OpenAI 开发者博客讲解如何用 Evals 系统化测试 Codex Agent 技能
OpenAI 开发者博客发布教程，讲解如何像测试 LLM 应用一样，用 evals 系统化评估 Codex 的 Agent 技能。核心流程为定义可度量的成功标准、用 $skill-creator 创建技能、以 codex exec -- 捕获 JSONL 轨迹做确定性检查，再用 --output-schema 输出符合评分规则的 JSON 做风格等定性评估。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2026-07 — 2026-07
重要进展 · 第 13 / 105 页
LongCat-2.0 正式开放模型与推理代码
美团开放 LongCat-2.0 权重及相关推理实现，官方技术公告说明围绕真实 Agent 编码任务的能力与国产芯片部署优化。
AI 编码 精选历史资讯
— · 2 条
精选资讯 · 第 1 / 1 页
Cognition 发布 AI 代码审查工具 Devin Review
Cognition 发布 Devin Review，一款针对 GitHub PR 的 AI 代码审查工具，称代码审查已成为 AI 编程时代的瓶颈。
分类
排序
暂无内容