Anthropic

探讨如何通过初始化智能体和编码智能体的两阶段解决方案，让 Claude Agent SDK 在多个上下文窗口中有效工作。

深入探讨构建 Claude Research 系统的工程挑战和经验教训，分享多智能体系统的架构设计、提示工程和评估方法。

介绍如何使用 Claude Agent SDK 构建自主代理，包括代理循环设计、上下文收集、执行方式和工作验证的最佳实践。

Anthropic 分享了与客户合作构建 LLM Agent 的经验，介绍了从简单可组合模式到自主 Agent 的最佳实践，包括工作流模式、构建块和实际应用案例。

介绍如何使用模型上下文协议(MCP)进行代码执行，提升Agent的能力

介绍了上下文检索（Contextual Retrieval）技术，通过在嵌入前为每个片段添加上下文信息，将检索失败率降低了 49%，结合重新排序可降低 67%。

介绍如何为AI Agent设计和实施有效的评估系统

介绍了为 AI Agent 设计上下文的原则和模式，包括如何组织上下文、引导推理以及管理会话以获得最佳性能。

介绍了 Agent Skills 的概念，这是一种模块化的能力封装方式，通过文件夹组织指令、脚本和资源，让 Agent 能够动态发现和加载特定技能。

Claude 现在可以动态发现、学习和执行工具，以在现实世界中采取行动。介绍了工具搜索工具、程序化工具调用和工具使用示例三大功能。

介绍了一个简单而强大的"think"工具，为 Claude 在复杂任务中提供结构化思考空间，显著提高了在策略遵循、一致决策和多步问题处理方面的表现。

介绍了如何编写和优化 AI Agent 使用的工具，包括原型构建、评估运行、与 Agent 协作改进工具，以及编写高质量工具的核心原则。