一句话看懂：Anthropic 在 GitHub 上开源了九个“与 Claude 一起编程”工作坊的完整材料，覆盖从模型选型、多智能体系统、记忆机制到评估驱动开发等主题，为开发者提供了一套可以直接上手的 AI 应用开发实训课程。
事件核心：发生了什么
Anthropic 近期在 GitHub 仓库 cwc-workshops 中发布了九套 Workshop 材料，内容涵盖 Claude 模型的实操训练。仓库采用 Apache 2.0 许可证，目前不接受外部贡献。这些工作坊主题包括：
- 挑选合适模型：通过 Claude Code SKILL 审计 LLM 评测套件，跨模型和推理参数扫描，找到最佳性价比配置。
- 组合多智能体系统：将 400 行提示的库存代理拆解为技能、代码执行和可调用智能体，并用评估验证每一步。
- 我们的 Claude Code 工作方式：展示从访谈到规范的 AI 辅助产品流程，包含四个设计探索的静态 HTML 和带 DOM 合约的 Vite+React 应用。
- 部署首个托管智能体：构建 Streamlit 事故仪表盘，通过实现七个 API 调用函数让离线 SRE 代理上线，能 grep 7 万行日志。
- 智能体对战：45 分钟竞赛，配置 Claude Managed Agent 驱动游戏机器人，以钻石数和 token 消耗评分。
- 记忆智能体：从跨会话无记忆的初学者代理，逐步加入记忆存储和“梦境服务”合并过往对话。
- 评估驱动开发：迭代生成 PPTX 的代理，通过六种变体并用双层评分器衡量每次提示变更。
- 生产级智能体：构建 M&A 研究团队的聊天界面，多智能体协作出具投资报告。
- 研究台：搭建 SEC 文件研究智能体，支持分析师会话、自托管 Next.js 控制台和每周备忘录。
为什么重要
这套材料不是简单的文档或博客，而是可直接操作的工作坊，覆盖了 AI 应用从原型到生产的关键环节：模型选型、评估体系、记忆管理、多智能体协作。这有几点意义：
- 展示了 Anthropic 对“可工程化 AI”的思考——通过评估而非感觉来迭代提示，用可复现的案例教开发者构建可靠系统。
- 填补了从单一提示工程到多智能体系统的实用教程空白，尤其 eval-driven agent development 和 agent-decomposition 反映了行业从“调 prompt”向“构建可评估系统”的演变。
- 所有材料均可免费获取，降低了开发者学习复杂 Agent 开发的门槛，可能加速企业采用 Anthropic 的 Managed Agents 服务。
对用户/开发者/创作者的影响
- 开发者：可直接复用工作坊的代码和架构思路，如 SKILL 审计、记忆 store、MCP 集成等，能快速搭建具备评估和记忆功能的智能体，减少从零开始的探索成本。
- AI 应用团队：Deal Desk 和生产级智能体的案例展示了如何构建多代理协作系统，团队可以将其作为参考架构，减少设计风险。
- 企业采购者：工作坊中强调的“质量-per-dollar”和“质量-per-second”选型方法论，给企业评估模型性价比提供了可操作的工具。
值得关注的后续
- 竞品跟进：OpenAI 或 Google 是否会推出类似结构化的 Agent 开发教程，尤其是基于评估和记忆的部分？
- 生态扩大：随着多智能体系统材料的普及，MCP 生态的采用率是否加速，尤其是在企业自动化场景？
- 产品落地：这些工作坊中展示的 Dreaming Service 等记忆方案是否会成为 Claude Managed Agents 的内置特性，推动 Agent 从单次会话向永久记忆演进？
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
来源：github
