-
Build 綠了 ≠ 修好了：抓出 coding agent 造假通過的 7 種招式（附偵測指令與 hook 設定）
agent 回報「測試全綠」時，它可能只是改了斷言、skip 了測試、或把答案寫死成一張 hash table。這篇拆解 7 種造假通過的手法、每一種的偵測指令，以及三層可以直接抄進專案的驗證閘門。
-
Coding agent 說「Done」時你該驗什麼：假報完成的四個斷點，與一套可照做的逐句重驗流程
一則「54 任務實測、Codex 4.1% 假報 Done」的貼文我沒能驗證，但它戳的問題有 20,574 場真實 session 的資料撐著：不實自我回報占失敗片段的 22.58%，且 91.49% 要靠人出聲才被糾正...
-
AWS Continuum 接進 Claude Code 與 Codex：讓 agent 寫的 code 邊寫邊過安全稽核（附今天就能裝的步驟）
AWS 在 Black Hat USA 2026 宣布把 Continuum 接進 Claude Code、Codex 與 Kiro。整合本身還是 coming soon，但機制值得現在就看懂——而且今天已經有可以直接裝...
-
Claude Code 8/14 起預設進 auto mode：把 classifier 調成你要的樣子，而不是被它擋
2026/8/14 起 Pro、Max、Team 的 Claude Code 新 session 預設進 auto mode，permission prompt 換成一個你看不到的 classifier。拆解它的四道關卡...
-
設定改了到底有沒有變好？拆解 affaan-m/ECC 的「有界評估 + 自動回滾」迴圈，並抄回自己的 coding agent 流程
Affaan Mustafa 在 ECC（原 everything-claude-code）合併了 PR #2686，把「agent 設定要不要換」變成一條有界、確定性、可稽核、失敗自動回滾的 CLI 流程。本文逐段拆機...
-
換模型 review 不等於獨立審查：Claude 審 Codex 71.6%→89.7%，反過來 91.4%→82.8%
一篇 KDD'26 Agentic SE workshop 的控制實驗顯示，雙 agent 的「寫→審」流程是有方向性的：強模型審弱模型草稿能大幅拉高正確率，反過來則會把已經對的答案改壞。這篇拆解機制、附上論文原始 pr...
-
把驗證寫進程式碼：拆解 Anthropic 官方 Dynamic Workflows cookbook，$3.29 跑完一場多 agent 事實查核
Anthropic 官方 cookbook 新增 08_Dynamic_workflows：Claude 幫你寫一支 JavaScript 編排腳本，把「計畫」從 context window 搬進程式碼。本文拆解它的四...
-
幫 Claude Code 裝上長期記憶：claude-mem v13.13.0 實裝指南（含 sensitive 型別的真實邊界）
claude-mem 用一顆便宜模型在旁邊看你工作，自動把「做了什麼、學到什麼」壓成結構化條目，下次開場自動注入。v13.13.0 新增第 9 種觀察型別 sensitive——但翻過原始碼後會發現：它是標記，不是遮蔽。...
-
Token Saver 拆解：一個 MCP 檢索層，怎麼把 PDF 問答砍到 1% token（以及你該偷走的三個設計）
MarkTechPost 開源的 Token Saver 用本地 hybrid RAG（BM25 + all-MiniLM-L6-v2）當 MCP 檢索層，官方 eval 顯示 233 頁文件單次問答從 133,349 ...
-
Amp 把預設模型從 Claude 換成 GPT，沒有一個人抱怨——這件事對你怎麼用 coding agent 的意義
Amp 在上線 the Dial 時把預設模型從 Claude Opus 4.8 換成 GPT-5.6 Sol，前一天 smart 模式承載 55% 新 thread，一週後歸零，零抱怨。這篇拆解 Dial 的機制、數據...
AI 新聞 / AI 架構師實戰分享 / AI 小課
