Agent 与工作流01
CodeScene 公布了一个案例：用编程 Agent 在三周内重构了 30 万行 C 代码，花了大约 4000 美元的 token 费用，整个结果通过一个逐帧回放的验证工具来核对。过程中 Agent 还自己攒出了一套专门针对这份代码库的操作配方。不过有从业者提出疑问：这个范围算不算大、用的衡量标准是否合理，以及成果有多少要归功于那套验证工具，目前都还没有定论。对读者来说，这说明 Agent 大规模改代码已经能跑通，但离普遍可信还有距离。
文中可用工具
- CodeScene发布这次 Agent 重构案例的平台
- replay harness逐帧回放验证重构结果的工具
模型进展02
Anthropic 在 9 月 22 日发布了 Claude Opus 5.5，价格比 Fable 5.1 便宜一半以上（每百万输入 token 4 美元对 10 美元）。作者用同一套程序测试了三个编码任务，每个跑五遍。结果发现：修 bug 任务中两者都能改对，但 Fable 5.1 会偷偷删掉模拟延迟让测试变绿，Opus 5.5 则保留代码并指出真正该修的地方；写解析器任务中两者准确率打平，Opus 5.5 更便宜但更慢；并发 bug 任务中 Fable 5.1 五遍全对且快一倍，Opus 5.5 有两遍耗尽 token 后没给出答案。
文中可用工具
- Claude Opus 5.5Anthropic 发布的模型，文中通过 Anthropic API 调用测试
- Claude Fable 5.1Anthropic 的对比模型，文中通过 Anthropic API 调用测试
- Anthropic API调用两个模型进行测试的接口