cwc-workshops：Anthropic 的 Code with Claude 工作坊资料集
posts posts 2026-07-20T03:02:36+08:00cwc-workshops 是 Anthropic 官方 Code with Claude 工作坊的材料合集，覆盖 10 个 workshop，从模型选型、agent 分解、managed agents 到评测驱动开发，每个都是 Anthropic 团队亲自跑过的实操课。技术笔记anthropic, claude, workshops, agent, mcpcwc-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——每个 workshop 都对应一个 Anthropic 团队跑过的 workshop session，配源码、配置、笔记。它最适合那些想看"Anthropic 内部怎么用 Claude Code / Managed Agents / Skills / MCP"的人。
项目定位
- 仓库：
anthropics/cwc-workshops，Apache-2.0 协议，TypeScript / Python - GitHub Stars：1.75K，Forks 497（2026-06-26 数据）
- 状态：“Workshop materials. Not maintained and not accepting contributions."——这是 Anthropic 跑完 workshop 之后归档的原始材料，不会再更新，但也不删
- 内容载体：每个 workshop 一个子目录，含完整源码 + 笔记 + 配置
10 个 Workshop 全景
| Workshop | 主轴 | 关键技术 |
|---|---|---|
rightmodel/ | Picking the Right Model | Claude Code SKILL + LLM eval suite + 模型 / inference param sweep |
agent-decomposition/ | Compose Multi-Agent Systems with Skills and MCP | 把 400 行单 agent 拆成 skills + code execution + callable_agents |
how-we-claude-code/ | How We Claude Code | AI 辅助产品 workflow 三阶段：interview → divergent design → Vite + React app |
ship-your-first-managed-agent/ | Ship Your First Managed Agent | Streamlit 事故 dashboard + 离线 SRE Agent，通过 7 个小函数接通 |
agent-battle/ | Agent Battle | 45 分钟竞赛配置 Managed Agent，钻石最多胜、token 最少破平 |
agents-that-remember/ | Agents That Remember | 给 amnesiac agent 加 memory store + Dreaming Service |
eval-driven-agent-development/ | Eval-Driven Agent Development | PPTX 生成 agent 6 个 variant + 10-task eval suite + 双层 grader |
production-ready-agent/ | Production-Ready Agent | Deal Desk：M&A 研究多 agent + memory store + Linear MCP + graded investment thesis |
research-desk/ | The Research Desk | SEC filings research desk：versioned agent 调度 + edgartools Skill + outcome-graded scorecards |
每个 workshop 都遵循同一个模板：
- 目标：用 1-2 句话讲清楚这个 workshop 解决什么问题
- 场景：模拟一个真实业务 / 工程场景
- 材料：完整可运行的代码 + 数据集 + 配置文件
- 演进路径：从最 naive 的实现逐步迭代到 production-grade
- 评测：每个 variant 都对应一个 eval 任务，能跑出量化对比
关键机制拆解
1. Managed Agents + Skills + MCP 三件套
Anthropic 在 2025-2026 年的 agent 技术栈是 Managed Agents（托管 agent runtime）+ Skills（SKILL.md 协议）+ MCP（外部工具协议）三件套。cwc-workshops 的几乎所有 workshop 都围绕这三件套展开：
- Skills：用 SKILL.md 把领域知识 / 工作流编码成可被 agent 加载的指令
- MCP：通过 MCP server 把外部工具接入 agent
- Managed Agents：托管的 agent runtime，支持 sub-agent 调度、memory store、eval 跟踪
这三个组件的关系是：Skills 描述"做什么”，MCP 提供"用什么做"，Managed Agents 负责"调度"。三者组合起来就是完整的 agent 系统。
2. eval-driven development 的范例
eval-driven-agent-development/ 和 agent-battle/ 两个 workshop 都把 eval 做成核心环节：
- Programmatic grader：对可验证的产物（PPTX XML metric、code correctness）做程序化评分
- LLM-as-judge：对不可验证的产物（生成的 slide 质量、生成的答案有用性）用 LLM 评分
- Two-layer grader：程序化 + LLM 双层评分，互补盲区
这种"每改一个 prompt 都跑一次 eval"的模式是当前 agent 工程化的核心方法论。cwc-workshops 直接给出了Anthropic 内部如何用这套方法论迭代 agent的范例。
3. 真实业务场景
workshop 不是 toy example：
production-ready-agent/模拟 Deal Desk M&A 研究research-desk/模拟 SEC filings research deskship-your-first-managed-agent/模拟 SRE 事故响应
每个场景都对应一个"在企业里有真实价值的 agent 应用"。学习者做完这些 workshop 等于把 Anthropic 团队的实战经验跑了一遍。
4. 归档而非维护
README 明确说"Not maintained and not accepting contributions"——这意味着：
- 代码可能用旧版本 SDK：读者要自己适配到当前 SDK
- 配置可能用过时的 model id：要按当前可用模型做替换
- 但核心设计思想不过时：Skills + MCP + Managed Agents 的方法论仍然代表 Anthropic 的当前方向
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。
适用人群
- AI 工程师：想看 Anthropic 内部怎么用 Managed Agents + Skills + MCP
- Agent 架构师：想学 eval-driven development 方法论
- 教育者：想在公司 / 高校内部跑类似 workshop 的人
- 产品经理：想理解 agent 技术的边界和落地形态
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"
- 只想看"如何用 Claude 写代码"的人：大部分 workshop 不聚焦 Claude Code 本身，而是 Managed Agents
仓库地址
https://github.com/anthropics/cwc-workshops
阅读路径建议
- 先读 README 的 workshop 列表，挑一个你最关心的场景
- 跑该 workshop 的源码，确认环境能正常工作
- 重点读 workshop 的笔记（
README.md/NOTES.md）理解设计意图 - 跑对应的 eval suite，看 variant 之间的量化对比