为 CoC 分队调查设计可记录、可审计的三层协议：Schedule 维护因果与提交边界，Filter 管理角色知识与降密，Coupling 选择同步强度，并以两个确定性测试用例检查各层作用。
文章与实验
最新文章
6 月 18 到 19 日把 StreamMA 接进 Go agent 的记录：从第一版 runtime、真实 subagent、drain loop、cache 命中率、ctx_a 复用，到最后的 subagent 降载和多行输入优化。
作为《Rubric Is All You Need》的续篇，本文复盘 multi-agent-pipeline 如何从 PRE/EME 的平面 checklist 迭代到 Tree Rubrics，让 Rubric 从最终裁判表变成可生成、可验证、可反馈的 Agent 质量门禁。
1. 问题的核心 LLM Agent 需要一个记忆系统。在 2026 年的技术背景下,这个问题的性质已经发生了变化。 两年前,主要矛盾是 context
Harness 设计是前沿智能体编码中影响性能的关键因素。本文将介绍我们如何在前端设计和长期自主软件工程两个方向上进一步突破 Claude 的能力边界。
从论文《Rubric Is All You Need》出发，依次拆解了三种基于 Rubric 的 LLM 评估 Agent的设计思路，厘清了 Rubric 与传统 Test Harness 的互补关系，并进一步延伸至 Vibe Coding 时代的三种落地玩法——Rubric 驱动提示词、双 Agent 自我修复循环、以及以 RDD 取代 TDD。在 AI 大规模生成代码的今天，定义好 Rubric，比写好代码本身更重要。
