cwc-workshops Anthropic官方Claude智能体实战工作坊，覆盖Agent开发全生命周期

cwc-workshops：Anthropic 官方出品的 Claude 智能体实战工作坊全集

你是否曾经被这样的困境卡住：手里有 Claude / Claude Code，却不知道如何把它从「能聊天的玩具」变成「能交付的生产级智能体」？市面上关于 Agent 的教程要么停留在 Hello World，要么直接跳到大厂内部架构，中间那一大段「怎么调、怎么评、怎么上线」的空白无人填补。cwc-workshops 的出现，正是为了解决这个问题——它是 Anthropic 官方在 Code with Claude 系列线下/线上工作坊中使用的全套课程材料，用可运行、可动手的 TypeScript 项目，把「构建 Claude Managed Agent」这件事拆成了一条从选模型、拆 Agent、写 Eval 到上生产的完整路径。

需要提前说明的是：这份仓库已不再维护，也不接受外部贡献。但它作为一份「存档级」的官方教学素材，价值依然极高——它展示的是 Anthropic 自己认为「正确的 Agent 开发姿势」是什么样子。

截至收录：
cwc-workshopsstars数：2093
cwc-workshopsforks数：614

cwc-workshops项目目录截图

cwc-workshops项目核心亮点

🧭 亮点一：覆盖 Agent 开发的完整生命周期
这个仓库不是零散的小 Demo 拼盘，而是九条互相咬合的课程线。从 rightmodel/ 教你用 Claude Code SKILL 审计 LLM 评测集、在不同模型和推理参数（extended thinking、effort）之间做 sweep，找到「性价比最高 / 每秒质量最高」的配置；到 production-ready-agent/ 的 Deal Desk——一个协调者 Agent 派发四个并行研究子 Agent，从记忆库读取历史并购经验，通过 MCP 调用 Linear，最后输出一份被打分的投资论点。从选型到上线，学生可以走完全程。

🛠️ 亮点二：把 400 行 Prompt 拆成工程化组件
agent-decomposition/ 是最具教学价值的一课：它把一段长达 400 行的「巨型 Prompt 库存 Agent」拆解为 skills + 代码执行 + callable_agents 的组合，部署在 Claude Managed Agents 之上，并为每一步配上 eval 验证。这正是当下 Agent 工程最核心的思维转变——提示词不是资产，可组合、可测试的组件才是。

📊 亮点三：Eval 驱动，拒绝「凭感觉改 Prompt」
eval-driven-agent-development/ 用六个渐进变体（朴素 → 视觉 → 排版 → 配色 → 密度 → QA 循环）迭代一个生成 PPTX 的 Managed Agent，每个变体都要面对一套 10 任务的测试集，并由双层评分器打分：程序化解析 .pptx 的 XML 指标 + LLM-as-judge 对渲染后幻灯片打分。每一次 Prompt 改动都是被量化验证过的，而不是「感觉好像变好了」。agent-battle/ 里还有一个 --eval 决策探针循环，让你在约 30 秒内测出配置变更效果，再决定要不要投入 5 分钟跑完整局。

🧠 亮点四：直面 Agent 最痛的「失忆」问题
agents-that-remember/ 从一个「跨会话明显失忆」的 Managed Agent 出发，逐层叠加记忆原语：先用 memory store 做跨会话持久化，再引入 Dreaming Service 对历史对话记录做压缩与整合，45 分钟内完成从「金鱼」到「同事」的进化。配合 research-desk/ 中共享记忆库 + edgartools Skill + 按 ticker 派发分析师子会话的架构，几乎是一份可直接借鉴的「长期记忆 Agent」参考设计。

cwc-workshops快速开始

这个仓库是工作坊材料集合，不是可安装的 CLI 工具，因此上手方式是「克隆 → 进入某个工作坊目录 → 按该目录内的 README 操作」：

1. 克隆仓库：
   bash
$ git clone https://github.com/anthropics/cwc-workshops.git
$ cd cwc-workshops
2. 挑选一条课程线并进入目录（以入门心智最容易建立的一条为例）：
   bash
$ cd rightmodel # 或者 agent-decomposition / agents-that-remember ...
$ cat README.md # 每个目录都有独立的自述文件与步骤说明
3. 按目录内 README 完成环境准备与运行。多数工作坊是 TypeScript / Node 项目，通常会涉及安装依赖、配置 API Key，然后启动脚本或前端应用：
   bash
$ npm install
$ npm run dev # 部分工作坊为 Vite + React 应用（如 how-we-claude-code）
4. 动手完成「题目」而不是只读代码。例如 ship-your-first-managed-agent/ 会给你一个 Streamlit 事件看板和一个离线的 SRE Agent 聊天面板，你需要亲手在 agent.py 里实现七个小函数，每一个都是一次 Claude Managed Agents API 调用——直到它能在沙箱里 grep 一份 7 万行日志、调用你的本地工具、并指出是哪个 commit 出了错。

cwc-workshops应用场景

场景一：团队内部 Agent 能力培训
如果你所在的团队正准备把 AI 能力嵌入产品，但又苦于没有统一的「最佳实践共识」，这套材料可以直接拿来做内训课程。九条课程线天然形成进阶梯度，新人从 rightmodel/ 学会模型选型，老手直接跳到 production-ready-agent/ 和 research-desk/ 研究多 Agent 编排与 MCP 集成。

场景二：为具体业务复制架构模板
research-desk/ 展示的是「SEC 文件研究台」：自托管 Next.js 控制台 + 无 Agent 先打招呼 + 版本化升级为研究主管 + 按 ticker 派发分析师会话 + 定制工具由你自己的服务器实现 + 结果打分卡 + 共享记忆库 + 周报部署。这套骨架稍作替换（把 SEC filings 换成合同、工单、客服记录），就能迁移到几乎任何「多源信息 → 研究结论 → 定期交付」的业务中。

场景三：Prompt / Agent 回归测试体系搭建
eval-driven-agent-development/ 的双层评分思路（程序化指标 + LLM-as-judge）可以直接搬进你自己的 CI。把 PPTX 换成你产品的输出物——JSON、SQL、代码补丁、邮件草稿——评分器的骨架依然成立。

场景四：Agent 竞技与配置调优
agent-battle/ 是一套 45 分钟的比赛机制：参赛者通过配置 Claude Managed Agent（system prompt、skills、MCP servers、model）来驱动一个本地游戏 Bot 走 MCP 协议，拿到最多钻石者胜，token 消耗最少者打破平局。这种游戏化形式非常适合在黑客松、技术开放日里快速让大家理解「Agent 配置」到底在调什么。

用户案例：作为 Anthropic 官方发布的 Code with Claude 工作坊材料，它本身就是大量开发者、企业工程团队与技术社区线下活动的实际教学载体；how-we-claude-code/ 一课更是直接公开了 Anthropic 内部的 AI 辅助产品工作流——从访谈生成规格、四路发散式静态 HTML 设计探索，到让 Vite + React 组件输出机器可读的 DOM 契约，使 Agent 或 CI 能在运行时校验它们。这种「把自家工作方式摊开讲」的做法，在开源教学材料中相当罕见。

cwc-workshops链接

anthropics / cwc-workshops项目地址：https://github.com/anthropics/cwc-workshops

本文地址：https://www.tgoos.com/46498