Claude Code 新增 plugin eval:可对照测试用例量化插件真实价值
devdigest · x · 2026-09-12
Claude Code 官方推出 claude plugin eval 新功能:为插件或 skill 创建测试用例、跑分评分,再关闭插件重跑同一批用例对比差异,直观看出插件到底带来了多少增益、还是需要返工。
作者(团队成员)强调这关乎插件/skill 生态的可维护性,尤其对大规模软件工程场景重要。这套「开/关插件 A/B 对比评测」思路也可直接借鉴到自建 agent 工具链的质量评估。
所属事件:Claude Code 推出 plugin eval 量化插件价值(10 条相关)→
「编程与Agent」频道最新
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28
- 「钢琴测试」思想实验：你敢坐在形式化验证过的代码下吗 — moyix · 2026-10-28