性能与验收观点观察
Claude Code 团队怎么做代码审查：中文推荐
一位中文开发者推荐《Claude Code 团队怎样做 Code Review》，说 X 上的版本和 Anthropic 官方博客几乎一样，更推荐博客版。核心观点：代码多到人读不过来之后，人已经不逐行 review。
X 帖子
EXPLORE / BUILD
性能与验收
从真实操作、性能瓶颈和失败案例里，找到值得检查的地方。
25 条阅读导读浏览全部精选 →
性能与验收近期动态
Cognition 推出 Devin Security：找、排、修漏洞
Cognition 官方推出新的 Devin Security，称由 Claude Mythos 和前沿安全模型驱动，并提供数亿美元额度，帮团队发现、排序并修复紧急漏洞。额度怎么申请、谁有资格，节选没有说明。
X 帖子
性能与验收近期动态
Cognition 开源漏洞修复插件：盘点、打补丁、测试、开 PR
MarkTechPost 报道，Cognition 发布 Devin Vulnerability Fixes 插件，含 3 个 MIT 许可的 agent 技能，针对本周 PHP、Node.js 和自托管 GitLab 的严重远程代码执行漏洞，自动盘点、打补丁、测试，并为每个仓库开一个 PR。
社区资料
性能与验收案例记录
热门开源仓库的 PR 审查机器人：4 天 838 次，每次约 0.06 美元
CleanYourTV 作者称，项目爆红后 6 天收到 943 个 PR，于是做了审查机器人；作者称 4 天审了 838 次，中位耗时 87 秒，每个 PR 约 0.06 美元，运行在 0G 的私有计算上，下一步打算让它也能合并 PR。
X 帖子
性能与验收资源入口
Harbor 接入 Docker Sandboxes：每个评测任务一台微虚拟机
InfoQ 报道：Docker 宣布开源 agent 评测框架 Harbor 支持 Docker Sandboxes，每个评测任务在独立的 microVM 中运行，而不是共享一个容器。
社区资料
性能与验收近期动态
Raindrop 变更报告：每个 PR 合并后告诉你 agent 线上表现变了没
Raindrop 联合创始人 Ben Hylak 宣布「变更报告」：Raindrop 盯住每个 PR，并通过 Slack 私信告诉你这次对 agent 的改动在生产环境里实际表现如何。
X 帖子
性能与验收方法阅读
Anthropic 红队：用 Claude 对大型代码库做形式化验证
Anthropic 在 Frontier Red Team 博客发文，讲用 Claude 在大规模代码上做形式化验证。帖子说形式化验证能证明代码不含某些类型的 bug，但过去只适用于小代码库或要专家投入大量时间；后半句「有了 AI 模型……」在节选里被截断。
X 帖子
性能与验收方法阅读
pstack 新技能：agent 画状态图，再对照形式化规格查 bug
xAI 的从业者 poteto 说正在做一个配套技能：让 agent 画状态图，并对照用 pstack 里 /create-formal-verification-skill 生成的规格检查；画图用了 Obsidian 作者的 Pele 库。被引用的早前帖子说，可以借 TLA+ 这类工具从状态图里找 bug。
X 帖子
性能与验收案例记录
模型协助发现 PHP 高危漏洞，OpenAI 附自查技能
OpenAI 称其模型参与 Patch the Planet 计划，与维护者、研究者联合发现 PHP 的关键安全缺陷，并配了一个 Codex 技能，引导用户检查自己的网站是否受影响。节选没有列出版本号和漏洞编号。
X 帖子
性能与验收方法阅读
用状态图加形式化验证技能找 agent 代码里的 bug
pstack 作者说，可以让 agent 先画状态图，再用 pstack 的 /create-formal-verification-skill 通过类似 TLA+ 的方法查 bug；他称这样既能更好理解代码，也能看清代码如何配合。
X 帖子
性能与验收近期动态
Claude Security 持续扫描：连一次仓库，改动后自动复查
Claude 官方上线 Claude Security 的持续扫描：连接代码仓库一次，先做深度首扫，之后随代码改动重新扫描，让发现始终贴近当前代码。目前是 Claude Enterprise 的公测；转述称修复后还能验证问题是否解决。
X 帖子
性能与验收案例记录
Trail of Bits：130 个补丁里 21 个回归，于是做了两个插件
Trail of Bits 复查了自己在 Patch the Planet 中被合并的 130 多个补丁，确认 21 个回归（无一破坏安全保护），据此发布 patching-bugs 与 regression-hunt 两个插件；称后者误报比基线 Codex 提示少 25%。
实践记录
性能与验收近期动态
Anthropic OSS Scanner：给关键开源项目免费扫漏洞
Anthropic 推出 OSS Scanner：用其最强模型为关键开源项目定期免费扫描漏洞，每项发现附概念验证，可行时附补丁。中文转述另称，符合条件的维护者可申请 6 个月 Claude Max 20x，条件含被 500+ 仓库依赖等。
X 帖子
性能与验收资源入口
Cloudflare 开源安全审计技能：六阶段、每个发现由新 agent 复核
账号转述 Cloudflare 开源了其漏洞挖掘框架的种子技能：六个阶段，绘制代码地图、分区域找漏洞、把每个发现交给没参与的新 agent 确认、写结构化结果、再独立验证、写最终报告，结果分为已确认、待验证、已否决。
X 帖子
性能与验收资源入口
Google ARTEMIS：用自然语言驱动真实安卓手机做测试
Google 开源 ARTEMIS，让 AI 助手和测试脚本像人一样操作真实安卓手机：优先用界面元素索引，找不到再回退到坐标和视觉定位，自带 MCP 服务，可经 Claude Code 等驱动测试机并带回日志和截图。转述称它在 AndroidWorld 基准上完成率超 99%。
X 帖子
性能与验收资源入口
乐鑫开源 esp-emulator：不用开发板模拟 ESP32 固件
乐鑫（Espressif）官方用 Rust 开源了 esp-emulator：不用实体开发板，就能在本地终端甚至浏览器里模拟运行 ESP32 系列芯片的固件，覆盖 RISC-V 架构芯片，面向嵌入式开发和 CI 自动化测试。
X 帖子
性能与验收观点观察
『每个 PR 都跑代码审查』的使用者口述
Claude Code 创建者 Boris Cherny 说，他离不开 Code Review：它对他所有的 PR 运行，几乎在合入前抓住所有 bug，是团队又快又保持质量的一部分。
X 帖子
性能与验收案例记录
Claude 写了约 90% 代码后，代码审查怎么变
Anthropic 称 Claude Code 约 90% 的代码由 Claude 写，6 到 9 月合并的 PR 数翻了一倍多，被回退的比例降了四成以上，并写了一篇讲怎样改代码审查流程的文章。
X 帖子
性能与验收近期动态
Claude 代码审查转正式版：三档审查强度
Claude 官方称代码审查功能已在 Team 和 Enterprise 套餐正式可用，速度更快、能抓出更多重要问题，管理员可按仓库选择 Quick、Standard、Deep 三档审查。
X 帖子
性能与验收近期动态
GitHub 将 Anthropic 密钥纳入默认推送保护
GitHub 的 10 月 13 日更新列出了新增的 Salesforce、Anthropic 和 Cloudsmith 密钥检测，并说明两类 Anthropic 密钥进入默认推送保护范围。它有助于区分发现泄漏后的告警与提交前阻止，检查自己仓库到底启用了哪一道防线。
官方资料
性能与验收近期动态
GitHub AI Scan 新增发现量、解决量与修复率指标
GitHub 在 AI Scan 指标更新中列出发现量、解决量、修复率、仓库分布、趋势和自动修复建议采用情况。这个页面适合帮助团队设计观察表：告警增加可能来自覆盖扩大，真正需要继续判断的是哪些问题被处理、哪些仍然积压。
官方资料
性能与验收方法阅读
想让 agent 输出高质量代码：给它自检手段，测试是其中一环
Addy Osmani 建议给 agent 配备检查自己工作的手段，值得投入的测试包括：端到端测试模拟真实用户流程作为基准、属性测试规定『绝不能发生』并生成大量用例、替换系统时用随机输入对比新旧版本、要求测试跑得快。
X 帖子
性能与验收观点观察
『我不看 AI 写的代码』：Uncle Bob 用关卡代替逐行阅读
中文账号转述 Robert C. Martin 的做法：他不读 agent 写的代码，否则就没法利用其生产力；但不看不等于不管，他用单元测试、Gherkin 测试、QA 流程、质量指标、变异测试和覆盖率等层层关卡，并用四个 agent 组成流水线。
X 帖子
性能与验收方法阅读
网页怎样从请求变成可操作的界面
Addy Osmani 的长文沿着网络请求、解析、布局、绘制和浏览器进程介绍网页的运行过程，适合作为性能排查的阅读地图。
X 收藏
性能与验收案例记录
重复下载事故，提醒我们测什么
宝玉转述一宗软件重复下载更新的事故，从循环停止条件、长时间运行和费用监控几个角度分析。
X 收藏