🏷️ 基准测试

AutoAgent：首个用于自优化代理框架的库

本文介绍了开源库 AutoAgent，这是一个能够自主优化任何领域代理的框架。通过引入“元代理”概念，AutoAgent 可以自动调整任务代理的提示、工具和编排逻辑，从而在 SpreadsheetBench 和 TerminalBench 测试中取得卓越成绩。文章探讨了“模型同理心”的重要性，并详细阐述了该框架如何通过拆分元任务与任务、利用推理轨迹以及避免过拟合来实现性能的持续提升。

Claude Skill-creator 史诗级升级：评估、基准测试与多代理并行

Anthropic 官方 Skills 生成器 Skill-creator 迎来重大更新，新增四大核心功能：评估系统、基准测试、多代理并行测试及描述调优。此次升级解决了长期以来 Skills 质量“黑盒”的痛点，通过量化测试（如通过率、耗时、Token用量）和自动迭代优化，显著提升了 Skills 的触发准确率和执行效果。