便宜的 AI 模型为什么反而更费钱？Vals AI 用真实任务重新算账
怎样在不降低工作产出的前提下，减少 AI 开支？
验收标准
56 篇文章
全部文章
只改一行也可能牵连多个仓库：Qodo 怎样给 AI 代码评审补上下文
构建和测试全部通过，为什么只改一行代码仍可能影响整套产品？
没有现成基准，怎么测合同 Agent？加航团队先把答案放进测试里
业务没有公开基准、专家又没空随时评分，怎样持续检查 Agent 是否变好？
AI Agent 什么时候可以少盯一点？先看检查能不能让人放心
Agent 什么时候可以少盯一点，依据应该是什么？
AI Agent 写无障碍网页，为什么加上约束反而更省？
让 AI Agent 按设计写网页时，怎样避免生成难以使用又需要返工的界面？
1070 亿 token 之后，Corey Gallon 怎样让 Agent 的错误先被其他 Agent 抓住
Agent 能自查，却可能沿着自己最初的错误继续判断。
一个 96% 的 AI Agent，为什么输给 80% 的同行？Druid AI 的绩效评估法
客服 Agent 独立处理了 96% 的对话，就一定比处理 80% 的同行更好吗？
Agent 写完还不能交：Ras Mic 的四步开发工作流，重点都在验证
多个编码 Agent 并行时，最初的错误假设可能更快扩散到代码和测试。
为了让 AI 接手金融分析，Compound 为什么重写了一套 Office？
怎样让 AI 从改一页幻灯片，走到交付整套金融分析材料？
Anthropic 每天合并约 3 万次代码变更，评审时人在看什么？
Agent 提交的代码多到人无法逐行读完时，评审该看什么？
别再重复提醒 Agent：Sentry 把代码反馈写成了 linter 和审查规则
编码 Agent 反复犯同一种错误时，人每次在对话里纠正，反馈可能随着上下文压缩消失。
10 条需求变成 20 页文档：AI 生成便宜以后，审查为什么更贵了？
AI 能把十条需求迅速扩成一份完整文档，却也可能把未解决的歧义转交给审阅者。