Claude 的智能体爬坡循环：从生产日志开始
Arize 分析了 Anthropic 发布的 Claude hillclimb 方法，强调从生产日志构建评估集、混合代码和 LLM 评估器、优化成本与质量平衡，并通过 Arize AX 实现团队可复用的持续优化循环。
推荐理由：原文结合生产日志和评估循环，展示了如何让智能体优化从个人实验转向团队可复现的持续流程。
#Anthropic
Arize 博客精选AI 评分6565
Towards Data Science精选AI 评分6262 AI代理使用成本陷阱与优化策略分析
文章分析了AI代理因反复计算历史上下文和模型调用导致的高额token消耗问题，指出缓存失效是主要成本来源，并提出不丢失缓存、精简上下文、匹配模型层级、使用子代理和脚本替代推理等核心优化策略，强调长期成本控制依赖于对底层机制的理解和架构自主性。
推荐理由：原文系统性分析了AI代理使用中的成本陷阱，并提出可操作的优化原则，对团队预算管理有直接参考价值。
Machine Learning Mastery精选AI 评分5959 工具调用与代码执行对比：AI智能体选择合适的行动原语
本文详解AI智能体中工具调用与代码执行两种行动原语的机制差异，通过天气查询示例对比二者在单次查询与多城市聚合任务中的表现，提供基于调用次数、数据敏感性、延迟和审计需求的决策框架，指出Anthropic的Programmatic Tool Calling在复杂任务中可降低37%的token使用并提升准确性，强调实际应用中多数智能体会混合使用两种方式。
推荐理由：原文通过对比工具调用与代码执行的机制和适用场景，提供了可复用的决策框架，帮助开发者根据任务需求选择合适的行动原语。
One Useful Thing精选AI 评分6060 Claude Code 的工作流程与技能系统实践
作者使用 Claude Code 实现了一个无需人工干预的创业项目，AI 自主工作一小时十四分钟，生成网站并部署，展示了其通过技能系统和子代理管理上下文的能力。该工具支持创建子代理、加载技能、调用浏览器等操作，用户可通过命令行或桌面版使用，适合编程相关或非编程用户探索。
推荐理由：作者展示了 Claude Code 的自主工作流程和技能系统，读者可以据此理解当前 AI 工具如何通过代理机制和上下文管理实现复杂任务。
已经到底了