Claude 的新自动评估工具试用

Anthropic 为 Claude Code 发布了新的评估工具：claude-api 插件新增 build_eval 与 hill-climb 命令，帮助你构建评估、检查评分器，并据此改进应用。

我通常不评测评估工具，因为软件变化太快、评测保质期短。但 Anthropic 的第一方工具很可能影响大家做评估的方式，所以我想试一试并分享发现。我与 Isaac Flath 还直播了这次试用过程……