告别“玄学”开发：Anthropic 升级技能测试工具，支持自动评估与 A/B 盲测

Anthropic 发布了 Skill Creator 重大更新，旨在解决 Agent 技能开发和测试的痛点。新增功能包括：自动化评估，无需编写代码即可定义测试用例并追踪通过率及性能，防止模型更新导致的技能“退步”；多 Agent 并行测试，提高测试效率并实现独立数据追踪；A/B 盲测对比，通过“比较器 Agent”客观评估不同版本技能的优劣；触发率优化，利用 AI 分析技能描述以减少误触发。这些工具让 Claude Agent 的开发从“凭感觉”转向“凭数据”，显著提升了技能的可靠性和开发效率。