Home/Blog/用 Claude 设计 eval，再一轮轮把分数提上去后端用 Claude 设计 eval，再一轮轮把分数提上去掘金2026-09-29 15:340 viewsAnthropic 讲好 eval 的四个要素，以及 claude-api skill 的 build-eval 和 hillclimb 怎么用。客服 benchmark 留出集准确率 78.6% 到 90.5%，成本约为原来的五分之一。Source：https://juejin.cn/post/7690614916369940515My favoritesPreviousMCP 上个月把自己推翻重写了：Session 没了、Sampling 废了——你学的教程还停在 2025Next泛洪DFS、BFSRelated posts用Grok Bot搭建选品作战小组：7×24小时自动跑完「竞品分析-产品改进」一条龙！跨境卖家的数字员工团队再升级！本文手把手教你用 Grok Bot 搭配卖家精灵 MCP，搭建由总助统筹、竞品情报与用户反馈分工协作的亚马逊选品作战小队。从竞品拆解到评论挖矿，一套提示词跑通全流程，让选品调研在云端自动运转。 我在国庆回来后写0人人都是产品经理文心 5.5 Flash Preview发布！编程、3D 建模、知识工作、内容创作等全面升级11月11日，百度最新基础模型文心 5.5 Flash Preview正式发布。文心 5.5 Flash Preview总参数量达 2800 亿，每个 Token 激活 140 亿参数，支持最长 100 万 Token 的上下文，在编程、30雷峰网TransmittableThreadLocal 解读：从 CRR 机制到上下文所有权本文讨论了为什么同一套 TTL 的 API 行为总对不上直觉，真正影响语义的是 Capture、Replay、Restore 机制；还总结了一些踩坑和最佳实践。0掘金02｜功能越来越多，代码怎样还能按业务找到功能增长后，怎样让网页、OpenAPI、AI 和计费复用同一条业务规则？结合流萤简历，拆解模块化单体、依赖方向、客户端构建边界与架构门禁。0掘金40亿个QQ号 1G内存怎么去重：Java BitSet 装不下，long 数组位图 512MB 实测 46 秒（JDK 17）位图去重用 Java 写时，BitSet 下标是 int 只有 2^31 位装不下。用 long 数组写 512MB 位图，40亿次写入实测 46.5 秒，附 -Xmx 下限和布隆过滤器对比。0掘金【Python量化趋势跟踪实战 02】突破买入总被假突破坑：通道系统与入场时机【Python量化趋势跟踪实战 02】突破买入总被假突破坑：通道系统与入场时机 上一篇我们给均线金叉加了过滤，压住了部分震荡市假信号。但还有一种更「刺激」的假信号——突破。 价格突然冲破前期高点，你追0掘金
