Claude Code 团队如何验证 AI 编写的代码
Claude Code 团队约 90% 的代码由 Claude 编写和审查,通过运行真实应用、自动检查与人工介入验证改动。文章介绍端到端测试、属性测试和差分测试,并说明团队用 verify 技能执行验证,检查失败三轮后交由人工处理,审查规则从基础分支或默认分支读取,避免改动修改自身检查。
推荐理由:Claude Code 团队把端到端验证、失败转人工和审查规则隔离纳入开发流程,将逐条检查代码转为定义完成标准与审查证据。
Claude Code 团队约 90% 的代码由 Claude 编写和审查,通过运行真实应用、自动检查与人工介入验证改动。文章介绍端到端测试、属性测试和差分测试,并说明团队用 verify 技能执行验证,检查失败三轮后交由人工处理,审查规则从基础分支或默认分支读取,避免改动修改自身检查。
推荐理由:Claude Code 团队把端到端验证、失败转人工和审查规则隔离纳入开发流程,将逐条检查代码转为定义完成标准与审查证据。
Anthropic 建议多数编码与知识工作从 Claude Opus 5.5 的 medium 思考力度开始,按任务难度选择 Sonnet 5.5、Haiku 5.5 或 Fable 5.2。指南强调按完成任务的成本选型,先提供自动验收手段,再调整思考力度或升级模型,并将易核查的辅助任务交给较小模型。切换模型还需检查提示词缓存、思考块保留和 API 参数兼容性,最终用真实任务比较质量与开支。
推荐理由:Anthropic 将 Claude 选型拆成模型、思考力度和任务完成成本,提出用自动验收与失败重跑控制开支的方法。
Anthropic 在一项小型实验中,让运行早期 Claude Fable 5.2 的 1,000 个智能体用 28.7 小时复现费马大定理的形式化证明。团队未使用 Prove2Me 或研究人员指导,但获得了 60 个待证命题、简短路线提示、相关定义及此前已证明的 47 个引理,通过 Git 和共享数据库自行协调,输出 token 用量为原工作的三分之一,证明长度为七分之一。
推荐理由:Anthropic 让千个智能体通过共享数据库与 Git 自行拆分和协调任务,将大规模协作限制在隔离沙箱与双层监控之内。
Anthropic 宣布设立 Anthropic Public Benefit Fund,拟在股东批准后投入 5% 股份;公司价值较设定基线每增长 50%,董事会可酌情追加 2% 股份。
推荐理由:Anthropic 将公益基金的持股增幅与公司价值增长挂钩,使面向公益的股权投入能够随企业成长扩大。
Claude Code 团队将大部分代码阅读交给自动审查,按风险配置人工审批,并通过分阶段发布和快速回滚控制错误。6 月至 9 月,其合并 PR 数量增长超过一倍,需要回滚的比例下降超过 40%;低风险变更可在自动检查通过后无需人工审批,中高风险变更分别需要 1 人和 2 人审批。团队将历史事故纳入每日评测,并在审查达到 3 轮后要求重新考虑方案,以减少智能体反复审查和修改。
推荐理由:Claude Code 团队将自动审查、风险分级与快速回滚串成流程,把人工审批留给高风险变更并用事故样本持续改进审查。
Anthropic 发布 2026 使用政策更新,将于 11 月 12 日生效,多数修改旨在澄清现有规则。更新整合欺骗活动禁令,取消对个性化投票及竞选定向活动的全面禁止,同时保留对欺骗、侵犯隐私和破坏选举行为的限制,并明确武器软件、监控与执法用途的禁令。
推荐理由:Anthropic 为 Claude 自主操作硬件增加人工停机与断连安全要求,将高风险使用的责任边界延伸到可能造成伤害的物理行动。
Anthropic 提供基于 Claude Managed Agents(beta)的参考实现,定时读取 Slack 和 GitHub 的变化并向 Slack 发布简报。
推荐理由:Anthropic 将定时简报实现拆成书签续读、发送确认和权限隔离规则,为后台智能体避免漏报、重复通知和越权提供可复用方法。
Anthropic 将 Project Glasswing 与 Cyber Verification Program(CVP)整合为扩展计划,提供 Defense Access。
推荐理由:Anthropic 按防御、授权红队和高风险系统测试划分网络安全访问权限,让安全团队的工作范围与审核要求、安全控制相匹配。
Claude Code 云会话指南通过四次实际运行,讲解独立 VM 中的并行编码、环境配置及云端与本地会话衔接。三个任务在 16 秒内陆续启动,全部在首个任务启动后 87 秒完成,其中缓存修复通过连续 40 次测试;独立分支不会共享修复,需要安排合并顺序。
推荐理由:Claude Code 云会话指南用并行任务实测展示按文件边界拆分工作的方法,并将验收命令与分支合并顺序纳入任务设计。
Claude Code 推出 mods,以小型 TypeScript 函数定制工具行为和界面,现已支持 CLI 与桌面应用。Mods 随插件安装和分享,可改写提示词、拦截工具调用、处理权限请求或替换内置功能,也可由 Claude Code 编写、安装并热重载。
推荐理由:Claude Code 用 mods 开放事件改写、界面定制和内置功能替换,让开发者无需等待官方更新就能调整工具行为。
Claude Code mods 入门指南从零构建约 80 行的 Token Weather 插件,在提示词上方实时显示上下文窗口用量。教程适用于 Claude Code 2.1.287 或更高版本,涵盖事件钩子、热重载、状态保存、验证测试与插件分发。
推荐理由:Claude Code 入门指南用上下文监测插件串起事件钩子、状态持久化与测试流程,将界面定制拆成可复用的开发步骤。
Claude 的 claude-api 技能新增评测设计与爬坡优化指导,可在 Claude Code 中通过 /claude-api build-eval 构建评测,通过 /claude-api hillclimb 逐步优化应用。
推荐理由:Claude 将评测设计与逐步优化组织为需人工确认的工作流,通过留出测试集和噪声检查减少过拟合与无效改动。
Claude Sonnet 5.5 已可用,官方称其较 Sonnet 5 快 30%,每 token 价格不变,多数任务成本最多降低 30%。模型原生支持 1M tokens 上下文窗口并默认开启自适应思考,指南建议将其用于需求明确、结果可检查的日常任务,将复杂且需要审慎判断的工作交给 Opus 5.5。
推荐理由:Claude Sonnet 5.5 指南列出思考模式、工具调用与响应结构的迁移调整,升级现有应用需要同步修改参数与解析逻辑。
Opus 5.5 在 Claude Code 中的任务成本由轮次、缓存读取、输出 token 和模型价格共同决定,降低消耗也可能增加重试成本。按 API 标价,同一示例会话从 Opus 5 的 $3.50 降至 Opus 5.5 的 $2.40,约降低 31%,示例不计缓存写入;典型工作负载成本降低 40% 的估计还包含默认设置下任务 token 消耗减少。
推荐理由:Claude Code 成本指南把轮次、缓存与思考输出拆开计费,并用同任务实测的方法区分单价下降与任务消耗减少。
Claude Code 的 effort 控制模型投入任务的计算量,高档位会增加自主判断、验证和边界测试,低档位适合快速交互与迭代。作者结合 Opus 5.5 实测与 Terminal-Bench 3.0 结果,建议先让模型访谈澄清需求,再低 effort 实现和迭代,最后高 effort 验证;提高 effort 通常减少遗漏边界情况导致的失败,但不能修正错误解题方向。
推荐理由:Claude Code 的实测给出先澄清需求、低 effort 实现再高 effort 验证的流程,将快速迭代与边界测试分配到不同阶段。
Claude Tag(beta)现支持在 Slack 频道请求中使用个人连接器,正在向 Team 套餐推出,Enterprise 将随后跟进。用户可逐条审核回复,或选择自动发布模式,由 Claude 将需要审核的敏感内容交给用户确认;Enterprise 管理员将能要求所有人审核。
推荐理由:Claude Tag 将个人连接器接入频道请求,并保留回复审核与共享连接器分工,让个人权限与频道可见范围分别受到控制。
Claude 官方指南介绍在 Claude 和 Claude Code 中使用 Opus 5.5 的方法,涵盖提示词、长任务控制与结果核查。建议明确完成标准,在 CLAUDE.md 中规定继续执行和停止询问的条件,用文件保存任务清单,并检查子智能体提交的证据。
推荐理由:Claude 官方指南把长任务拆成完成标准、停下条件和结果核查,用文件清单与子智能体证据检查减少过程遗漏。
Anthropic 的 Beneficial Deployments 与应用 AI 团队与 CEPI、WHO 非洲区域办事处、INRB 合作,在刚果(金)Bundibugyo 型埃博拉疫情(BDBV)响应中使用 Claude。
推荐理由:Anthropic 与 CEPI、WHO 非洲区域办事处等机构合作,用 Claude 处理刚果(金)埃博拉疫情的一线数据,原本耗时一整天的疫情简报压缩到一小时以内。
Anthropic 发布 Enterprise Frontier Safeguards(EFS),把零数据留存(ZDR)的隐私性与检测滥用的安全监控结合,数据存放在客户自控的云基础设施而非 Anthropic。
推荐理由:Anthropic 推出 EFS,把数据存放在客户自控的云基础设施,并让客户自行审查监控信号,回应受监管行业在模型滥用检测与数据留存之间的取舍。
Anthropic 宣布通过新的 Claude team plan for scientists 向全球科研人员开放 1 万个席位,标准席位免费,5 倍用量上限的高级席位为每月 15 美元,为期一年,并计划在未来数月把该计划扩展到 1 万个席位之外。
推荐理由:Anthropic 向全球科研人员开放 1 万个 Claude 席位,标准席位免费、5 倍用量高级席位每月 15 美元,为期一年,并同步扩大 AI for Science 计划的资助范围。
Anthropic 介绍 Claude 5 代模型的上下文工程方法,将 Claude Opus 5 和 Claude Fable 5 的 Claude Code 系统提示词删减超过 80%,编码评测未出现可测量的损失。
推荐理由:Anthropic 将上下文管理拆成轻量仓库说明、按需加载技能和具体参考文件,为减少重复指令与过度约束提供了可迁移方法。
IBM 的人拿 417 个 AppWorld 任务跑了一遍,发现按标价选模型会翻车。Claude Sonnet 4.6 总花费 79 美元,GPT-4.1 却花了 155 美元,贵了快一倍。原因是 agent 干活时会反复用同一大段上下文,Sonnet 的缓存读取价更低,靠这个把总账拉回来了。
推荐理由:IBM 用 417 个 AppWorld 任务实测发现,按标价选模型会误判成本,GPT-4.1 总花费 155 美元,Claude Sonnet 4.6 只需 79 美元,差距来自 agent 反复读取长上下文时的缓存定价。
Anthropic 分享了 Claude Code 内部数百个活跃技能的使用经验,归纳出九类用途及编写、分发和衡量方法。技能是包含指令、脚本与资源的文件夹,编写时应积累常见错误、按需加载参考文件、复用辅助脚本,并将描述写成触发条件。小团队可通过仓库共享技能,规模扩大后可使用内部插件市场分发,并通过 PreToolUse hook 记录使用情况、识别触发不足的技能。
推荐理由:Anthropic 将内部技能实践归纳为九类用途,并用常见错误记录、按需读取文件和脚本复用提炼出团队技能库的构建方法。
Claude Code 上周发布动态工作流,Claude 可按当前任务即时编写执行框架,并支持保存、共享和复用。工作流通过 JavaScript 中的 agent()、parallel() 和 pipeline() 协调子智能体,可选择模型和独立 worktree,中断后恢复会话可继续执行。
推荐理由:Claude Code 用独立上下文的子智能体拆分执行与对抗验证,为复杂任务减少自我偏好和目标漂移提供了具体编排方法。
Claude Code 团队成员 Thariq Shihipar 分享用 HTML 替代 Markdown 生成复杂输出的方法,以改善阅读、可视化、分享和交互体验。
推荐理由:Claude Code 团队成员用 HTML 生成可交互文档,并将界面调整导出为提示词,让人工修改接回智能体工作流程。
许晓斌在内部访谈里给了几个数:工程师重度用 AI 后,写代码占工作时间从 30% 掉到 5%,跟 Agent 对话的时间从 5% 涨到 60%,端到端交付效率提升 2 到 3 倍,纯编码效率提升 10 倍。这些数字来自内部访谈,不是大规模统计,样本量和统计口径正文没披露,所以我会先打个折看。
推荐理由:阿里许晓斌在内部访谈中给出工程师用 AI 后的时间分配变化,写代码占比从 30% 降至 5%、与 Agent 对话升至 60%,并提到端到端交付效率提升 2 到 3 倍。
Claude Code 团队分享提示词缓存的工程经验,通过保持请求前缀稳定来降低长会话智能体的延迟与成本。具体做法包括静态内容前置、通过消息更新状态、避免会话中切换模型或增删工具,以及用 defer_loading 延迟加载工具。上下文压缩时复用原会话的系统提示词、工具定义和历史消息,再追加压缩请求以命中缓存;团队也监控缓存命中率,并将异常下降视为事故。
推荐理由:Claude Code 团队把缓存前缀稳定性落实到提示词排序、工具加载和上下文压缩,为长会话智能体提供可迁移的缓存优化方法。
Claude 上线了 Blender 连接器,你可以在对话里让它帮你排查场景问题、写新工具,或者批量修改所有物体。正文没提这个功能是免费还是付费、支持哪些版本,也没说清楚 Claude 在 Blender 里的操作权限边界——它能改到什么程度、会不会误删东西,这些都得等实测才知道。
推荐理由:Claude 上线 Blender 连接器,可在对话中排查场景问题、编写工具或批量修改物体,让读者了解 AI 助手接入专业 3D 软件后能承担哪些具体操作。
Anthropic 发了个新研究叫 Project Deal。他们在旧金山办公室搭了个内部交易市场,让 Claude 替同事买东西、卖东西、谈价格。正文没披露用了哪个模型版本、市场有多大、成交了多少单,也没说最后是赚了还是亏了。这点先别太激动,目前看更像一个内部行为实验,不是产品发布。
推荐理由:Anthropic 在旧金山办公室搭建内部交易市场,让 Claude 替同事完成买卖和议价,可观察模型在真实人际交易场景中的表现。
Claude 官方发了一条产品更新,说现在能连接更多非工作类 App,列了 TripAdvisor、Booking.com、Resy、Instacart、Spotify、Audible、AllTrails、Thumbtack、TurboTax 等至少 10 个。正文没披露具体怎么连、能执行哪些操作、支持哪些地区、权限范围多大、什么时候推完。
推荐理由:Anthropic 为 Claude 新增 TripAdvisor、Booking、Resy 等十来个生活类 App 连接,助手从办公场景延伸到订餐、旅行、购物等日常事务。
DeepSeek API 已支持 V4-Pro 与 V4-Flash,兼容 OpenAI ChatCompletions 接口与 Anthropic 接口。访问新模型时 base_url 不变,model 参数需改为 deepseek-v4-pro 或 deepseek-v4-flash。
推荐理由:DeepSeek 在保持 API 地址不变的同时更换模型参数,并明确旧模型名的停用期限,迁移涉及调用配置调整。
Anthropic 给 Claude Cowork 加上了交互式图表和示意图功能,目前是 beta 版,所有付费套餐都能用。正文只说了这两点,没提支持哪些图表格式、怎么编辑、什么时候全量放开,也没说权限上有没有限制。
推荐理由:Anthropic 为 Claude Cowork 加入交互式图表与示意图功能,beta 阶段覆盖全部付费套餐,协作对话中直接生成可视化内容成为可能。
Anthropic 宣布加深与亚马逊的合作,为训练和部署 Claude 锁定了最高 5 吉瓦的算力。这批算力从这个季度开始陆续到位,到 2026 年底预计先上线近 1 吉瓦。5 吉瓦是个什么概念?大概相当于几个大型数据中心的满负荷运转,说明他们接下来要把模型规模或服务量再往上拉一个台阶。
推荐理由:Anthropic 与亚马逊扩大合作,为训练和部署 Claude 锁定最高 5 吉瓦算力,其中近 1 吉瓦预计 2026 年底前上线,这条交代了其算力储备的推进节奏。
Claude Design 是 Anthropic 实验室放出的研究预览功能,Pro、Max、Team 和 Enterprise 用户今天开始陆续能用。它跑在 Claude Opus 4.7 上,官方说这是他们目前最强的视觉模型。用法很简单:你跟 Claude 聊需求,它直接出原型、幻灯片或单页文档。正文没提价格、输出限制和详细推送时间表。
推荐理由:Anthropic 实验室面向 Pro、Max、Team 和 Enterprise 用户放出 Claude Design 研究预览,对话即可生成原型、幻灯片和单页文档,由 Opus 4.7 驱动。
Anthropic 在 X 上说,他们参与的一项关于“潜意识学习”的研究今天发在 Nature 上了。核心结论是,大模型能通过训练数据中藏着的信号,把偏好、不对齐这类“特质”传下去。帖子只给了一句话和论文链接,没提实验用了什么规模的模型、具体怎么设计的、效果有多强。对从业者来说,关键的可复现细节正文都没披露,这点先别太激动。
推荐理由:Anthropic 参与的研究登上 Nature,指出大模型能通过训练数据中的隐藏信号传递偏好或不对齐特质,把对齐风险的关注点从显式指令扩展到数据本身。
Anthropic 的研究员搞了个实验,让 Claude Opus 4.6 去加速解决一个核心对齐难题:怎么用弱 AI 模型来监督训练更强的模型。这相当于让一个水平一般的老师去教一个更聪明的学生,看能不能教好。正文没披露实验的具体设置、对比基准、评估指标和结果,所以效果到底怎么样还不清楚。
推荐理由:Anthropic 研究员让 Claude Opus 4.6 加速解决弱模型监督强模型的对齐难题,实验设置与结果尚未披露,这一研究方向本身值得了解。
Anthropic 给 Claude Code 桌面版换了新界面,现在你可以在一个窗口里并排跑多个 Claude 会话,左边多了个侧边栏来管理这些会话。对写代码的人来说,这主要解决的是来回切窗口的打断问题——比如一边让 Claude 改后端,另一边让它写前端,不用再开好几个终端或 IDE 面板。
推荐理由:Anthropic 为 Claude Code 桌面版加入多会话并排与侧边栏管理,针对的是编码时反复切换窗口打断思路的问题。
Anthropic 给 Claude Code 加了一个叫 routines 的研究预览功能。你可以一次性配好提示词、代码仓库和要对接的工具,然后让它按时间表、API 调用或事件触发自动执行。这些任务跑在 Anthropic 自己的服务器上,所以你的笔记本不用一直开着。正文没提怎么收费、有没有次数限制,也没说这个功能会推给哪些用户。
推荐理由:Anthropic 为 Claude Code 加入 routines 研究预览,可预设提示词、仓库与工具,按时间表或事件触发在云端自动执行,无需本地常开。
Anthropic 的长期利益信托基金任命了 Vas Narasimhan 进董事会。他之前在诺华当 CEO,有二十多年医药和全球健康领域的经验。公告没说他具体管什么、任期多长、什么时候生效,只提了背景。这步棋的信号是 Anthropic 通过信托机制调整董事会结构,这次拉进来一个制药和公共卫生背景的人。
推荐理由:Anthropic 的长期利益信托基金任命前诺华 CEO Vas Narasimhan 进入董事会,其二十多年医药与全球健康背景为观察 AI 公司董事会构成提供了一个少见样本。
Anthropic 把 Claude 塞进了 Word,目前是测试版。你在文档侧边栏就能让它帮你起草、编辑和修改内容,Claude 会保留原有格式,改动以修订模式显示,方便你逐条确认。这个功能只开放给 Team 和 Enterprise 用户,正文没提价格、支持地区,也没说什么时候正式上线。
推荐理由:Anthropic 将 Claude 接入 Word 侧边栏,支持起草和修改内容,改动以修订模式呈现,方便逐条确认,适合关注 AI 写作工具与文档协作方式的人了解。