cwc-workshops

cwc-workshops

Workshop 材料。已不再维护，也不接受贡献。

来自 Anthropic 举办的 Code with Claude 工作坊的材料。

工作坊

• rightmodel/ — Picking the Right Model（选择正确的模型）：使用 Claude Code SKILL 审计一个 LLM 评估套件，并在不同模型和推理参数（扩展思考、effort）上扫描，以找到性价比最佳和每秒质量最优的配置。
• agent-decomposition/ — Compose Multi-Agent Systems with Skills and MCP（用 Skills 和 MCP 组合多智能体系统）：将一个 400 行提示的库存 agent 分解为 skills + 代码执行 + Claude Managed Agents 上的可调用 agents，并通过评估验证每一步。
• how-we-claude-code/ — How We Claude Code（我们如何使用 Claude Code）：一个三阶段的 AI 辅助产品工作流程实操——从采访到规格说明，四个发散的设计探索以静态 HTML 呈现，以及一个 Vite + React 应用，其组件发出机器可读的 DOM 契约，以便 agent（或 CI）在运行时验证它们。
• ship-your-first-managed-agent/ — Ship Your First Managed Agent（发布你的第一个 Managed Agent）：一个 Streamlit 事件面板，带有一个离线 SRE Agent 聊天面板。通过实现 agent.py 中的七个小型函数（每个函数都是一个 Claude Managed Agents API 调用）将其激活——直到它能在其沙箱中 grep 一个 70k 行的日志、调用你的本地工具，并指出错误的提交。
• agent-battle/ — Agent Battle（智能体对战）：一个 45 分钟的竞赛，配置一个 Claude Managed Agent——system prompt、skills、MCP 服务器、模型——通过 MCP 驱动本地游戏机器人。收集最多钻石获胜，令牌最少者打破平局；一个快速的 --eval 决策探测循环让你在提交到 5 分钟运行前约 30 秒测试配置更改。
• agents-that-remember/ — Agents That Remember（会记忆的智能体）：从一个在会话间明显健忘的 Managed Agent 开始，然后逐层添加记忆原语——一个用于跨会话持久化的 memory store，然后是 Dreaming Service 来整合过往记录——在 45 分钟内从“金鱼”变成“同事”。
• eval-driven-agent-development/ — Eval-Driven Agent Development（评估驱动的智能体开发）：迭代一个生成 PPTX 的 Managed Agent，通过六个变体（朴素 → 视觉 → 排版 → 调色板 → 密度 → QA 循环），针对一个 10 任务套件进行评分，使用两层评分器（程序化的 .pptx XML 指标 + 基于 LLM-as-judge 的渲染幻灯片评估），使得每次 prompt 更改都被衡量，而非凭感觉。
• production-ready-agent/ — Deal Desk（交易台）：一个以聊天为主的界面，构建在 Claude Managed Agents 上的多智能体并购研究团队——一个协调者将任务分派给四个并行研究子 agent，从 memory store 读取过往交易经验，通过 MCP 访问 Linear，并输出一个分级投资论点，同时 UI 流式传输每个事件和门控工具调用。
• research-desk/ — The Research Desk（研究台）：在 Claude Managed Agents 上构建一个 SEC 文件研究台，位于自托管的 Next.js 控制台之后——与你自行连接的裸 agent 打招呼，然后将同一个 agent（版本化更新）提升为研究主管，该主管通过你的服务器实现的自定义工具为每个股票代码分派一次分析师会话，配备子 agent 专家、一个 edgartools Skill、结果评分卡、一个共享 memory store 以及每周备忘录部署。

许可证

Apache License 2.0。参见 LICENSE。