AI Engineer CODE 2025(工作坊,2026 年上传)
Claude Agent SDK [Full Workshop]
Thariq Shihipar · Anthropic(Claude Code 团队)
Claude Agent SDK 就是把 Claude Code 的 harness 开放出来:Bash 是通用组合层,文件系统是上下文;循环是「收集上下文 → 行动 → 验证」,验证贯穿全程;按需选择结构化工具、Bash 或代码生成;用分层防御、限定凭证和可回滚检查点保护强 agent;先在 Claude Code 里用真实数据做原型,再封装到 SDK。
内容概要
Shihipar 的演进路线:单个 LLM 功能 → 结构化工作流 → 自己构建上下文、选择轨迹的 agent;Agent SDK 是一个有观点的 harness,构建在 Claude Code 之上。核心主张:Bash 是通用组合层——不必为每种搜索、lint、执行、转换各定义一个工具,agent 可以组合 grep、jq、脚本,把中间结果存成文件;代码生成用于动态组合 API。三种动作手段各有成本:结构化工具适合受控的原子操作,Bash 适合可组合的文件和命令行操作,代码生成适合动态 API 组合,它们的上下文与延迟成本不同。循环:收集上下文、采取行动、验证工作,验证是整个循环的持续属性而不是最后一步。搜索接口和上下文预算是产品设计问题:在表格里找某年的收入是多维检索问题,要通过模型已会使用的接口暴露数据——表格区域、SQL、可搜索文件、可渐进发现的命令行脚本。安全:给 agent Bash 和文件系统是真问题,要分层防御——限定凭证、沙箱、确定性检查、可回滚检查点,不能假设模型会执行应用安全。上下文增长:把大输出存成文件、把专注任务交给子 agent、从持久产物重建状态,而不是反复加载整个数据集或对话历史。原型方法:先用 Claude Code + 真实 API + 几个辅助脚本 + 项目级说明,检查真实执行转录、改进说明和脚本,有效后再用一个小的 SDK 入口封装。
幻灯片截图
截图来自原视频,仅用于评论与学习。
要点(点击时间跳到原视频)
- 1:35
从单个 LLM 功能、结构化工作流到自己构建上下文、选择轨迹的 agent;Agent SDK 是建立在 Claude Code 之上的有观点的 harness。
- 5:06
Bash 是通用组合层:不必为每种搜索、lint、执行、转换各写一个工具,agent 组合命令和脚本,把中间结果写成文件。
- 12:40
分层防御:限定凭证、沙箱、确定性检查、可回滚检查点;不能指望模型自己执行应用安全。
- 21:41
循环:收集上下文 → 行动 → 验证;验证是整个循环的持续属性,而不是最后一个勾选项。
- 25:12
结构化工具用于受控原子操作,Bash 用于可组合的文件/命令行操作,代码生成用于动态组合 API;三者的上下文和延迟成本不同。
- 29:45
在表格里找某年收入是多维检索问题:用模型已会用的接口暴露数据——表格区域、SQL、可搜索文件、可渐进发现的命令行脚本。
- 1:06:13
控制上下文增长:大输出存文件、专注任务交给子 agent、从持久产物重建状态,而不是反复加载整个数据集或历史。
- 1:23:33
先在 Claude Code 里用真实数据原型(真实 API + 辅助脚本 + 项目说明),读真实执行转录、改进说明,再封装成小的 SDK 入口。
可以用在日常工作里的
- agent
构建 agent 先给它 Bash + 文件系统 + 少量脚本,而不是一大堆专用工具;用文件保存中间结果。
- agent
把领域数据转成模型熟悉的接口(SQL、CSV、可 grep 的文件、CLI),检索效果往往比自定义搜索工具好。
- 使用 AI 工具
新 agent 的原型直接在 Claude Code 里跑通,再迁移到 SDK。