详细内容或原文请订阅后点击阅览
不要让克劳德给自己的作业评分
在 GitHub Actions 中使用 Codex 进行跨提供商 PR 审查，以及为什么来自不同实验室的第二意见胜过任何自我审查这篇文章“不要让 Claude 给自己的作业评分”首先出现在 Towards Data Science 上。
来源:走向数据科学我有几个并行的克劳德代理为我写了一个副项目的策略文件夹。拉取请求看起来很棒：十个文档，全部整齐地交叉链接，而且读起来很好。然后自动审阅者发布了其发现，值得赞扬的是，克劳德没有反对：
完整审计结果显示：95个相关链接中有30个指向不存在的文件../market.md而不是market-analysis.md，./monetization.md而不是business-model.md，有些文件甚至完全是编造的！作为一个人，浏览一下这份公关，我会批准它，因为它们每一个看起来都有道理。幸运的是，我的自动审阅器发现了它，因为它解析了每个链接，而不是判断名称是否“听起来”正确。
公平地说，克劳德这背后并没有什么恶意。语言模型只是生成最可信的延续，有时最可信的延续是完全自信地交付的小说。但从阅读的角度来看，这种区别并没有带来多少安慰。自信和错误读起来就像自信和正确一样。
这篇文章是关于我用来帮助我审查 Claude 的错误和幻觉的系统：一个在 GitHub Actions 中运行的 Codex 代理，用于审查每个拉取请求。它会引导您完成我的设置，为什么跨提供商审查优于自我审查和人工阅读所有内容的审查，如何在审查循环中加强记忆和责任，我一路上收集的成本和可靠性知识，以及我用来完成这项工作的实际代码。
代理吞吐量打破了人工审核循环
洞察：幻觉是不变的，吞吐量是变化的。任何需要人工阅读每一行的流程都会限制代理的阅读速度，因此第一次审核必须自动化。
选择一位不存在作者盲点的审稿人
管道：普通工程中包含的一个 LLM 调用
那么我到底在使用什么呢？他们查看的存储库中存在两个文件：