cwc-workshops：Anthropic 的 Code with Claude 工作坊资料集

一句话判断

cwc-workshops 不是"教程合集"，而是 Anthropic 自己跑过的实操工作坊原始材料——9 个 workshop 各对应一场 Code with Claude 现场课，配源码、配置和走查笔记。它最适合想看"Anthropic 内部怎么用 Claude Managed Agents、Skills、MCP 组织 agent 系统"的人：不是听结论，而是把他们现场跑过的路径自己再跑一遍。

项目定位

• 仓库：anthropics/cwc-workshops，Apache-2.0 协议，TypeScript 为主、Python 次之，另有 JavaScript、Shell 和 HTML
• GitHub Stars：2106，Forks 623（2026-09-19 数据）
• 时间线：2026 年 5 月 6 日建仓，最后一次推送停在 2026 年 8 月 27 日
• 状态：README 原话是 “Workshop materials. Not maintained and not accepting contributions."——工作坊跑完归档的原始材料，不再维护，但也不删
• 内容载体：每个 workshop 一个子目录，含完整源码、数据和配置

9 个 Workshop 全景

每个 workshop 都遵循同一个模板：

1. 目标：用 1-2 句话讲清楚这个 workshop 解决什么问题
2. 场景：模拟一个真实业务 / 工程场景
3. 材料：完整可运行的代码 + 数据集 + 配置文件
4. 演进路径：从最 naive 的实现逐步迭代到 production-grade
5. 评测：每一版改动都有对应的 eval 任务，能跑出量化对比

关键机制拆解

1. Managed Agents：7/9 个 workshop 的地基

9 个 workshop 里，除 rightmodel/（Claude Code + SKILL）和 how-we-claude-code/（prompt 工程与前端验证）外，其余 7 个都建在 Claude Managed Agents 上——Anthropic 的托管 agent 运行时，2026 年仍处 research preview 阶段（agents-that-remember/ 要求组织先加入 preview，research-desk/ 的 Deployments 功能也标注 research preview）。

它的资源模型有四层，ship-your-first-managed-agent/ 的 README 按此排序教学：

• Agent：定义系统 prompt、技能、工具的配置实体，支持版本化更新
• Environment：云上沙箱容器，预装运行时并可限制网络出口
• Session：一次有状态的对话运行，可列举、可恢复
• Events：会话内的事件流，工具调用、消息、确认都走这条流

四层各自的分工在 workshop 里反复出现：agent 定"谁在干活"，environment 定"在哪干"，session 存"干到哪了"，events 记"每一步发生了什么"。Skills 和 MCP 挂在 agent 配置上：SKILL.md 把领域知识编码成可加载的指令，MCP server 把外部工具接进来。理解这四层，剩下 7 个 workshop 的代码结构基本可以预测。

2. 一个任务如何流过系统：Incident-2277

ship-your-first-managed-agent/ 把整套机制装进了一个事故场景：凌晨两点 PagerDuty 响了，checkout 服务 p99 延迟涨到基线的 10 倍。你要做的是把面板旁边那个离线的 SRE Agent 接上线——agent.py 里 7 个函数，全部 raise NotImplementedError，填完约 38 行：

上线后问它"延迟尖峰是什么引起的"，看它干活：在云端沙箱里 grep 一份 7 万行的 JSON 日志，通过事件流回调你机器上的 get_metrics、get_recent_deploys、get_diff 三个本地工具，把日志、指标、部署记录、diff 四份证据的时间戳对齐，最后点名 commit a3f9c21——14:31:18 UTC 上线，把批量查询改成了逐行循环，p99 从 65 ms 爬到 3600 ms，数据库连接池饱和，20% 的结账请求开始失败。

这个案例之所以值得细看，在于它把"云端 agent + 本地工具"的分工演透了：重活在托管沙箱里跑，敏感数据和私有接口留在自己机器上，handle_tool() 的 README 注释写着——these handlers run on your machine, not the cloud — that’s the point。把 mock JSON 换成 Datadog 客户端，这就是生产系统。

3. eval 是贯穿全仓库的第二条主线

“怎么证明你的 agent 变好了"是每个 workshop 都在回答的问题，答案因产物形态而异：

• rightmodel：分两步。先审计（audit）——按任务设计、harness 设计、指标卫生、grader 设计（含 LLM 评审的偏见）四类检查清单排查评测套件自身的可靠性；再扫描（sweep）——把评测包进 model × thinking × effort 的网格，逐格记录 pass rate、成本、延迟，产出三张对比图加一句话推荐。没有现成评测的读者可以用 Sierra 的 tau2-bench（airline 域）替代，50 个任务里取按 Haiku 基线通过率分层的 20 个子集
• eval-driven-agent-development：PPTX 生成 agent 配双层 grader——程序化评分直接解析 .pptx 的 XML 结构指标，LLM-as-judge 在本地 Docker 里用 LibreOffice 把幻灯片渲染成 JPG 后评审视觉效果。5 个任务（求职、环境、面包、社媒、科普各一个 5 页 deck），仓库提供起点 agent.yaml 加 solutions/ 里 4 个进阶配置（polish、diagram、qa-loop、model-swap），--baseline 记录基线分，之后每次运行都显示与基线的差值
• production-ready-agent / research-desk：用 outcome rubric——运行时通过 user.define_outcome 定义"什么算合格”，每个分析产出对照评分卡（scorecard）打分

值得一提：仓库主 README 称 eval workshop 是 “six variants / 10-task suite”，但仓库实际文件是 5 个任务、起点配置加 4 个 solution——引用时以文件为准。这类出入本身就是归档材料的典型风险。

4. 真实业务场景，不是 toy example

• production-ready-agent/ 模拟 Deal Desk：M&A 研究团队，协调者并行调度 4 个研究 sub-agent，从 memory store 读过往交易的教训，经 MCP 连 Linear，产出带评分的投资论点。UI 流式展示每个事件，受控工具调用需要人工确认，还能点进每个 sub-agent 的会话线程
• research-desk/ 模拟 SEC 财报研究台：head of research 通过自定义工具 dispatch_analysts 按 ticker 派出分析师会话，每个分析师再带财务提取和风险分析两个专家 sub-agent；云环境限制网络出口只能访问 SEC 和包管理源，凭证全部由服务端解析，浏览器永不接触 key。长期部署形态是定时任务每周生成研究备忘录
• ship-your-first-managed-agent/ 模拟 SRE 事故响应

场景数据都是虚构的（Deal Desk 的 README 明说 “All companies and financials are fictitious”），但工作形态是真的：并行调度、记忆复用、人工确认门、评分产出，这些正是企业 agent 落地要过的坎。

5. 归档材料的正确用法

README 明确说 “not maintained”，2026 年 8 月底之后大概率不会再有修正。这意味着：

• 代码可能用旧版本 SDK：仓库里的配置写死了当时的模型（如 eval workshop 的 agent.yaml 用 claude-sonnet-4-6），跑不通时要自己换成当前可用的模型
• 平台功能在快速演进：Managed Agents 处于 research preview，API 面会变，workshop 代码与最新文档有出入时以文档为准
• 但设计思想不过时：四层资源模型、双层 grader、outcome 评分、云端执行与本地工具的分工，这些模式在 Anthropic 自己的文档里也一直是主线

对学习者来说，关键是理解每个 workshop 的设计意图，而不是逐行复用代码。引用仓库数字时也要留意——主 README 与实际文件偶有出入（见上文 eval 一节），以文件为准。

环境与前置条件

9 个 workshop 的依赖差异不小，动手前先对表：

ant CLI 是 Managed Agents 的命令行入口（brew install anthropics/tap/ant），eval-driven-agent-development/、production-ready-agent/ 和 agents-that-remember/ 都靠它创建环境和 agent。前置门槛有两档：多数 workshop 用普通 Anthropic API key 就能跑；production-ready-agent/ 和 research-desk/ 要求开通 Managed Agents 权限的 key；agents-that-remember/ 还要组织先加入 research preview——没有资格就先跳过，不影响其余八个。

适用人群

• AI 工程师：想看 Anthropic 内部怎么用 Managed Agents + Skills + MCP 组织 agent 系统
• Agent 架构师：想学 eval 驱动开发的方法论，从审计清单到双层 grader 都有可抄的作业
• 教育者：想在公司或高校内部跑类似 workshop 的人，agent-battle/ 连主持人手册都备好了
• 产品经理：想理解 agent 技术的边界和落地形态，Deal Desk 和 Research Desk 就是两个活样例

不适合谁

• 零基础 AI 学习者：workshop 默认你已经会用 Claude Code、理解 MCP
• 期待长期维护的人：README 明确 “not maintained”，SDK 和模型 id 要自己适配
• 只想看"如何用 Claude 写代码"的人：9 个里只有 rightmodel/ 和 how-we-claude-code/ 涉及 Claude Code 本身，其余主线是 Managed Agents

仓库地址

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

阅读路径建议

1. 先跑 ship-your-first-managed-agent/：7 个函数、38 行代码，成本最低，还能一次建全 Agent → Environment → Session → Events 的完整心智模型
2. 再按兴趣分叉：关心质量保障就跑 eval-driven-agent-development/ 加 rightmodel/；关心跨会话记忆就跑 agents-that-remember/；关心多 agent 编排就按 agent-decomposition/ → production-ready-agent/ → research-desk/ 的顺序推进，复杂度递增
3. 带团队一起学就用 agent-battle/：45 分钟竞赛自带计分规则和主持人手册，当团建加培训都合适
4. 每个 workshop 的读法：先读 README（部分带 WORKSHOP.md）理解设计意图，跑通源码，最后跑 eval 看各版本之间的量化差距——差距怎么来的，就是这场工作坊要教的东西