新版本 0.6.1

目前 0.5.10。產生此頁時偵測到新版本。

這次更新:

在終端機執行:

npx skills update answer-me-with-html -y

或者告訴 Agent:

更新 answer-me-with-html
查看更新內容

Generated by Answer me with HTML 0.5.10 · 2026-11-18 09:34 · ★ Star on GitHub

Agent 寫的碼,誰來驗

Claude Code 團隊驗證法+HN 205 則討論一次看懂

sourceclaude.dev 2026-11-16,HN 50529612

Lead: 團隊九成程式碼由 Claude 寫加審。要平行跑幾百個 agent,先給它們能驗自己工作的迴圈。

A

驗證迴圈為何值錢

另設評分者按 rubric 檢查,任務成功率高達 10 個百分點。測試生完跑起來就是軟體,不燒 token。在 CLAUDE.md 加規則,同一錯誤大致不再犯。

B

三種測試

端到端
真實使用者流程,難騙,壞在哪講得具體
屬性測試
掃人類漏掉的邊界,專治 rewrite 脫鉤
差異測試
新舊系統餵同輸入,舊系統當 oracle

單元測試全過,功能照樣能壞。重的測試在 commit 前跑。

C

團隊內部六招

  • 改動跑起來:各 repo 建 verify skill,當 smoke harness
  • 失敗才找人:三輪修不好停手
  • code owner 寫檢查:調到會 flag 自己會 flag 的
  • 39 條 reliability 清單:讀 diff 只查命中的 3 到 10 條
  • 改動碰不到檢查:REVIEW.md 讀 base 分支那份
  • 新 gate 先 observe:連擋兩次第三次放行
D

HN 吵什麼

  • 成本:無限 token 才寫得出來的流程,確定性工具邊際成本近零
  • 遞迴:magic box 驗 magic box,演算法勝過 agent
  • 反例:測試綠燈功能錯,測試跟 bug 站一邊
  • 全審:拆夠小就能全審,問題是做對題目了沒
  • 實務:驗證 skill 改變信任度,代價是時間與錢
  • 嘲諷:16k open issues,可靠度仍有人質疑
E

熱度最高的三串

  • 成本開場 23 個回覆:無限 token 論,定調整串
  • 月燒 2000 美元:個人怎麼平行幾百個,反串一片
  • 可靠度提問:九個月前棄用派對上桌面版推薦派
結論:工作變成定義 done

不讀每個 diff,改定義 done 長什麼樣加審證據。miss 寫成規則,定期修剪。