Claude 的新自动评估工具发布

Anthropic 为 Claude Code 推出新的自动评估工具，包含 build_eval 和 hill-climb 命令，用于构建评估、检查评分器并优化应用。该工具在未充分分析数据的情况下直接建议创建评估，且评估范围过于宽泛，同时缺乏清晰的判断依据。尽管其能发现其他方法难以识别的问题，但作者认为应优先通过数据探索理解问题，并希望未来工具能更注重数据理解与判断的可审查性。