claude-agent-sdk-demos
claude-agent-sdk-demos 是 Anthropic 官方放出的“样板间”合集，用 8 个迷你项目手把手教你把 Claude 变成能干活的小助手。无论是想让它帮你读邮件、搜资料、做 Excel、写简历，还是搭一个带实时流的聊天网页，这里都有现成代码可抄可改。每个示例都围绕 Claude Agent SDK 展开，展示了会话保持、并行子代理、WebSocket 流式输出、HTML 预览卡片等常见需求的最佳实践，帮你省掉踩坑时间。
它解决的核心问题是：开发者第一次用 Claude 做应用时，往往不知道从哪下手，也不清楚如何把大模型能力嵌入真实业务。这些示例把“能跑”和“能看懂”同时给你，照着 README 几分钟就能跑起来，再按自己场景改几行代码即可上线原型。
适合人群：前端/全栈开发者、AI 产品经理、研究人员，以及任何想用 Claude 快速验证想法的技术爱好者。只需装好 Bun 或 Node 18+，再填上自己的 Anthropic API Key，就能开箱即用。
使用场景
一家 8 人初创 SaaS 团队正在赶制下周 Demo Day 的融资路演材料，CTO 小林需要在 48 小时内完成一份投资人调研报告、更新产品路线图 Excel，并把最新进展同步给 30 多位潜在投资人邮箱。
没有 claude-agent-sdk-demos 时
- 小林先让实习生手动 Google 每位投资人背景，再整理成 20 页 PPT，耗时 6 小时仍遗漏关键数据。
- 产品路线图 Excel 里 200 多行任务状态全靠人工核对，改一次版本号就要重新跑脚本，来回 3 次后仍有错行。
- 群发更新邮件时，用传统邮件合并工具无法根据投资人兴趣点定制正文，结果 40% 邮件被当成垃圾邮件。
- 团队 Slack 里不断有人追问“报告进度”“Excel 最新链接”，小林只能截屏贴图，信息碎片化严重。
使用 claude-agent-sdk-demos 后
- 小林启动 research-agent，输入“生成 SaaS 领域 30 位种子轮投资人画像”，15 分钟后拿到带引用链接的 25 页 PDF，直接嵌入路演 Keynote。
- 打开 excel-demo，把路线图文件拖进去，一句“把所有 Q3 任务状态标红并生成甘特图”，Claude 自动改色、插入图表并输出新文件，零人工核对。
- 切换到 email-agent，写 3 行提示：“按投资人关注领域分组，生成个性化跟进邮件”，系统批量生成并排队发送，送达率提升到 92%。
- 在 simple-chatapp 里建一个“Demo Day 作战室”频道，所有报告、Excel、邮件回执实时同步，团队成员 @claude 即可查看最新版本，无需再翻聊天记录。
claude-agent-sdk-demos 让 8 人小团队在 2 小时内完成原本 2 天的工作量，把 Demo Day 准备变成一次“对话式”协作。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
Claude Agent SDK 演示
⚠️ 重要提示：这些是由 Anthropic 提供的演示应用。它们仅供本地开发使用，切勿部署到生产环境或大规模使用。
本仓库包含多个 Claude Agent SDK 的演示，展示了如何利用 Claude 构建各种 AI 驱动的应用程序。
可用演示
📧 邮件代理
一款正在开发中的 IMAP 邮件助手，具备以下功能：
- 显示您的收件箱
- 执行代理式搜索以查找邮件
- 提供 AI 驱动的邮件协助
📊 Excel 演示
展示如何使用 Claude 处理电子表格和 Excel 文件。
👋 Hello World
一个简单的入门示例，帮助您了解 Claude Agent SDK 的基本用法。
🔄 Hello World V2
V2 会话 API（unstable_v2_*）的示例：将 send() 和 stream() 分开，而非使用单一的 query() 生成器，并支持多轮对话与会话持久化模式。
🔬 研究代理
一个由多个代理组成的科研系统，可协调专门的子代理进行课题研究并生成详尽的报告：
- 将研究请求拆分为子主题
- 启动并行的研究代理以在网络上搜索信息
- 将研究成果综合成详细的报告
- 展示对子代理活动的详细跟踪
🎨 AskUserQuestion 预览
一款品牌助理，将 AskUserQuestion 的选项以视觉化的 HTML 预览卡片形式呈现，而非单纯的文本标签：
- 开启
previewFormat: "html"，使每个选项都包含样式化的 HTML 模拟图 - 通过 WebSocket 将 SDK 的
canUseTool回调返回的问题往返传输至浏览器 - 展示计划模式如何引导 Claude 在执行前提出澄清性问题
💬 简易聊天应用
一个基于 React + Express 的聊天 UI，由 SDK 提供后端支持，展示通过 WebSocket 实现的完整对话流程及流式响应。
📄 简历生成器
通过网络搜索某人的姓名（LinkedIn、GitHub、新闻等），并整合搜索结果，生成一份单页 .docx 格式的简历。
快速入门
每个演示都有其专属目录，并附有详细的设置说明。请进入相应的演示文件夹，按照该目录下的 README 文档进行设置与使用。
先决条件
- Bun 运行时（或 Node.js 18+）
- Anthropic API 密钥（在此获取）
入门步骤
- 克隆仓库
git clone https://github.com/anthropics/claude-agent-sdk-demos.git
cd claude-agent-sdk-demos
- 选择一个演示并进入其目录
cd email-agent # 或 excel-demo、hello-world
- 按照该演示专用的 README 文档进行设置与使用说明
资源
支持
这些演示应用按“原样”提供。如遇以下相关问题：
- Claude Agent SDK：SDK 文档
- 演示问题：GitHub Issues
- API 问题：Anthropic 官方支持
许可证
MIT - 本代码仅为演示目的而提供。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。