLM(model="kimi-k2.5", api_key="your-key", base_url="https://api.moonshot.ai/v1")
 agent = Agent(llm=llm)
@@ -121,7 +124,7 @@ response = agent.chat("find all TODO comments in this project and list them")
 ## Add Your Own Tools (~20 lines)
 
 ```python
-from nanocoder.tools.base import Tool
+from corecoder.tools.base import Tool
 
 class HttpTool(Tool):
     name = "http"
@@ -147,7 +150,7 @@ quit             Exit
 
 ## How It Compares
 
-|  | Claude Code | Claw-Code | Aider | NanoCoder |
+|  | Claude Code | Claw-Code | Aider | CoreCoder |
 |---|---|---|---|---|
 | Code | 512K lines (closed) | 100K+ lines | 50K+ lines | **1,300 lines** |
 | Models | Anthropic only | Multi | Multi | **Any OpenAI-compatible** |
@@ -156,7 +159,7 @@ quit             Exit
 
 ## The Deep Dive
 
-I wrote [7 articles](article/) breaking down Claude Code's architecture — the agent loop, tool system, context compression, streaming executor, multi-agent, and 44 hidden feature flags. If you want to understand *why* NanoCoder is designed this way, start there.
+I wrote [7 articles](article/) breaking down Claude Code's architecture — the agent loop, tool system, context compression, streaming executor, multi-agent, and 44 hidden feature flags. If you want to understand *why* CoreCoder is designed this way, start there.
 
 ## License
 

README_CN.md

@@ -1,22 +1,25 @@
-# NanoCoder
+# CoreCoder
+
+> 原名 **NanoCoder**，为避免与 [Nano-Collective/nanocoder](https://github.com/Nano-Collective/nanocoder) 混淆而改名。旧链接自动跳转到这里。
+
 
 [English](README.md) | [中文](README_CN.md) | [Claude Code 源码深度导读（7 篇）](article/)
 
-[![PyPI](https://img.shields.io/pypi/v/nanocoderagent)](https://pypi.org/project/nanocoderagent/)
+[![PyPI](https://img.shields.io/pypi/v/corecoder)](https://pypi.org/project/corecoder/)
 [![Python](https://img.shields.io/badge/python-3.10+-blue)](https://python.org)
 [![License: MIT](https://img.shields.io/badge/license-MIT-green)](LICENSE)
-[![Tests](https://github.com/he-yufeng/NanoCoder/actions/workflows/ci.yml/badge.svg)](https://github.com/he-yufeng/NanoCoder/actions)
+[![Tests](https://github.com/he-yufeng/CoreCoder/actions/workflows/ci.yml/badge.svg)](https://github.com/he-yufeng/CoreCoder/actions)
 
 **51万行 TypeScript → 950 行 Python。**
 
 我逆向了 Claude Code 泄露的全部源码，然后把不承重的部分全扔掉，用 Python 重建了核心。成果：**Claude Code 的每一个关键架构模式，浓缩在一个下午能读完的代码库里。**
 
-NanoCoder 不仅是一个 AI 编程工具。它是一份**蓝图**，编程 Agent 领域的 [nanoGPT](https://github.com/karpathy/nanoGPT)。读懂它，fork 它，然后造你自己的。
+CoreCoder 不仅是一个 AI 编程工具。它是一份**蓝图**，编程 Agent 领域的 [nanoGPT](https://github.com/karpathy/nanoGPT)。读懂它，fork 它，然后造你自己的。
 
 ---
 
 ```
-$ nanocoder -m kimi-k2.5
+$ corecoder -m kimi-k2.5
 
 You > 读一下 main.py，修掉拼错的 import
 
@@ -36,7 +39,7 @@ You > 读一下 main.py，修掉拼错的 import
 
 Claude Code 51 万行源码提炼出来的 7 个核心模式：
 
-| 设计模式 | Claude Code | NanoCoder |
+| 设计模式 | Claude Code | CoreCoder |
 |---|---|---|
 | 搜索替换编辑（唯一匹配 + diff） | FileEditTool | `tools/edit.py` — 70 行 |
 | 并行工具执行 | StreamingToolExecutor（530行） | `agent.py` — ThreadPool |
@@ -51,46 +54,46 @@ Claude Code 51 万行源码提炼出来的 7 个核心模式：
 ## 安装
 
 ```bash
-pip install nanocoderagent
+pip install corecoder
 ```
 
 选你的模型，任何 OpenAI 兼容 API 都行。可以 `export` 环境变量，也可以在项目根目录放一个 `.env` 文件：
 
 ```bash
 # Kimi K2.5
 export OPENAI_API_KEY=你的key OPENAI_BASE_URL=https://api.moonshot.ai/v1
-nanocoder -m kimi-k2.5
+corecoder -m kimi-k2.5
 
 # Claude Opus 4.6（通过 OpenRouter）
 export OPENAI_API_KEY=你的key OPENAI_BASE_URL=https://openrouter.ai/api/v1
-nanocoder -m anthropic/claude-opus-4-6
+corecoder -m anthropic/claude-opus-4-6
 
 # OpenAI GPT-5
 export OPENAI_API_KEY=sk-...
-nanocoder -m gpt-5
+corecoder -m gpt-5
 
 # DeepSeek V3
 export OPENAI_API_KEY=sk-... OPENAI_BASE_URL=https://api.deepseek.com
-nanocoder -m deepseek-chat
+corecoder -m deepseek-chat
 
 # Qwen 3.5
 export OPENAI_API_KEY=sk-... OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
-nanocoder -m qwen-max
+corecoder -m qwen-max
 
 # Ollama（本地）
 export OPENAI_API_KEY=ollama OPENAI_BASE_URL=http://localhost:11434/v1
-nanocoder -m qwen3:32b
+corecoder -m qwen3:32b
 
 # 单次模式
-nanocoder -p "给 parse_config() 加上错误处理"
+corecoder -p "给 parse_config() 加上错误处理"
 ```
 
 ## 架构
 
 整个项目一目了然：
 
 ```
-nanocoder/
+corecoder/
 ├── cli.py            REPL + 命令                   160 行
 ├── agent.py          Agent 循环 + 并行执行          120 行
 ├── llm.py            流式客户端 + 重试              150 行
@@ -111,7 +114,7 @@ nanocoder/
 ## 当库用
 
 ```python
-from nanocoder import Agent, LLM
+from corecoder import Agent, LLM
 
 llm = LLM(model="kimi-k2.5", api_key="your-key", base_url="https://api.moonshot.ai/v1")
 agent = Agent(llm=llm)
@@ -121,7 +124,7 @@ response = agent.chat("找出项目里所有 TODO 注释并列出来")
 ## 加自定义工具（约 20 行）
 
 ```python
-from nanocoder.tools.base import Tool
+from corecoder.tools.base import Tool
 
 class HttpTool(Tool):
     name = "http"
@@ -147,7 +150,7 @@ quit             退出
 
 ## 对比
 
-|  | Claude Code | Claw-Code | Aider | NanoCoder |
+|  | Claude Code | Claw-Code | Aider | CoreCoder |
 |---|---|---|---|---|
 | 代码量 | 51万行（闭源） | 10万+行 | 5万+行 | **1300 行** |
 | 模型 | 仅 Anthropic | 多模型 | 多模型 | **任意 OpenAI 兼容** |
@@ -156,7 +159,7 @@ quit             退出
 
 ## 源码导读
 
-我还写了 [7 篇 Claude Code 架构深度导读](article/)：Agent 循环、工具系统、上下文压缩、流式执行、多 Agent、隐藏功能。想知道 NanoCoder 为什么这样设计，从那里开始。
+我还写了 [7 篇 Claude Code 架构深度导读](article/)：Agent 循环、工具系统、上下文压缩、流式执行、多 Agent、隐藏功能。想知道 CoreCoder 为什么这样设计，从那里开始。
 
 ## License
 

article/00-index.md

@@ -18,11 +18,11 @@
 
 ## 配套项目
 
-这些文章中讨论的核心架构模式，我用 1300 行 Python 做了一个可运行的参考实现：[NanoCoder](https://github.com/he-yufeng/NanoCoder)。代码和文章可以对照着看。
+这些文章中讨论的核心架构模式，我用 1300 行 Python 做了一个可运行的参考实现：[CoreCoder](https://github.com/he-yufeng/CoreCoder)。代码和文章可以对照着看。
 
 ## 完整版
 
-如果你想要更详尽的版本（16 篇、16 万字、覆盖构建系统到 MCP 协议的每个子系统），完整导读在[这里](https://github.com/he-yufeng/NanoCoder/tree/main/docs)。
+如果你想要更详尽的版本（16 篇、16 万字、覆盖构建系统到 MCP 协议的每个子系统），完整导读在[这里](https://github.com/he-yufeng/CoreCoder/tree/main/docs)。
 
 ---
 

article/01-architecture-overview.md

@@ -136,7 +136,7 @@ src/coordinator/      → 多 Agent 编排
 - 第六篇：多 Agent 协作系统
 - 第七篇：Feature Flag 背后的未发布功能
 
-我还用 1300 行 Python 复刻了这些核心设计模式：[NanoCoder](https://github.com/he-yufeng/NanoCoder)。每篇文章里会对照源码和 NanoCoder 的实现来讲。
+我还用 1300 行 Python 复刻了这些核心设计模式：[CoreCoder](https://github.com/he-yufeng/CoreCoder)。每篇文章里会对照源码和 CoreCoder 的实现来讲。
 
 ---
 

article/02-agent-loop.md

@@ -93,7 +93,7 @@ function buildSystemPrompt(context) {
 
 有意思的一点：源码里有大量 `@[MODEL LAUNCH]` 注释，每一个都是"当某个新模型发布时需要修改的地方"。其中关于 Capybara 的有好几条，包括"v8 版本的虚假声明率 29-30%，需要在 prompt 层面修补"。说明新模型的行为矫正是在系统提示词层面做的，不是在模型层面。
 
-NanoCoder 的 `prompt.py` 是这个机制的极简版（35 行）：根据当前工作目录、OS 信息、可用工具列表动态拼接。没有模型特定修正和 Skill 加载，但核心思路一样。
+CoreCoder 的 `prompt.py` 是这个机制的极简版（35 行）：根据当前工作目录、OS 信息、可用工具列表动态拼接。没有模型特定修正和 Skill 加载，但核心思路一样。
 
 ---
 
@@ -153,7 +153,7 @@ class StreamingToolExecutor {
 
 效果：假设 LLM 一次返回三个工具调用——读文件 A（200ms）、读文件 B（150ms）、跑测试（2s）。串行执行总共 2350ms。StreamingToolExecutor 下，三个工具在 LLM 还在生成的时候就已经开始跑了，实际延迟接近于 max(200, 150, 2000) = 2000ms，甚至更短（因为工具执行时间被 LLM 生成时间"吸收"了）。
 
-NanoCoder 用了一个折中方案：不做流式解析，但当 LLM 一次返回多个 tool_calls 时，用 `ThreadPoolExecutor` 并行执行。损失了"在 LLM 生成期间就开始执行"的优势，但保留了"多工具并行"的收益。大概十几行代码。
+CoreCoder 用了一个折中方案：不做流式解析，但当 LLM 一次返回多个 tool_calls 时，用 `ThreadPoolExecutor` 并行执行。损失了"在 LLM 生成期间就开始执行"的优势，但保留了"多工具并行"的收益。大概十几行代码。
 
 ---
 
@@ -184,7 +184,7 @@ NanoCoder 用了一个折中方案：不做流式解析，但当 LLM 一次返
 
 这才是"agentic"的核心含义：Agent 遇到问题时自己想办法，而不是转头问人。
 
-NanoCoder 的 `agent.py` 实现了工具异常捕获喂回 LLM 和 max_rounds 限制，但没有做 API 层面的重试和 fallback（这些在不同 LLM provider 之间差异太大，放在上层处理更合适）。
+CoreCoder 的 `agent.py` 实现了工具异常捕获喂回 LLM 和 max_rounds 限制，但没有做 API 层面的重试和 fallback（这些在不同 LLM provider 之间差异太大，放在上层处理更合适）。
 
 ---
 
@@ -206,7 +206,7 @@ type QueryEngineConfig = {
 }
 ```
 
-NanoCoder 用 `max_rounds=50` 做了轮次限制，没做美元预算（多 provider 环境下费率不统一，不好算）。
+CoreCoder 用 `max_rounds=50` 做了轮次限制，没做美元预算（多 provider 环境下费率不统一，不好算）。
 
 ---
 
@@ -230,8 +230,8 @@ NanoCoder 用 `max_rounds=50` 做了轮次限制，没做美元预算（多 prov
 4. **轮次预算**，防止 LLM 无限循环
 5. **系统提示词动态拼装**，同一个 Agent 在不同环境下有不同行为
 
-这些设计模式我在 NanoCoder 里都做了最小实现（`agent.py` 110 行）。如果你想看它们在生产代码里长什么样，`query.ts` 是最好的教材。
+这些设计模式我在 CoreCoder 里都做了最小实现（`agent.py` 110 行）。如果你想看它们在生产代码里长什么样，`query.ts` 是最好的教材。
 
 ---
 
-> 本文是 [Claude Code 源码导读](00-index.md) 系列第 2 篇。配套实现：[NanoCoder](https://github.com/he-yufeng/NanoCoder)
+> 本文是 [Claude Code 源码导读](00-index.md) 系列第 2 篇。配套实现：[CoreCoder](https://github.com/he-yufeng/CoreCoder)

article/03-tool-system.md

@@ -57,7 +57,7 @@ LLM 不需要知道行号，不需要输出整个文件，不需要生成 diff 
 
 这个约束的妙处在于：它把"编辑文件"这个本质模糊的操作变成了一个**确定性**操作。不管 LLM 的记忆力有多差，只要它能给出一段唯一的文本，编辑就一定是准确的。
 
-NanoCoder 完整实现了这个模式（`tools/edit.py`，70 行），而且加了 unified diff 输出——每次编辑后你能看到 `--- a/file +++ b/file` 格式的变更对比。
+CoreCoder 完整实现了这个模式（`tools/edit.py`，70 行），而且加了 unified diff 输出——每次编辑后你能看到 `--- a/file +++ b/file` 格式的变更对比。
 
 ---
 
@@ -142,7 +142,7 @@ BashTool 单文件 1143 行。它做的远不止 `subprocess.run(command)`：
 
 **sed 检测。** 检测到 `sed -i` 命令时，UI 从 "Bash" 样式切换成文件编辑样式。因为 `sed -i` 本质上是在编辑文件，应该像 edit_file 一样展示 diff。
 
-NanoCoder 的 BashTool 是 80 行的精简版：输出截断（头尾保留）、超时控制、9 个危险命令正则检测（`rm -rf /`、fork bomb、`curl | bash` 等）。覆盖了最核心的安全需求。
+CoreCoder 的 BashTool 是 80 行的精简版：输出截断（头尾保留）、超时控制、9 个危险命令正则检测（`rm -rf /`、fork bomb、`curl | bash` 等）。覆盖了最核心的安全需求。
 
 ---
 
@@ -162,8 +162,8 @@ const tools = [
 
 部分工具是"懒加载"的——标记了 `shouldDefer: true` 的工具默认不在工具列表里，只有当 LLM 触发了 `ToolSearch` 之后才被发现并加载。这避免了工具列表过长导致 LLM 选择困难（工具太多 LLM 会犹豫不决，影响响应速度和准确率）。
 
-NanoCoder 用的是最简单的静态列表。但接口设计留了扩展口——`Agent.__init__` 接受 `tools` 参数，传什么用什么。
+CoreCoder 用的是最简单的静态列表。但接口设计留了扩展口——`Agent.__init__` 接受 `tools` 参数，传什么用什么。
 
 ---
 
-> 本文是 [Claude Code 源码导读](00-index.md) 系列第 3 篇。配套实现：[NanoCoder](https://github.com/he-yufeng/NanoCoder)
+> 本文是 [Claude Code 源码导读](00-index.md) 系列第 3 篇。配套实现：[CoreCoder](https://github.com/he-yufeng/CoreCoder)