Anthropic工程师分享如何让AI接管编码工作，测试代码量增加100倍，有客户六个月没写过代码。
Anthropic的Claude Code团队工程师Thariq Shihipar在70分钟访谈中披露一线实践。他删除了80%的系统提示词，发现示例成了负资产，测试代码需要多写100倍。有客户六个月没有写过一行代码。
Anthropic 工程师已不待在 IDE 里，有客户六个月没写过一行代码。 这场 70 分钟访谈里，Claude Code 团队工程师 Thariq Shihipar 首次系统披露一线实践：删掉 80% 系统提示词、示例成了负资产、测试代码要多 100 倍。当编码被“解决”，工程师的护城河还剩什么？ x.com/i/article/2096… 💬 1 🔄 1 ❤️ 7 👀 896 📊 4 ⚡
Google 这篇论文挺有意思：让 AI 自己写工具简介去骗买家 Agent，成功率能从 89% 掉到 30%，做 Agent 市场的都该看看。
DeepSeek 编程成绩在不同基准上对不上，TerminalBench 上换 agent 框架得分差 14 分多，测模型前可以看看这篇的坑。
德国团队把 3D 医学影像标注交给 Claude Code 这类 Agent 干，说一句“分割咀嚼肌”就能出结果，代码开源了，搞医学影像的可以上手试试。
The v2.0 changes make rankings harder to game: private test sets, anti-solution scanning and multi-vote LLM judging push mean scores down 1.7 points across 21 shared configurations. Teams choosing a coding agent should note that Opus 5.5's edge is concentrated on FrontierCode (56.0% versus 52.6% for DeepSeek V4.1 Flash), while 15 of 24 configurations cluster between 43% and 49%, so harness choice can matter as much as model choice.
Anthropic 把 Claude Code 里搞的 Agent Skills 捐给了基金会，以后和 MCP 一样是开放规范，做智能体的可以关注。
有人让 grok bot 指挥 Claude Code 帮自己做视频，还搞了多轮深夜迭代，最终 Opus 5.5 的视频效果最好，玩法挺有意思。
