Claude Cookbooks: путеводитель по рецептам Anthropic

Claude Cookbooks (раньше — Anthropic Cookbook) — официальный репозиторий Anthropic с готовыми рецептами: ноутбуками Jupyter, где на рабочем коде показано, как решить одну задачу с Claude. Код распространяется по лицензии MIT, так что рецепты можно переводить и переиспользовать целиком. В отличие от курсов anthropics/courses, которые ведут от простого к сложному, кукбук — это справочник: открываете рецепт под свою задачу.

Эта страница — карта. Три рецепта, которые лучше всего ложатся на ступень 8 нашего курса, переведены полностью:

1. RAG: базовый, с индексом сводок и с реранкингом — с честными метриками поиска и ответа;
2. Агент поддержки клиентов с инструментами — цикл tool use в 100 строках;
3. Как строить эвалы — проверка кодом, людьми и моделью.

На чём основана страница

Карта составлена по файлу registry.yaml (каталог рецептов с названиями, путями, категориями и описаниями) и README.md репозитория на 28.09.2026 — всего 97 рецептов. Описания рецептов переведены с сокращениями; оценки важности и привязка к урокам — наши. Рецепты меняются: перед запуском сверяйтесь с репозиторием.

Для кого и как запускать

• Нужен ключ API. Почти все рецепты вызывают Claude через Anthropic SDK, ключ платный. Многие RAG-рецепты дополнительно требуют ключ Voyage AI для эмбеддингов.
• Без ключа. Код на Anthropic SDK можно направить в локальную модель через Ollama (помощник claude_local.py из «Подготовки» курса основ API). Это работает для простых рецептов с сообщениями и инструментами. Не заработают рецепты на серверных возможностях Claude: кэширование промптов, пакетная обработка (Batches), цитаты (Citations), Files API, Skills, Managed Agents, программный вызов инструментов, серверный поиск в интернете. Эмбеддинги Voyage заменяются локальной моделью (урок 8.2.1, раздел о выборе эмбеддинг-модели).
• Установка. Клонировать репозиторий целиком не обязательно: каждый ноутбук самодостаточен, данные лежат рядом с ним в папке data/. В шапке ноутбука — команды %pip install ….
• Возраст рецептов. Часть рецептов написана под Claude 3 (2024) и помечена как устаревшая (legacy), часть — свежая, под модели 2026 года. Имя модели почти везде задаётся одной переменной MODEL_NAME.

Карта рецептов

Оценка: ★★★ — пройти обязательно, ★★ — полезно, ★ — по интересу. Уроки — где тема разбирается в нашем курсе.

Возможности (capabilities): RAG, классификация, суммаризация

Рецепт	О чём	Урок	Важность
Retrieval augmented generation (перевод)	RAG по документации Claude в три уровня: базовый, индекс со сводками, реранкинг моделью; метрики precision, recall, MRR и сквозная точность	8.2.1, 8.2.2	★★★
Enhancing RAG with contextual retrieval	Перед эмбеддингом к каждому чанку добавляется контекст из всего документа; кэширование промптов делает это дешёвым. Код к статье «Contextual Retrieval»	8.2.2	★★★
Classification with Claude	Классификация страховых обращений: RAG по размеченным примерам и рассуждение по шагам, оценка через promptfoo	8.1.2	★★
Summarization with Claude	Сводки юридических документов (договоры субаренды) и их оценка: ROUGE, BLEU, LLM-судья	7.3.2	★★
Text to SQL with Claude	Вопрос на естественном языке → SQL: схема базы в промпте, RAG по примерам, рассуждение и самоисправление	8.3.2	★★
Knowledge graph construction	Граф знаний из текста: извлечение сущностей и связей, дедупликация, многошаговые запросы по графу	8.2.2 (GraphRAG)	★
Content policy enforcement	Политика модерации превращается в детерминированные JSON-правила; модель только извлекает поля, решение принимает движок правил	8.4.3	★

Инструменты (tool use)

Рецепт	О чём	Урок	Важность
Creating a customer service agent (перевод)	Бот поддержки с тремя клиентскими инструментами и циклом while stop_reason == "tool_use"	8.3.1	★★★
Using a calculator tool	Самый простой инструмент: калькулятор для арифметики	8.3.1	★★
Extracting structured JSON	Инструмент как «форма» для JSON: сводка статьи, сущности, тональность (то же, что урок 3 курса Tool use)	8.1.2	★★
Tool choice	Режимы auto, any, tool	8.3.2	★
Tool use with Pydantic	Схема инструмента из модели Pydantic и проверка аргументов	8.3.2	★★
Parallel tool calls	Несколько вызовов за один шаг через «пакетный» мета-инструмент (рецепт для Claude 3.7)	8.3.1	★
Using vision with tools	Картинка + инструмент: структурированные данные с этикетки продукта	9.1.1	★
Tool search with embeddings	Тысячи инструментов: модель получает только найденные по эмбеддингам	8.3.2	★★
Programmatic tool calling	Модель пишет код, который сам вызывает инструменты в песочнице — меньше задержка и токенов (только Claude API)	8.3.2	★
Memory & context management	Инструмент памяти и редактирование контекста для долгоживущих агентов	8.3.3	★★
Context engineering: memory, compaction, tool clearing	Сравнение стратегий управления контекстом: когда что применять и сколько стоит. Практика к статье «Effective context engineering»	8.3.3	★★
Automatic context compaction	Автоматическое сжатие истории в длинных агентных сессиях	8.3.3	★
Threat intelligence enrichment agent	Агент кибербезопасности: опрос нескольких источников, MITRE ATT&CK, структурированный отчёт	8.3.4	★

Агентные паттерны (patterns/agents)

Эти три ноутбука — код к статье «Building effective agents»: рецепты минимальные, без фреймворков, и прекрасно работают с локальной моделью.

Рецепт	О чём	Урок	Важность
Basic workflows	Цепочка промптов, параллелизация, маршрутизация — три простых паттерна, которые меняют цену или задержку на качество	8.3.1	★★★
Evaluator optimizer	Одна модель генерирует, другая оценивает и даёт обратную связь — цикл до принятия	8.3.3	★★
Orchestrator workers	Центральная модель делит задачу между исполнителями и собирает результат	8.3.3	★★
Async multi-agent orchestration	Команда агентов с обменом сообщениями и динамически порождаемые субагенты — голая механика	8.3.3	★
Using Haiku as a sub-agent	Маленькая модель извлекает данные из отчётов, большая — синтезирует	8.3.3	★

В папке patterns/agents/prompts/ лежат промпты ведущего агента, субагента и агента цитирования из исследовательской системы Anthropic — их разбирает статья «How we built our multi-agent research system».

Эвалы

Рецепт	О чём	Урок	Важность
Building evals (перевод)	Части эвала и три способа оценки: кодом, человеком, моделью	7.3.2	★★★
Generate synthetic test data	Синтетические тест-кейсы для шаблона промпта	8.4.2	★★
Tool evaluation	Параллельная оценка агентов на инструментах по файлу задач — метод из статьи «Writing effective tools for agents»	8.4.2	★★
Cost optimization	Рычаги стоимости по одному, с замером доли решённых задач и цены задачи — поиск оптимума по Парето	8.4.3	★★
Reproduce agentic search benchmarks	Своя обвязка, воспроизводящая опубликованные результаты на DeepSearchQA и BrowseComp	7.3.1	★

Ответы, кэширование, служебное (misc)

Рецепт	О чём	Урок	Важность
Prompt caching	Кэширование длинного контекста: дешевле и быстрее повторные запросы	8.4.3	★★
Speculative prompt caching	Прогрев кэша, пока пользователь печатает вопрос, — меньше время до первого токена	7.1.2	★
Batch processing	Пакетная асинхронная обработка со скидкой 50 %	8.4.3	★
JSON mode	Надёжный JSON промптингом, без ограниченной генерации	8.1.2	★★
Metaprompt	Модель пишет черновик промпта под вашу задачу — против «чистого листа»	8.4.1	★★
Citations	Ответ по документам со ссылками на точные места источника	8.2.2	★
Building a moderation filter	Фильтр модерации: правила и категории в промпте	8.4.3	★
Session memory compaction	Сжатие памяти длинного разговора в фоновом потоке с кэшированием	8.3.3	★
Sampling past max tokens	Ответ длиннее max_tokens: продолжение через prefill	8.1.1	★

Мультимодальность и размышления

Рецепт	О чём	Урок	Важность
Getting started with vision и Best practices for vision	Как передавать картинки и как писать промпты к ним	9.1.1	★★
Charts, graphs, slide decks и Transcribe documents	Графики, презентации, сканы и формы	9.1.1	★
Crop tool	Инструмент «лупа»: модель сама вырезает и увеличивает фрагмент картинки	9.1.1	★
Extended thinking и with tool use	Режим размышлений: бюджет, блоки thinking, размышления между вызовами инструментов	8.1.1	★★

Платформа Anthropic: Agent SDK, Managed Agents, Skills

Большая и быстро растущая часть репозитория — рецепты для продуктов Anthropic: Claude Agent SDK (9 ноутбуков: исследовательский агент в одну строку, «руководитель аппарата» с субагентами и хуками, агенты наблюдаемости и SRE через MCP, перенос с OpenAI Agents SDK, хостинг в Docker/Modal/Kubernetes), Claude Managed Agents (около 20 ноутбуков: агенты в облачной песочнице, бюджеты, версии промптов, координатор и специалисты, проверка результата грейдером) и Skills (3 ноутбука: готовые и свои навыки для Excel, PowerPoint, PDF). Всё это работает только с ключом Anthropic и привязано к конкретным продуктам. Для курса полезны идеи, а не код: как устроен агентный цикл в SDK (8.3.1), субагенты и память (8.3.3), «грейдер результата» как эвал (8.4.2).

Интеграции (third_party)

LlamaIndex (базовый RAG, ReAct-агент, многодокументные агенты, маршрутизация запросов), векторные базы Pinecone и MongoDB, эмбеддинги Voyage AI, распознавание речи Deepgram и ElevenLabs, Wolfram Alpha как инструмент. Пригодятся, если вы уже выбрали конкретный инструмент; для понимания идей достаточно рецептов из разделов выше.

Ключевые рецепты: что в них главное

RAG в три уровня

Рецепт строит RAG по документации Claude и честно измеряет каждое улучшение на 100 вопросах. Базовый RAG (чанки по заголовкам, эмбеддинги, косинусная близость) даёт сквозную точность 71 %. Индекс со сводками (к каждому чанку модель пишет сводку в 2–3 предложения, эмбеддинг считается по заголовку + тексту + сводке) поднимает её до 79 %. Реранкинг моделью (берём 20 кандидатов, модель выбирает 3 лучших) — до 81 %, а MRR растёт с 0,74 до 0,87. Главный урок: оценивать поиск и ответ отдельно. Полный перевод →

Агент поддержки клиентов

Три инструмента (get_customer_info, get_order_details, cancel_order), заглушки вместо базы и цикл: пока модель отвечает stop_reason == "tool_use", выполняем инструмент и возвращаем tool_result. Самая короткая полная реализация агентного цикла из урока 8.3.1. Полный перевод →

Как строить эвалы

Четыре части эвала (вход, выход, эталонный ответ, оценка) и три способа оценки: код (точное совпадение — быстро и надёжно), человек (гибко, но медленно и дорого), модель (рубрика в «промпте грейдера»). Совет авторов: лучше много вопросов попроще, чем мало идеальных. Полный перевод →

Что читать дальше

• Курс Anthropic: Tool use — пошаговое введение в инструменты, после которого рецепты читаются легко.
• Конспекты статей Anthropic Engineering: агенты и инструменты, контекст и мультиагентность, Contextual Retrieval и эвалы агентов — теория к рецептам из разделов «Агентные паттерны» и «Эвалы».
• Похожие сборники других лабораторий: OpenAI Cookbook, Hugging Face Open-Source AI Cookbook (только открытые модели), Gemini и Gemma Cookbook — см. страницу «Учимся у создателей».

Словарик

EN	RU
cookbook, recipe	сборник рецептов, рецепт
summary indexing	индекс со сводками
re-ranking	переранжирование (реранкинг)
prompt caching	кэширование промптов
orchestrator–workers	оркестратор и исполнители
evaluator–optimizer	оценщик и оптимизатор
subagent	субагент
context compaction	сжатие контекста