Stripe 首席设计官 Katie Dill 谈如何用 AI 规模化扩展意图、品质与艺术性

作者解读 Anthropic 关于 Claude Code 代码评审重构的博客：Claude 写了约 90% 的代码，2026 年 6 月到 9 月合并 PR 翻倍以上而 revert 率下降超 40%。

邵猛转发 LangChain 团队 Divya Santhanam 以 Q&A 形式发布的 Agent Evals 实践指南（https://www.langchain.com/blog/common-questions-about-agent-evals）。

Matt Pocock 提议为 /grill-me Skill 增加 GRILL.md 配置文件，用于定制拷问式提问的行为。它支持用配置组合取代命令变体，如在 GRILL.md 中写"调用 domain-modeling Skill"即可替代 /grill-with-docs；还能定制规划阶段关注的侧重点（如安全、模块划分策略），以及选择逐条提问还是一次性列出全部问题。

Claude 工程负责人 Felix Rieseberg 发布教程，认为 AI 能力已跑在人的想象力前面，瓶颈是人不敢要。他把更有雄心拆解为高度、深度、广度三类：追问目标背后的目标、逼模型用顶级专业工具并以外部裁判验证、把名词还原成动词以调动更多领域，并强调需给模型电脑、装软件能力和数据访问权（如 MCP）作为前提。

@HamelHusain 将其 Applied AI Evals 课程的要点浓缩成 13 张信息卡，链接见 https://hamel.dev/notes/llm/evals/flashcards/。

Meta 工程团队详解如何把 AI 智能体作为开发流程参与者来构建独立 Groups 应用 Forum，采用 human-on-the-loop 模式并以验证通过的生产级产出衡量成功。Forum 在八周内达到与 Facebook Groups 的核心功能对齐，自主压测循环在开发期发现并修复了内存问题，内存占用和缺页约减半，上线后智能体还协助根因分析用户反馈。

Anthropic 团队介绍 Claude Code 的代码审查流程，机器承担大部分阅读，人类注意力集中在高风险决策。6 月至 9 月合并 PR 翻倍以上，回退率下降超过 40%；monorepo 每日变更量从 5 月约 2,500 增至 9 月超过 30,000。

Google Developers Blog 发布智能体评测实践指南，指出仅靠终端跑几个提示词的 vibe check 无法发现智能体重试循环、工具参数幻觉等隐性失败。

LangChain 发布博客，介绍其开源 Agent 框架 Deep Agents 如何用 middleware 做上下文工程，应对长任务中的 context rot。

Databricks 演示通过系统性性能优化，将 Qwen 3.8 27B 在 AI Runtime 上的微调时间从 7 小时 44 分钟降至 1 小时 17 分钟，提速 6 倍。