Claude Code 把 AI 拆成多个「分工小队」来写代码 — 这是大模型编程工具走向工程化的一个真实信号

Content generation failed

基于 #Claude Code 推荐

Playwright MCP 让大模型直接操作浏览器做自动化测试，连登录态页面也能接管，这说明 AI 正在进入更具体的企业软件流程。但从 token 成本、模型能力到内存占用看，它更像早期可用工具，而不是马上替代测试团队的成熟方案。

Anthropic 给 Claude Code 配上 35 个插件，覆盖代码审查、遗留系统改造、提交发布和会话总结。值得关心的不是“功能更多了”，而是 AI 编程正从聊天式辅助，转向可嵌入团队流程的工具链。

Anthropic 本周发布 Claude Fable，并被描述为面向公众开放的更强版本，但关键词不是性能，而是“经过安全限制后仍可用”。这值得关心，因为大模型竞争正从拼参数，转向拼“能放出来给谁用、怎么用”。

Reddit 上一则关于“为什么要本地运行 Agent”的讨论引发关注，判断很直接：企业采用 Agent，成本不是唯一门槛，数据可控、响应稳定和长期可持续，才是决定能否真正落地的核心。

10-50 轮交互、8K-64K 上下文、单次训练样本可长达 60-600 秒，这意味着 AI Agent 的强化学习已不再是“调参数”问题，而是系统工程问题。Miles 这类框架值得关心，因为它反映出行业竞争正从模型能力转向训练与部署的一体化能力。

Reddit 上一则关于“用本地大模型做对话心理分析”的提问，点出一个正在冒头的需求：用户不满足于摘要和检索，开始让模型解释关系、动机与模式。值得关心的是，这类应用门槛不只在算力，更在伦理、误判和责任边界。

Claude Code 把 AI 拆成 多个「分工小队」来写代码 — 这是大模型编程工具走向工 程化的一个真实信号