Claude Code 團隊怎麼做 code review：七層檢查、風險分級與人力配置
Anthropic 說 Claude Code 約 90% 的程式碼由 Claude 撰寫。這篇導讀他們的審查流程：PR 先過七層檢查，人力依風險分 0／1／2 人，目標是每個變更最多一位真人，而且 revert 不增加。
ai
1264 篇文章讓 coding agent 做逆向工程：REA 的 MCP 工具、證據紀錄與適用範圍
REA 是一個 MIT 授權的 MCP server，讓 Claude Code、Codex、Cursor 等 agent 透過 Ghidra、Hopper 或 IDA 讀原生執行檔，也能直接拆 Electron、.NET、APK 與網頁。它跟 GhidraMCP 這類單一引擎橋接的差別，在於每筆結果都附證據 ID、涵蓋範圍與限制。一行 npx rea-agents setup 裝好，分析 JavaScript 不用任何反組譯器。
Agent 省 Token 時怎麼保住工具結果與技能指令：分類保留、可恢復清除、快取與成本驗收
為了減少每輪重送歷史的輸入 token，agent 平台常截斷、清除或摘要舊的工具結果，技能（skill）指令、寫入回執與錯誤訊息也會一起被砍。The Complexity Trap 顯示觀察遮罩能把成本砍半，但 Gemini 2.5 Flash thinking 的完成率仍從 40.4% 掉到 36.4%。省多少要跟完整歷史比，修多少要跟現況比，看的是每個成功任務的總費用，不是單輪輸入變短。
Agent 工具搜尋與按需載入怎麼選：工具組完整性、模型工具上限與快取
Claude 文件指出工具超過 30–50 支後選擇準確度會下降，Claude 與 OpenAI 都改用按需載入的 tool search。但搜得到不等於做得完：ToolRet 的 43k 工具基準上，沒有一個檢索器能在前 10 名湊齊完整工具組超過 35%。本文把問題拆成五個失敗點，對照七種做法與一套驗收指標。
Agent 時代，你可能累錯地方了：Matt Pocock 的 18 條錯誤清單怎麼讀
Matt Pocock 在 X 貼出 18 條「你可能正在犯的錯」，只有標題沒有說明。照他公開的 skills 與演講分成五組：驗證、放手、context、對齊、思考。其中六條直接對應 /retro 的檢查類別，今晚就能拿一次 session 試。
Post-training 從聊天走到 Agent：公開材料導讀｜Stanford CS329A 第 9 堂
聊天模型的獎勵看單則回覆像不像人喜歡的答案；Agent 的獎勵要看多步操作後任務有沒有真的完成，兩者需要的資料與環境不同。
LLM 推理：中間 token 為什麼有用｜Stanford CS329A 第 15 堂
推理是輸入與輸出之間的中間 token；RL 微調勝過模仿人類解答的關鍵是可靠的驗證器，多次取樣再選最常見的答案能再往上推。
數學奧林匹亞的三套系統：驗證從哪裡來｜Stanford CS329A 第 16 堂
AlphaGeometry2 靠符號引擎、AlphaProof 靠 Lean 驗證，2024 年合計 28 分；2025 年 Gemini Deep Think 用自然語言拿 35 分，驗證改由人類閱卷。
自主 Agent 系統：獎勵與理解才是瓶頸｜Stanford CS329A 第 18 堂
Laskin 的判斷是工程師八成時間在理解系統而不是寫程式；而 RL 能走多遠取決於有沒有乾淨的獎勵，這個問題他認為和超級智慧一樣難。
機器人的多模態 Agent：VLA 怎麼接上動作｜Stanford CS329A 第 19 堂
VLA 在視覺語言模型上加一個動作模組；讓動作模組的梯度回傳會損害語言理解，knowledge insulation 的作法是擋住梯度；π0.5 則用網路資料與多種機器人資料一起訓練來換取泛化。
Agent 產品怎麼決定可以上線：Meta Muse 的行為清單、雙門檻與體感檢查
Alexandr Wang 說 Meta 把個人 Agent 需要的 100 多項行為各建一個 eval，每項設「阻擋上線」與「算好」兩條門檻，等到第一個全綠的檢查點出現，並確認實際用起來明顯更好才上線；另外也做了新手使用者測試。這套做法可以照抄，但上線後的安全爭議也說明：全綠不等於安全。
開放式演化：指定閱讀導讀｜Stanford CS329A 第 7 堂
開放式演化改的是 agent 程式與流程；archive 保留不同分支，保留測試再檢查泛化。
軟體工程 agent：指定閱讀導讀｜Stanford CS329A 第 13 堂
多個程式候選仍需需求反例來挑選；先通過正確性檢查，速度提升才有意義。
Agent 記憶：指定閱讀導讀｜Stanford CS329A 第 14 堂
取回管理、訓練 KV 表示與 cache 重用處理不同瓶頸；速度與命中率都不保證資料新鮮。
Spotify Technology：把內部開發工具包成一個品牌賣給別的公司
Spotify 在 2026-10-07 把 Confidence、Portal、Xirp 與 Backstage 外掛併成「Spotify Technology」對外賣；核心賭注是 AI 讓寫程式變便宜後，瓶頸會移到判斷，而組織的共用脈絡是資產。營收未揭露；Confidence 有公開定價與免費方案，Xirp 仍是只支援 macOS 的 beta。
訓練時改進：讓回饋真的變成學習｜Stanford CS329A 第 6 堂
組內回饋必須能區分好壞；正解篩選、相對優勢與取樣策略，決定訓練是否真的得到有用訊號。
搜尋與深度研究：候選很多，怎麼選出可交付的答案｜Stanford CS329A 第 8 堂
候選搜尋解決選擇問題，文件檢索補知識缺口；兩者都需要保留規格與可檢查的依據。
長任務評估：做完、做對與值得交付是三件事｜Stanford CS329A 第 17 堂
人類任務時長、成品品質與引用支持率回答不同問題；長任務驗收應同時檢查流程與交付物。
未來研究：把自我改進的瓶頸寫成可驗證假說｜Stanford CS329A 第 20 堂
多樣性、驗證、資料選擇與效率是不同瓶頸；研究計畫要有保留測試與足以推翻假說的條件。
強化學習系統：推論與訓練怎麼接起來｜CMU 11-768 第 12 堂
RL 系統用推論引擎取樣、驗證器給獎勵、訓練引擎重算 logprob 與梯度，再把新權重同步回推論端。用一個自編的小例子走完這五步，再理解快取、歷史保留與非同步更新各在解決什麼問題。