推荐理由:Anthropic 开发者关系负责人复盘 Claude Code 旧实践为何失效,并给出权限、沙箱与核验点的分层做法。
搜索“Anthropic”
meng shao@shao__meng精选AI 评分6767
The DecoderAI 评分5858 Anthropic 称旧提示词习惯拖慢 Claude Opus 5.5
Anthropic 表示,使用 Claude Opus 5.5 的用户应先放弃从旧模型沿用下来的若干提示词习惯,例如在提示词中写“think hard”或“think carefully”。

Simon WillisonAI 评分3636 Anthropic 文档:如何提示 Claude Fable 5.2 处理代码归属
Anthropic 文档披露 Claude Fable 5.2 对提示词中代码归属表述高度敏感:未说明归属或把代码库说成他人的,模型倾向沿用现有结构,即使重复代码也照加。若提示词写明"这个代码库是你的",模型在小型编码任务中约一半尝试会合并重复代码,不加这句时不足十分之一。
宝玉的博客精选AI 评分7474 Anthropic 博客:高效电商 AI 智能体的架构、延迟成本优化与评估实践
Anthropic 在 Claude 博客中总结其与零售、电商平台、旅游、娱乐和电信客户合作构建电商 AI 智能体的经验,给出架构设计、延迟与成本优化、生产环境运行三部分指南。

推荐理由:Anthropic 基于企业部署经验,拆解电商智能体的架构、延迟成本优化与生产评估方法。
meng shao@shao__meng精选AI 评分7272推荐理由:文章把始终在线 Agent 拆成收件箱、计时器、记忆、权限、发件箱五类组件,并说明各自职责边界。
宝玉@dotey精选AI 评分7171
推荐理由:Anthropic 内部把代码审查交给 AI 出证据的做法,给想提高合并速度的团队一份可对照的流程参考。
开源中国AI 评分6060 Anthropic 称 Claude Mythos Preview 约三天完成模型上 AMD GPU 的软件工作
Anthropic 在 IPO 路演幻灯片中称,把自家模型跑上 AMD GPU 所需的软件工作由 Claude Mythos Preview 约三天完成,几乎无需人工介入,而过去这类工作要花 6 到 12 个月。该时间只覆盖让某一个 Anthropic 模型在 AMD MI355X 上达到可用性能水平这一范围。
新智元AI 评分7171 Claude Code 披露六层代码审查流程:九成代码由 AI 编写后如何把关
新智元报道,Claude Code 团队公开了内部代码审查流程:约 90% 的自身代码由 Claude 编写,6 月到 9 月合并进代码库的 PR 数量翻了一倍多,而需要回滚的 PR 占比相对下降超过 40%。
meng shao@shao__mengAI 评分7070Claude Code 团队在 10 月发布的内部实践分享中介绍了其分层代码审查流程,从 6 月到 9 月合入的 pull request 翻了一倍以上,需要回滚的比例下降超过 40%。
Latent SpaceAI 评分6262 Claude Mods:把 Claude Code 的 harness 翻转成面向人的注意力接口
作者 Dan McAteer 介绍了 Claude Mods,即运行在 Claude Code 内的 TypeScript/JavaScript 插件,可响应提示词、工具调用和界面渲染事件,改变 CLI 与桌面端的执行和渲染行为。

雷锋网AI 评分6060 实测 GPT 6.1 Sol 与 Claude Sonnet 5.5:三项任务账单相差约 3.5 倍
雷峰网用 Claude Code CLI 经 OpenRouter 调用 GPT 6.1 Sol 和 Claude Sonnet 5.5,完成 3D 密室开发、政策调查和诺奖化学科普三项任务。

AWS Machine Learning BlogAI 评分4848 在 Amazon Bedrock AgentCore 上以安全控制将 Claude Code 扩展至远程会话
AWS 展示如何把 Claude Code 作为远程智能体运行在 Amazon Bedrock AgentCore 上,每个任务在独立 AgentCore runtime 会话的 microVM 中执行,最终返回 GitHub pull request 供审阅合并。

AWS Machine Learning BlogAI 评分3434 用 AtScale 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
AWS 博客演示用 AtScale 作为语义层、配合 Amazon Bedrock AgentCore 托管 Strands 智能体,构建 Customer 360 分析模式。

AWS Machine Learning BlogAI 评分3232 Stretto 利用 Amazon Nova 2 Sonic 构建 AI 语音代理 Tara
Stretto 基于 Amazon Nova 2 Sonic 构建 AI 语音代理 Tara,用于自动化破产咨询。该模型通过 Amazon Bedrock 提供原生语音到语音处理,实现低延迟和自然中断处理。相比旧方案,Stretto 报告每分钟语音成本降低 95%。

meng shao@shao__meng精选AI 评分6767
引用ClaudeDevs@ClaudeDevsClaude writes better code when it can verify its work. Checks that used to be expensive, like tests, benchmarks, and end-to-end runs, are now cheap. Here’s how the Claude Code team thinks about verification: https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/
推荐理由:原文拆解了 Claude Code 团队验证循环的具体机制,包括 verify Skill、39 项清单和审查规则隔离,可供搭建 Agent 工作流时参考。
meng shao@shao__meng精选AI 评分6565
引用Addy Osmani@addyosmanihttps://x.com/i/article/2114435487905808384
推荐理由:原文完整拆解了 Anthropic 团队在 Claude 写九成代码后如何用六层检查与回滚替代逐行人工审阅。
宝玉@dotey精选AI 评分6060
引用宝玉@doteyAnthropic 的 Addy Osmani:一天合并三万次代码变更,人看的是 AI 交上来的证据 Anthropic 今年 5 月每天往代码库里合并大约 2500 次代码变更,到 9 月已经超过 3 万次,涨了十几倍。这么多改动,显然不可能每一行都有人看过。那他们凭什么敢合并? 负责 Claude Code 开发者体验的 Addy Osmani 在这场对谈里讲了他们的做法:每个改动先由 Claude 像真实用户一样实际用一遍、审一遍,发现问题自动修;人不再逐行读代码,而是去看 AI 交上来的证据,比如它在浏览器里点来点去的录屏、在手机和电脑上的截图。 在他看来,写代码已经不是难点,接下来能不能再快一截,取决于能不能把“验证”做扎实。给 AI 一个检查自己做得对不对的办法,产出的质量能好两到三倍。如果你也在用 AI 写代码,又拿不准哪些改动敢直接合并,这期给了一份大公司内部的参考答案。 这是 AI Engineer 大会上一场 18 分钟的台上对谈。Addy Osmani 在 Google 工作了大约 14 年,长期负责 Chrome 的开发者体验,写过大量面向开发者的文章,今年 9 月加入 Anthropic。提问的 Manish Kapur 在 Sonar 负责产品和开发者关系,Sonar 是做代码质量和安全检查工具的公司,旗下的 SonarQube 用来自动扫描代码里的漏洞和问题。 【Anthropic 的做法:Claude 先审一遍,人看证据】 Manish 提到,他前一晚刚读了 Anthropic 发的一篇文章,里面说 Anthropic 现在每天合并约 3 万次代码变更。Addy 补充了两个数字:5 月的时候每天大约 2500 次;最近 http://Claude.ai 网页版重做,性能提到了原来的三倍左右,这次重做在很短时间里合并了大约 3000 个 PR(代码合并请求),参与的不只有工程师,还有产品设计师和其他岗位的人。 他说他们的审查流程分几步。第一步是让 Claude 先审一遍,关键在于要让它能像真实用户一样把功能实际用一遍:跑端到端测试(从头到尾模拟用户操作的自动化测试),在浏览器里打开页面检查,运行各种工具和代码规范检查,凡是能建立信心的检查都做。 发现 bug 或者功能缺口怎么办?他们设置了 Hook(一种在特定时机自动触发的脚本),每次代码有改动就自动运行,检查这次改了什么,这样 PR 里的问题能尽快被改掉。Anthropic 还有一个代码审查产品,他们自己也在用。整体思路是尽可能把代码审查自动化。 第二步是把团队的“品味”写下来。Addy 说现在大家常讲品味和判断力,团队应该把自己认为的最佳实践和品味写进共享的 CLAUDE.md、AGENTS.md 这类文件(放在项目里、专门写给 AI 看的说明文档),AI 审代码时会去参考。 第三步才轮到人,人负责检查 AI 给出的证据。他举的例子是:做一个用户在浏览器里用的界面,就要确认它在浏览器里测过,最好让 AI 生成一段它点来点去的录屏,看完你就有信心说“这个能用”;在意手机或桌面端的体验,就让它给出这些设备上的截图或录屏。他说目标是让 AI 尽可能多地提供验证证据。 【瓶颈从写代码转到了验证】 Manish 给了几组数字说明问题。持续集成服务 CircleCI(代码提交后自动构建、测试的云服务)今年分析了 2800 万次自动化流程,发现代码产出量涨了 59%,但每 10 次往生产环境合并的尝试里有 3 次失败。Sonar 即将发布的一份调查里,76% 用 AI 生成代码的开发者说,代码产出的速度快到他们根本来不及验证。 Addy 说,现在技术负责人最关心的是怎么在保证有信心的前提下更快上线。过去我们说一段代码质量高,依据是好的测试、性能基准、需求规格,这些能给人信心的东西现在都可以让 AI 便宜又快地生成出来,人再去修改完善。他认为工程师现在最该花时间的就是这些检查。 至于下一步的提升从哪来,他说模型质量已经相当不错了,他举了 Opus 5.5 为例。更大的空间在验证,而且要讲具体。你跟人说“验证一下”,对方下一个问题就是“验证到底指什么”。所以讨论应该落到哪些测试真正有用上。Anthropic 用得最多的是三类:端到端测试;属性测试,也就是不写一个个具体例子,而是写一条规则(比如“排序后列表长度不变”),让程序自动生成大量随机输入去验证;还有视觉验证测试,通过截图对比检查界面有没有变样。目标是有足够的信心让这些改动自动合并。 Manish 从 Sonar 的角度补充了一个“多层验证”的框架,主张零信任,在每个环节都验证。第一层是规则固定的自动扫描,查 SQL 注入这类安全漏洞和常见 bug;第二层是 AI 审查,查规则扫不出来的逻辑问题,以及代码是否符合本来的意图;第三层是软件供应链检查,看项目依赖的第三方代码包里有没有已知漏洞或恶意代码。每一层专门抓一类问题。 【从“亮灯工厂”到“熄灯工厂”,自主权要一步步挣】 对谈的标题里有个说法叫“软件工厂”,来自 Addy 今年写的一篇文章,他的定义是“把循环规模化”:让 AI 一遍又一遍地规划、编写、检查、上线代码。他把软件工厂分成两种。亮灯工厂里,AI 承担这些步骤,但人还在里面,用自己的判断和品味把关。熄灯工厂更像全自动的汽车厂,机器人一直在干活,人退到更上游,只负责定方向,只有遇到最特殊的例外情况才被叫进来。 他说大多数团队处在两者之间,都在摸索怎么在信得过的前提下一步步提高自动化程度。AI 能给出的验证越多、越让人有信心,就越能往熄灯的方向走。Sonar 的调查显示,目前只有 5% 的公司在用软件工厂,预计会涨到 34%,金融行业是 39%。被问到 2027 年底大多数团队会是哪种工厂,Addy 的判断是:亮灯工厂为主,带着一些熄灯的角落。 自动化程度高了,管控就成了企业的难题。Addy 说,几个月前他接触过的很多公司都在担心同一件事:放手让工程团队用 AI 智能体,结果冒出了几百甚至几千个智能体,谁也不知道它们在干什么,它们访问各种系统和数据,可能还在往生产环境部署。他总结企业最关心三件事:怎么控制、怎么分配权限、怎么用沙箱(隔离的运行环境)保证智能体不越界。 AI 写的代码要不要在 PR 里标出来?Addy 认为应该。过去工程师对自己写的代码有很强的归属感,在 Anthropic 大家没那么在意 Claude 被署名为作者,更看重给用户交付的东西对不对。标出来还有一个用处:知道是 AI 写的,就能决定要加哪些额外的约束和检查。Manish 也同意,他认为至少未来半年到九个月里应该标注,对金融客户来说还关系到审计。两人都强调责任归属不变。Addy 说,就算这次是我让 Claude 去干的活,出了问题还是我负责,还得我去修。 那 AI 开的 PR 什么时候能放心合并?Addy 的回答是:你有充分的信心不会出问题,或者已经尽可能把风险降下来的时候。 快问快答里,Addy 还给了两条建议。对技术负责人,要推着团队想清楚“验证”具体指什么,现在的测试做到了哪一步,离“AI 自己判断代码可以合并、你也放心”还差什么。对刚入行的开发者,多积累各种测试的经验,端到端测试、属性测试都要会。 【不逐行看代码,和不验证是两回事】 Anthropic 一天三万次合并,人显然也没有逐行看,但按 Addy 的说法,每次合并之前 AI 都得先把功能实际跑一遍,再把证据交给人看。省掉的是读代码的时间,验证一步都没少。 他们能这样做是有前提的。 一是模型,Addy 自己提到 Opus 5.5 这一代已经够好,我也是用上 Fable 和 Opus 5.5 之后才放心不怎么 Review。 二是验证的基础设施:端到端测试、自动录屏、每次改动都触发的检查,这些都得先搭好。 为了扛住这个量,据 Anthropic 10 月发的工程博客,他们连 Git 都换成了自己开发的版本管理系统。这样的投入,大多数团队一时做不到。 所以我的建议是,想少看代码,别先急着把 Review 关掉,先补上 Addy 说的那一步:让 AI 交活的时候附上证据。如果不知道从哪里下手的话,可以从最容易出问题的界面开始,要求它在浏览器里实际操作一遍,给你截图或录屏。证据还是要你自己看,只是看录屏比读几百行代码快得多。 另外,Manish 讲的三层验证框架可以参考,不过 Sonar 本身就是卖代码检查工具的,听这部分时心里有个数就行。 视频来源:https://www.youtube.com/watch?v=AnsXWH2_EBU
推荐理由:作者把要求人工提交截图的做法迁移到 AI 智能体任务上,给出一个低成本的验证思路。
宝玉的博客精选AI 评分6060 Warp 如何让 Agent 自我进化:用人类反馈改进代码审查 Skill
宝玉解读 Claude 博文《How Warp builds self-improving agents on Claude》中 Warp 的做法:一个基础 Skill 负责代码审查,另一个改进 Skill 定期收集工程师在 PR 中对 Agent 审查结果的评论,据此更新审查 Skill,人只需照常写评论。

推荐理由:Warp 用人类 PR 评论驱动 Skill 迭代的做法,给出了让 Agent 记住团队规范的一套可迁移机制。
新智元AI 评分6666 Karpathy 让 Claude 两小时做出纯净版 YouTube 站点 HackerTube
Karpathy 用 Claude 在两小时内做出名为 HackerTube 的视频站点,视频仍来自 YouTube,推荐线索取自 Hacker News 网友推荐过的视频。
meng shao@shao__mengAI 评分6060
引用Addy Osmani@addyosmanihttps://x.com/i/article/2115682550723313664
开源中国AI 评分5858 Claude Code 团队谈如何让 agent 验证自己的工作
Claude Code 团队公开称其约 90% 的代码由 Claude 编写和评审,团队工程师 Addy Osmani 在 claude.dev 撰文介绍这一规模下如何让 agent 验证自己的工作。文章的核心判断是:没有验证回路时最多同时跑一两个 Claude,需要逐个盯着;有了验证回路则可以同时跑几十上百个。
Alex Albert@alexalbert__AI 评分5858引用Claude@claudeaiIntroducing Claude Fable 5.2 and Claude Mythos 5.2, designed to tackle the most daunting technical challenges. They’re capable collaborators on ambitious projects in many fields, and show improvements in areas like coding, reasoning, and vision.
Ahead of AIAI 评分5858 Claude 如何为 AI 生成文本加水印
Sebastian Raschka 用 52 页讲义和 48 分钟视频讲解 Claude 文本水印的实现方式:水印作用在采样阶段而非模型内部,通过密钥与上文推导随机种子,使部分位置的 token 选择变得确定,因此无需重新训练模型。

宝玉@doteyAI 评分4848引用Lydia Hallie ✨@lydiahallieJust to avoid some confusion: auto-compact does summarize. When it runs, your whole conversation is replaced by a short summary. It doesn't keep the last 1M tokens around. The ~967K is only when it runs on 1M models. Compacting itself is just one request that reads about as many tokens as the message you sent right before it, and it's mostly cache reads if your cache is still warm. What @rohit3a found is that waiting until 967K means every message before that point uses a lot of tokens, because each one includes your whole conversation so far. Most of it is read from the cache, which is much cheaper (so this is usually fine as long as your cache is warm), but it still counts toward your usage and adds up as your conversation grows. /autocompact 400k makes it summarize at 400K instead, so your messages never get that big.
Simon WillisonAI 评分3838 用 Claude 定位神秘蜂鸣声:Beep Locator 如何把误差缩到 40cm
Simon Willison 用 Claude Code 构建了 Beep Locator,通过多台设备三角定位房间里的神秘蜂鸣声,最终把声源位置锁定在约 40cm 范围内,找到一台电量耗尽的旧一氧化碳探测器。

Simon WillisonAI 评分3838 Claude Opus 5.5 用 Sobel 边缘检测实现照片快速绘画效果
Claude Opus 5.5 High 按提示词构建了一个 artifact:打开照片后,几秒内用 canvas 元素和模拟画笔把照片"画"出来。该实验使用 Sobel 边缘检测,除 Google Fonts 外不依赖任何外部库。

Riley Goodside@goodsideAI 评分3232“想象有一部关于你的非常棒的电影。用虚构的名字,以你喜欢的任何风格,为这部电影制作片头动画。将序列以 mp4 格式返回。” Claude Opus 5.5 (Extra)

swyx@swyxAI 评分2222
引用Dan McAteer@daniel_mac8There's not enough buzz around Claude Mods. Read this Claude Mods article if you want to: - Understand Claude Mods basics - Install and use the most useful mods today - Ponder where the agent-human interface will go For @latentspacepod.
Latent SpaceAI 评分4848 对抗 AI Slop 的新武器:形式化验证与 Lean 框架
&Truth、Axiom Math 等公司利用 Lean 框架结合 AI 进行形式化验证,以数学证明确保软件正确性。该技术在 Amazon Kiro 及 Anthropic 的 Fermat 最后定理项目中已有应用,并致力于解决 C 语言内存安全等关键问题。

AWS Machine Learning BlogAI 评分3838 LoanPro 基于 Amazon Bedrock AgentCore 构建 AI 贷款服务助手
LoanPro 联合 AWS 利用 Amazon Bedrock AgentCore 构建了多智能体 AI 贷款服务助手,底层调用 Anthropic Claude Sonnet 5.5、Haiku 5.5 和 Opus 5.5。该方案通过 Strands Agents SDK 编排专用智能体并自动合成借款人上下文及行动建议。早期数据显示客户通话时长缩短高达 15%。

AWS Machine Learning BlogAI 评分3838 Novo Nordisk 利用 Amazon Bedrock AgentCore 构建制药文档智能助手
Novo Nordisk 在 AWS 上部署基于 GraphRAG 架构的智能体系统,将制药制造文档管理从人工转为自动化。该方案结合 Amazon Neptune 知识图谱与 OpenSearch Serverless 混合搜索,通过 Anthropic Claude 模型实现精准问答。系统使主题专家完成工作耗时从数小时缩短至分钟级。

AWS Machine Learning BlogAI 评分3838 DXC Technology 如何在 Amazon Bedrock 上构建多模型 AI 底座
DXC Technology 在 Amazon Bedrock 上为 DXC OASIS 构建了统一的多模型底座,通过单一接口接入 Anthropic Claude、Amazon Nova、Meta Llama 及开源权重模型族。




