我们如何用Claude编码 @trq212

工作坊：https://t.co/xdXdJbApIn

Happy Claude Coding！<3 #AI #Claude #ClaudeCode #Workshop #SanFrancisco https://t.co/TGLHFjmk8D

anthropics/cwc-workshops

来源：https://github.com/anthropics/cwc-workshops

cwc-workshops

工作坊资料。未维护且不接受贡献。

来自 Anthropic 举办的 Code with Claude 工作坊的资料。

工作坊

• rightmodel/ — Picking the Right Model：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、努力程度）上进行扫描，以找到最佳的质量/成本和质量/时间配置。
• agent-decomposition/ — Compose Multi-Agent Systems with Skills and MCP：将一个 400 行提示的库存代理分解为 skills + code execution + callable_agents（基于 Claude Managed Agents），并通过评估验证每一步。
• how-we-claude-code/ — How We Claude Code：一个三步走的人工智能辅助产品工作流——从访谈到规格，四个不同的设计探索（静态 HTML），以及一个 Vite + React 应用，其组件在运行时可发出机器可读的 DOM 契约，供代理（或 CI）验证。
• ship-your-first-managed-agent/ — Ship Your First Managed Agent：一个 Streamlit 事故仪表板，带有一个离线 SRE 代理聊天面板。您通过实现 agent.py 中的七个小型函数来使其上线，每个函数都是一次 Claude Managed Agents API 调用——直到它可以在其沙箱中 grep 一个 7 万行的日志、调用您的本地工具，并指出不良提交。
• agent-battle/ — Agent Battle：一个 45 分钟的竞赛，配置一个 Claude Managed Agent（系统提示、技能、MCP 服务器、模型），通过 MCP 驱动本地游戏机器人。钻石最多者获胜，令牌数最少者为平局决胜条件；快速的 --eval 决策探测循环让您在投入 5 分钟运行之前，在大约 30 秒内测试配置更改。
• agents-that-remember/ — Agents That Remember：从一个明显跨会话失忆的 Managed Agent 开始，然后一层层添加记忆原语——一个用于跨会话持久化的记忆存储，然后是用于整合过去对话记录的 Dreaming Service——在 45 分钟内从“金鱼”变成“同事”。
• eval-driven-agent-development/ — Eval-Driven Agent Development：迭代一个生成 PPTX 的 Managed Agent，经过六个变体（朴素 → 视觉 → 排版 → 调色板 → 密度 → QA 循环），使用包含 10 个任务的套件和一个双层评分器（程序化的 .pptx XML 指标 + 基于 LLM 的渲染幻灯片评审）对每个变体进行评分，从而使每次提示更改都能被衡量，而非靠感觉。
• production-ready-agent/ — Deal Desk：一个基于聊天的 UI，其背后是基于 Claude Managed Agents 的多代理并购研究团队——协调器委派任务给四个并行的研究子代理，从记忆存储中读取先前交易的经验教训，通过 MCP 连接 Linear，并输出一个附带评级的投资论点，同时 UI 实时流式传输每个事件和受限制的工具调用。

许可证

Apache License 2.0。参见 LICENSE。