本文整理了 npm 联合创始人 Laurie Voss 在 AI Engineer 纽约 workshop 上关于 AI Agent 评估方法的分享。他从一份分析师共识加总为 116% 的特斯拉研报切入，阐述 trace（日志）与 eval（评估）的区别，强调先人工精读十几条记录再设计评估的重要性。文章详细介绍了从免费代码断言、LLM 裁判到黄金数据集校准裁判的完整评估体系，指出选择正确的评估问题比调优评估更重要，并以'评结果而非评步骤'为原则，演示了通过一行 prompt 修改将可操作性从 5/16 提升到 48/48 的案例。最后他强调将评估接入 CI、区分能力评估与回归评估，才能持续保证 Agent 质量。
本文基于对 ShareAI 创始人新璐的访谈，深入解读了 Agent Harness 的核心概念与架构设计。文章指出，Harness 是模型之外赋予 AI 行动能力、记忆与协作能力的“身体”。通过剖析 Claude Code 的三层结构——执行层、记忆层与治理层，作者阐述了从“流程驱动”向“模型自主决策”转变的工程实践。文章强调，优秀的 Harness 应提供类 UNIX 的稳定环境与结构化的记忆机制，从而释放模型的潜能，使其成为真正的智能合作伙伴。
文章深入分析了 Anthropic 极速产品发布的秘诀。Cat Wu 分享称，这种快并非依赖模型能力突破，而是通过极致的流程优化实现的。核心策略包括：将时间尺度压缩至以“周”或“天”为单位、推行低流程管理（工程师可直接上线）、全员高频“Dogfooding”以发掘真实痛点，以及极度对齐的使命感。此外，他们主动拥抱混乱，模糊职能边界，赋予个体极大自主权。Anthropic 将“减少摩擦”做到极致，让组织成为一个高效的交付系统。
本文分享了 Anthropic Boris 关于如何高效使用 Claude Code 的核心见解。文章指出，Claude Code 不应被视为“新 IDE”来学习，而应被当作一位“超级聪明的同事”来指挥。文中详细拆解了六个实操秘诀：从提问而非写代码开始、将其视为优秀新工程师、先头脑风暴再编码、利用其工具组合能力、使用 Claude.md 精简上下文，以及利用并行处理能力。掌握这些方法可将内部技术入职时间从数周缩短至数天。
