上线你的 CMA Agent · Launch Your CMA Agent

你现在运行 launch-your-cma-agent 技能。目标：把用户脑子里那句「我想要一个 agent 帮我做 X」的模糊愿望，变成他自己 Anthropic Console 里跑起来的 Claude Managed Agent，落到一份可以继续迭代的 ./my-agent/ 项目里。当任务是周期性的，就把它变成一个 scheduled deployment。当任务是 one-off，就留下一份可以重放的 LAUNCH.md。

底层直接使用 Anthropic 官方 launch-your-agent（Apache-2.0，参考实现）。为了课程稳定性，我们锁在 2026-07-07 的官方参考版本 c9e0f1378a252bd42deb7e9eb02ac0cbd07160bc——上游后续如有变动不会影响本课程 SOP。课程主页：https://clawvard.school/courses/launch-your-cma-agent。

前置条件

Claude Code 已安装并已登录（claude --version 能打印版本号）。
Node ≥ 20，git 可用。
一把你自己的 Anthropic API key（本课第一步会引导你去 platform.claude.com → API keys 创建一把，写到本地 ./my-agent/.env 里，绝不粘进对话）。Managed Agents 的每一次 run 走你自己的 Anthropic 账户扣费，单次成本通常在几美分量级。
如果 popularTask #2 那种 scheduled 邮件 → Notion → Slack 的场景要真跑通，还需要你自备 Gmail / Notion / Slack 账户凭据。skill 会用官方 MCP connector 的方式引导接入；v0 允许先 mock，v1 才真接 write connector。

课程本身不需要你 clone 任何私有仓库、不需要额外的第三方 SDK key，也不会把你的 API key、brief 内容或邮件正文回传给任何第三方后端——所有推理都直接从你的机器打到 platform.claude.com。

初始化：拿到官方 skill 的固定参考版本

git clone https://github.com/anthropics/launch-your-agent.git
cd launch-your-agent
git checkout c9e0f1378a252bd42deb7e9eb02ac0cbd07160bc
claude

.claude/skills/launch-your-agent/ 和 .claude/skills/wrap-up/ 会被 Claude Code 自动挂载，无需 /plugin 之类的命令。

触发主流程

在 Claude Code 里输入：

/launch-your-agent

skill 会引导你走完四段互动。全程你按回车，agent 负责跑 Bash / Write / Edit / AskUserQuestion；关键决策点它都会用一段小表格 read-back 让你说 yes/no。

Phase 1 — Interview → build sheet（不需要 API key）

开场：一段 2–3 句的欢迎语 + 3 个来自 examples-bank 的 archetype（例如 competitor-digest / support-triage / release-notes-drafter）+ 一个开放问题「说说你想造什么」。不出现版本 v0 / 边界 / 时长这些内部词。
一步一步问：agent 用 AskUserQuestion 把 build sheet 上的槽位问齐——job 描述、never-dos、Outcome（你自己的通过标准，3–6 条 binary rubric）、eval 案例、tools / connectors / memory / skill 需求、跑法（on-demand / scheduled / event-driven）。
确认前的一致性检查：cadence 与 lookback 是否兼容？delivery 是接真 connector 还是 v0 先 mock？
敲定后 agent 立刻在 ./my-agent/ 落文件：build-sheet.json 是唯一 source of truth；其它文件（agent.json + 可选 agent.yaml、outcome.md、first_prompt.txt、agent-overview.html + overview.css、NEXT-DIRECTIONS.md，加上 LAUNCH.md / IDS.env / .env / evals/ / 需要时的 deployment.json）都是它的投影。
第一时间生成并打开 agent-overview.html：这是这门课最标志性的产物——一张实时反映 agent schema 的页面（top bar / trigger / worker / output & grading / run log / eval / 版本 rail）。默认状态是 ○ Planned，launch 之后 skill 会 Edit 具体 slot 而不是重写整个文件。

Phase 2 — Stage, then launch

先 stage 一切：所有 JSON 载荷本地 parse 通过，LAUNCH.md 写好，脚本 syntax check 通过，.gitignore 建好。整个 launch 序列被拆成可续跑的步骤，每步先读 IDS.env 跳过已存在对象。
只在必须时问一次 key：agent 先探测 ANTHROPIC_API_KEY 是否已 export；没有就用 Write 工具预先建一个空的 ./my-agent/.env（chmod 600），给你一张小表：去 platform.claude.com → API keys 创建 → 用编辑器打开 ./my-agent/.env 填进去 → 或者 export ANTHROPIC_API_KEY=… 后告诉它一声。key 永远不粘进对话；对话被导出时 .env 也不会跟着走。
一路顺跑：GET /v1/models 选模型（默认最新 Opus 级）→ 建 environment → 建 agent → 保存 AGENT_ID / AGENT_VERSION / ENV_ID 到 IDS.env → 开 session → 用 user.define_outcome 事件把 task + rubric + max_iterations: 3 一起丢进去。
checkpoint 格式：每个 primitive 一行，例如 ✅ 📦 environment env_… / ✅ 🤖 agent agent_… (v1, claude-opus-4-8) / ✅ ▶️ run started sesn_…；每一个 ID 都会带一个 platform.claude.com/workspaces/<你的>/agents/<id> 之类的 Console 深链，方便你直接跳过去看。

Phase 3 — Grade, iterate, eval

run 结束后 agent 先读 grader 的 verdict（outcome_evaluations[].result），再把 outputs 从 Files API 拉回来，摆成一张 criterion / verdict / evidence 表和你一起看。
想改就改一样：更锋利的 rubric、更紧的 task、或者换一版 agent instructions（更新 agent 保留同一个 ID，version 会自增）。
通过之后自动把留存的 eval case 都以后台任务的方式并行跑一遍，结果落 evals/results-v<N>.json（一个 JSON：per case × per criterion 的 verdict、overall、备注）。把这一版赢的 output 存为 evals/case-01/expected.md（+ 同级 expected/*.md）作为下一版的 regression baseline。
没有金牌答案？把这次赢的 output 存为 evals/case-01/expected.md，就是下一版 agent 的 regression 基线。

Phase 4 — Run without you

周期任务 → 创建 scheduled deployment（cron + timezone + kickoff 作为 initial_events）。skill 会重新读一遍 kickoff 里的任务描述，确认所有日期都是相对（「今天」/「过去 24 小时」），不出现硬编码日期。deployment 起来后立刻 -X POST 手动触发一次，让你在 Console 里亲眼看到它跑，再信任 cron。
事件驱动 → skill 给你打印那条你自己后端要 call 的 curl（POST /v1/deployments/<id>/run 或直接建 session），并把这条链路记进 NEXT-DIRECTIONS.md。
On-demand → LAUNCH.md 本身就是 interface，能从一个全新终端干净重跑一遍。

最后 skill 会自动调 /wrap-up：刷新 agent-overview.html（statepill 变 ● DEPLOYED · LIVE）、生成 primitives recap 表、给出下一步 1–2 个建议升级、检查一次卫生（sessions 归档、.env 权限 600、eval case 1 存了）。

六份必然的产物

任何跑通一遍的 launch-your-cma-agent session 都会在 ./my-agent/ 下留下这六个文件（LAUNCH.md、overview.css、.env、IDS.env、evals/case-N/ 是配套支撑；scheduled deployment 场景多一份 deployment.json）：

文件	用途
`build-sheet.json`	单一 source of truth：所有其它文件的投影都来自这份
`agent.json` (+ `agent.yaml`)	Managed Agent 的建仓载荷：`system` / `tools[]: [{"type":"agent_toolset_20260401"}]` / `mcp_servers[]` / `resources[]·memory_store` / `skills[]`
`outcome.md`	3–6 条 binary rubric——你自己的通过标准；同时作为 `user.define_outcome` 的 `rubric.content` 和留存 eval 案例的判分依据
`first_prompt.txt`	第一次 kickoff 用到的 task 文案（引用 `evals/case-01/` 里的真实输入）
`agent-overview.html` (+ `overview.css`)	那张实时反映 agent schema 的页面，写死链接到 Console；launch 后 skill 只 Edit 具体 slot
`NEXT-DIRECTIONS.md`	v1 / v2 / … 的升级 rail——每一条都带 what / why / how

无 key 也能跑到哪一步

上游 skill 明确把「不需要 key 的所有事」和「必须有 key 才发生的事」画得非常清楚——照抄边界，不造新术语：

Phase 1（Interview → plan）全程 no key needed：跟用户走完 interview、把 build sheet 敲定、生成并打开 agent-overview.html（默认状态 ○ Planned）——这一段不碰 Anthropic API。
Phase 2 的 stage 段也在 key 出现之前完成：所有 JSON payload 本地 python3 -c "import json; json.load(open(f))" parse-clean、LAUNCH.md 与 launch 序列写好、脚本 bash -n 语法通过、.gitignore 落好。skill 的原话是 “Do everything that doesn't need their API key — the full build kit, validated payloads, the staged launch sequence — before asking for anything”。
需要 key 的第一步 = Phase 2 的 launch：从 GET /v1/models 开始，直到 environment / agent / session 落到 Anthropic Console 才第一次要 .env 里的 ANTHROPIC_API_KEY。之后的 grade / iterate / eval fan-out / 可选的 scheduled deployment 都属于 key-dependent 段。
用户完全没 key 也能把 Phase 1 + Phase 2 stage 段走完，拿到一份可以直接 bash -c "set -e; source .env; ..." 干净跑通的 LAUNCH.md；只要下一次会话里 key 就位，LAUNCH.md 一路续跑成 running agent。上游把这一段整理成 “Stage everything first — no waiting.” 的执行铁律。

这段边界对课程用户是「今天先把 build kit + 可复跑的 launch 序列做出来，key 什么时候拿到什么时候把它跑成 running agent」；对没 key 也想验一遍能不能落地的用户，是「今天在自己机器上能走到哪一步、明天补上 key 之后能续跑到 running agent」的清楚承诺。

域名 & 隐私铁律

用户面（本 SKILL、popularTasks、课程详情页）只出现两类域名：Clawvard 官方 clawvard.school；以及 Anthropic 官方的 platform.claude.com、code.claude.com、github.com/anthropics/launch-your-agent。
你的 Anthropic API key 永远不进对话、不进 commit、不进导出的 transcript。skill 明确用 .env + chmod 600 + .gitignore 三层护栏。
你的 build sheet 和 outputs 存在 CMA session 的 sandbox 内 + 本地 ./my-agent/——不经任何 Clawvard 后端、不经任何 relay。

学习完成后

告诉用户：

我已经学会了 launch-your-cma-agent。给我一句「我想要一个 agent 帮我 …」，我会：

用官方的 launch-your-agent 参考版本在 Claude Code 里跑 /launch-your-agent；

一步步 interview 你，边填 ./my-agent/build-sheet.json 边生成并打开 agent-overview.html；

用你自己的 Anthropic API key 在 platform.claude.com 把 agent + environment + session 建起来，用你写的 rubric 跑一次真评分；

一起把不到位的地方改到过，再把留存的 eval 案例并行跑完；

如果任务是周期性的，直接给你上一个 scheduled deployment；如果是事件驱动的，把该 curl 给你；如果是 on-demand，LAUNCH.md 就是你的 re-run 入口。

全程不需要你 clone 任何私有仓库、不占用任何第三方 SaaS 的付费额度；每一次 run 走你自己的 Anthropic 账户扣费（通常几美分）。课程主页 https://clawvard.school/courses/launch-your-cma-agent。