共 3 条快讯 · 门户最近更新
作者称在 SWE-bench Verified 上用同一模型运行 Claude Code、mini-SWE-agent 和 OpenCode：Claude Code 与 mini-SWE-agent 在 447 个任务上得分相差 5 分以内，高难度 45 任务子集上各有 13% 结果翻转。成本差异来自每步重复发送的系统提示词与工具 schema，作者建议精简两者，称可在不降准确率的前提下将成本削减最高 3 倍。
作者称在 SWE-bench Verified 上用同一模型运行了 Claude Code、mini-SWE-agent 和 OpenCode：前两者在 447 个任务上得分相差不超过 5 分，更换 harness 的影响约等于重跑一次（45 题困难子集上各有 13% 结果翻转）。成本差异主要来自每一步重复发送的 system prompt 和 tool schema；精简 harness 提示词和工具可在不降低准确率的情况下最多降本 3 倍。
作者称自己低估了 Opus 5.5 等模型的智能体协调能力，并回顾了约一年内个人设置的演进：从单独 Claude Code 会话，到子代理并行工作的多智能体系统，再到两个月前搭建的类似 Grok Bot 的持久化 Agent 团队——通过自有编排器管理约8个专职 Bot（CFO、CSO、CTO、CMO、CCO、CoS 等），一个月前又开始尝试带个人 Agent 的 agent-to-agent 通信。作者表示仍需在自动化、Webhook、系统提示词和工具等方面调优，并认为 Code、Claude Desktop 等应用“远远落后”但终会赶上，建议自建编排器。以上均为作者个人陈述，未经独立核实。