Anthropic 复盘 Claude Code 近期质量下滑报告：三个问题与修复细节
Anthropic 官方复盘近一个月关于 Claude 响应变差的报告，确认是三个独立改动所致，API 未受影响，全部问题已于 4 月 20（v2.1.116）修复。
推荐理由：官方复盘三个已修复问题的根因与修复时间线，附后续评测与发布流程改进，可作模型质量回归排查参考。
#编码
Anthropic Engineering精选AI 评分7878
Anthropic Engineering精选AI 评分7272 Anthropic 详解 Claude Code auto mode：用分类器替代手动权限审批
Anthropic 为 Claude Code 推出 auto mode，用基于模型的两层防线替代逐条权限审批：输入层的提示词注入探针扫描工具输出，输出层由运行在 Sonnet 4.6 上的 transcript classifier 两阶段拦截危险动作。
推荐理由：官方披露了 auto mode 的两层架构、决策 prompt 设计和实测指标，读者可以据此评估自己是否适合用分类器替代手动审批。
Anthropic Engineering精选AI 评分6868 Anthropic 工程团队详解长时自主编码的 Harness 设计：planner、generator 与 evaluator 三智能体架构
Anthropic Labs 成员 Prithvi Rajasekaran 撰文介绍借鉴 GAN 思想的多智能体 Harness 设计，用 planner、generator、evaluator 三智能体架构让 Claude 在多小时自主会话中产出完整全栈应用。
推荐理由：作者给出从生成器评估器到三智能体的完整设计、失败模式和成本数据，读者可以据此评估多Agent长时编码方案的适用边界。
Anthropic Engineering精选AI 评分6363 Anthropic 量化基础设施噪声对智能体编码评测的影响
Anthropic 发现 Terminal-Bench 2.0 的资源配置可造成最多 6 个百分点的成功率差异，仅基础设施错误率就从严格限制下的 5.8% 降至不设上限时的 0.5%。SWE-bench 上同样效应成立但幅度较小，5 倍 RAM 仅提升 1.54 个百分点；作者建议评测同时指定资源保证值和硬性上限，并认为 3 个百分点以内的排行榜差距在配置未公开时应保持怀疑。
推荐理由：原文用实测数据量化了资源配置对智能体编码评测分数的影响，并给出可操作的参数分离建议。
Anthropic Engineering精选AI 评分7777 Nicholas Carlini 用 16 个并行 Claude 构建 10 万行 C 编译器，可编译 Linux 6.9
Anthropic Safeguards 团队研究员 Nicholas Carlini 用 agent teams 方法让 16 个 Claude 实例并行开发。
推荐理由：作者用 16 个并行 Claude 从零造出可编译 Linux 内核的 C 编译器，并给出可迁移的长时自治智能体环境设计方法。
已经到底了