1 / 7
Claude'dan çalıştırdığı komutu ve çıktısını isteyin.
Kanıt, "çalışması lazım"dan iyi. Ona geçti ya da kaldı diyen bir denetim verin: test dosyası, build çıkış kodu, linter, fixture farkı veya ekran görüntüsü.
Doğrulama
Her seferinde tek bir şey. Bilip bilmediğinizi söyleyin, bilmedikleriniz kenarda dursun.
Konunun tamamı7
Claude'dan çalıştırdığı komutu ve çıktısını isteyin.
Kanıt, "çalışması lazım"dan iyi. Ona geçti ya da kaldı diyen bir denetim verin: test dosyası, build çıkış kodu, linter, fixture farkı veya ekran görüntüsü.
/verifyuygulamayı derleyip çalıştırıyor ve bakıyor.Testlerin ve tip denetiminin kaçırdığını yakalıyor.
/code-reviewkonuşmanızı hiç görmemiş taze bir alt ajan kullanıyor.Dolayısıyla sizin gerekçenize çapa atmıyor. Bulguları uygulamak için
--fixekleyin./simplifydeğişen kodunuz üzerinde dört gözden geçirme ajanını paralel çalıştırıyor.Büyük bir değişikliği commit etmeden önce çalıştırın.
Ajan doğrulayıcının ölçtüğü şeyi çözüyor; bu yüzden doğrulayıcı neredeyse kusursuz olmalı.
C derleyicisi projesinde GCC, doğruluğu bilinen bir kıstas olarak kullanıldı ve ajanların hataları paralel ayırmasını sağladı.
pass@k, k arttıkça yükseliyor ama pass^k düşüyor: deneme başına yüzde 75, üst üste üç başarı için yaklaşık yüzde 42 veriyor.
Bir ajanın her seferinde başarılı olması gerekiyorsa, çoklu denemenin en iyisini değil tutarlılığı ölçün.
Çok denemede yüzde 0 başarı genellikle zayıf bir ajanı değil bozuk bir görevi gösteriyor.
Modeli suçlamadan önce görevi ve değerlendiriciyi kontrol edin.