「自动化评估工具」共找到 2867 篇相关文章
一下午一句话 Codex 帮我开发了一个完整的游戏！
作者用 Codex 一下午开发出完整游戏《夜巡录：荒庙篇》。Codex 能力惊人，能自建角色流水线、找素材、拼素材图，还结合多个工具打磨细节。项目已开源，作者考虑将流程封装成 Skill 开源。
The Batch：924｜GPT-5.4：性能更高，价格也更高
OpenAI更新旗舰模型GPT-5.4，有Thinking和Pro两个版本，扩展工具使用能力，多基准测试达当前先进水平，但定价高。虽在部分任务表现超Claude，挑战Gemini地位，不过成本也更高。
AI生成操作系统新突破！上海交大提出文件系统开发新范式：从此只需写规约
上海交大IPADS实验室团队在自动生成操作系统核心组件上有新突破。面对大模型生成操作系统的难题，提出SysSpec新范式，以规约指导生成，并配套工具链，构建SpecFS文件系统，开发效率提升3 - 5倍。
谷歌杀疯！百万token神器免费开源，Claude和Codex都顶不住了？
谷歌开源免费AI编程工具Gemini CLI，权限拉满，有百万token上下文、千次调用额度，打通VS Code与终端。它与OpenAI、Anthropic竞争，功能不止写代码，还支持多通用任务，谷歌这次来真的！
谷歌重磅发布Flow，人人都能制作好莱坞级电影
谷歌在‘I/O 2025’大会发布影视级AI制作工具Flow，它是Video FX迭代版，由Veo 3、Imagen和Gemini支持。具备专业影视制作功能，已有知名制作人用其产出高质量作品，已开放使用。
会解题不等于懂人心，腾讯混元提出Sentient Agent，提高高阶社交认知能力
过去评判LLM像考核‘做题家’，但会解题不等于懂人心。腾讯团队提出SAGE框架，用会闹情绪的agent评委评估模型高阶社交认知能力。实验显示不同模型表现差异大，未来需懂人心的AI。
鹅厂员工怎么看Agent自动持续进化？
落地一个Agent容易，但让其自动持续优化很难。文章分享了9位鹅厂同事对“Agent如何自动持续进化”的看法，如建立评估体系、记录真实任务反馈、结合强化学习等。
Claude Code创始人内部分享：10个实战技巧
Claude Code创始人Boris Cherny公开团队使用该AI编程工具的完整经验，涵盖并行处理、计划模式等10个实战技巧，还指出理解思想、找到适合自己的工作流程更关键。
Wassette：微软基于 Rust 构建的 Wasm 与 MCP 之间的桥梁
微软 Azure Core Upstream 团队发布 Wassette，它基于 Rust，搭建起 WebAssembly 组件与 MCP 间的桥梁，让 AI 智能体可自主获取和执行工具，还保障了安全，且未来有更多发展规划。
代码库的AI觉醒！GitMCP开源神器：实时文档中心秒级搭建，终结代码幻觉！
AI助手处理项目文档常“幻觉”频发，GitMCP这款开源工具通过MCP将GitHub仓库转变为实时文档中心，让AI直接访问最新文档和代码，消除“代码幻觉”。它功能强大，配置简单，应用场景广泛。