Addy Osmani 谈 Agent 时代代码审查的重构：从逐行阅读转向验证系统

邵猛针对 LangChain 团队发布的 Agent Evals 常见问题解答，整理成一份便于随时查看的 Cheatsheet。内容涵盖从真实 trace 起步建立 10–20 条数据集、离线与在线两道评估闸门、代码优先于 LLM 裁判的评估器优先级、小模型裁判将成本降至 $0.34 vs Claude Sonnet 4.6 的 $28.17，以及基于 Harbor 的容器化 benchmark 与多轮对话、轨迹与终态评估等进阶问题。

Anthropic 宣布在新加坡开设办公室，这是其在亚太地区的第五个办公室，并已与新加坡政府签署关于 AI 安全和负责任应用的谅解备忘录。详情见官方公告 https://www.anthropic.com/news/singapore-office-opening。作者对此调侃称中国的青年才俊又多了一家润的目标公司。

Anthropic 工程团队用 5 个月把内部 monorepo 从 Git 迁移到自研版本控制系统 Scion，并配套代码审查工具 Antique 等系统。Claude 驱动的编码让合并量从 5 月约 2500 次/天涨到 9 月 30000+ 次/天，主分支历史约 100 GB、CI 每天约 2500 万次 checkout，倒逼重新设计。

Claude Code 的空闲压缩会让 Claude 从摘要而非完整上下文继续。作者说明可在 settings. 中设置 "idleCompaction": false 关闭，并通过 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS 自定义阈值，默认为 200k。

Anthropic 发布工程复盘，因 Claude 使日均合并代码量从 2026 年 5 月约 2,500 增至 9 月超 30,000，五个月内自研版本控制系统 Scion 并完全替代 git，同时推出代码评审工具 Antique。

Lydia Hallie 介绍 API 计费用户可将 Haiku 5.5 的 autocompact 窗口设为 100K，以保持在更便宜的 token 定价档。该设置按模型保存，仅适用于 Haiku 包括 subagents，命令为 /model haiku 和 /autocompact 100k。引用的 @ClaudeDevs 价格信息显示，100K tokens 以下为每百万 $0.10/$0.50（缓存读取 $0.01），以上为 $0.50/$2.50（缓存读取 $0…

Baseten 工程师参考 MetaInfer 论文，让 Claude Code（Fable 5）为 Qwen-3.6-35B-A3B（NVFP4，单张 B200）自动构建推理引擎 VibeQwen，单流解码比 vLLM 0.25.1 快 90%，首 token 从 28ms 降至 12ms，并发 32 时吞吐高 71%。

VC Tomer Tunguz 分析认为 2026 年 AI 竞争重心从技术创新转向商业模式创新。Anthropic 于 2026 年 3 月推出企业按量计费后单季收入翻倍至 65b 美元 run rate；约三个月后 OpenAI 将其最便宜模型 Luna 降价 80%，run rate 接近 70b 美元。

Anthropic 在 claude-api skill 中新增 /claude-api build-eval 和 /claude-api hillclimb 两个命令，前者在代码库内通过访谈式流程构建评测集并验证 grader，后者以一次一改动、train/test 分离并检测过拟合的方式迭代优化应用。

Opus 5.5 每输入和输出 token 比 Opus 5 便宜 20%，缓存读取便宜 60%。作者据此计算了在 Claude Code 中完成一个任务的实际成本变化，并发布了计算器，读者可从 /usage 运行自己的测算，详见 https://claude.dev/blog/what-a-task-costs-on-opus-5-5/。