Anthropic 花 300 万美元做了 30 个月真实企业 Agent 评估
2C_ornot2C · x · 2026-07-25
- Anthropic 据称花了 300 万美元、用 30 个月时间，在真实公司里的真实任务上评估 AI agent，覆盖 1287 个任务、240 万行代码。
- 这条转述强调的结论是：真正拉开差距的不是“会不会提词”，而是系统设计、记忆机制和多轮循环。
- 配图里的文章主张用 Loop Engineering 做评测：先聚类 traces，再自己做标注工具，让 AI 实时监控标注过程，动态调整抽样和接受/拒绝策略。
- 另一张论文图则展示了面向 agent 工作流的 graph engineering 评估，强调在生产级任务上能带来明显的效率和质量收益。
「编程与Agent」频道最新
- LangChain 联手 Tavily 11月12日办纽约活动，演示生产级 Agent 实时检索 — LangChain · 2026-10-26
- 极客魔改电子墨水平板，让 Opus 帮忙画画还做动画 — Stefania_druga · 2026-10-26
- Godot 游戏极易被反编译,开发者建议 C# 编译原生 DLL 防护 — mflux · 2026-10-26
- Techhalla 公开 3D 参考工作流：2D 设计到 Kling 4.0 精细动画全流程 — techhalla · 2026-10-26
- Jason Furman 测算：无 AI 造 Econvitals 需 50 人三年烧 2000 万美元 — HarrySurden · 2026-10-26
- 骑车台上边骑边口述，4 小时全程用 Claude Code 干活 — jacob_posel · 2026-10-26