Not translated yet — showing the Chinese originals.

Industry & Practice · Tools & Frameworks

Newest firstOldest first

RSS

Newest firstOldest first

Choosing and combining specific tools: when to reach for one, what it pairs with, where it bites.

Show everything

Tools & Frameworks2026-10-0611 min
Inspect 多智能体：工作流、工具调用和交接怎么选
英国 AI Security Institute 的 Inspect 文档：多智能体可以是交接、显式工作流，或把智能体当工具。建议先用 react 基线，再比多智能体。说明 run 不回写求解器状态，以及交接过滤。
Tools & Frameworks2026-10-0612 min
Inspect 人工 Agent：用同一套沙箱给智能体任务做人类基线
英国 AI Security Institute 的 Inspect 文档：human_cli 不跑模型循环，而是让人登录同一沙箱提交答案。说明任务命令、中途评分、终端录制和无界面登录。
Tools & Frameworks2026-10-0610 min
Inspect 扫描器：在评测记录里找拒绝、评测意识和奖励破解
英国 AI Security Institute 的 Inspect 文档：扫描器读评测记录，发现写到 scans/ 而不是嵌进日志。说明在线扫描、离线 scout scan、把扫描器当评分器，以及 llm_scanner 和 grep_scanner。
Tools & Frameworks2026-10-068 min
Inspect 工具基础：把 Python 函数登记成模型能调用的工具
英国 AI Security Institute 的 Inspect 文档：用 @tool 把 Python 函数登记成工具，经 use_tools 交给模型。说明标准工具、MCP、类型注解为何必填，以及模型并不直接调用函数。
Tools & Frameworks2026-10-044 min
Inspect 评分系统入口：八篇文档各自管哪一段
Inspect 的评分页把原始输出收成 Score，再汇总成指标。这一页按原表指向标准评分器、自定义评分器、失败如何入账、模型评分、指标、多个评分器、补评分，以及困惑度。
Tools & Frameworks2026-10-0412 min
Inspect 的 ReAct Agent：工具循环、多次尝试和上下文压缩
Inspect 把 ReAct 当作评测更复杂 Agent 的基线：工具循环直到 submit()，默认 1 次尝试，可用评分器允许多次重试，并用压缩或截断对付超长上下文。压缩只改模型看到的输入，完整历史仍保留。
Tools & Frameworks2026-10-048 min
Inspect 里的 Agent：同一组件可以当求解器、工具或交接对象
英国 AI Security Institute 的 Inspect 文档说明 Agent 协议：同一个 Agent 可以当任务求解器、用 run() 单独跑、用 as_tool() 当工具，或用 handoff() 把整段对话交给另一个 Agent。
Tools & Frameworks2026-10-0412 min
Inspect 自定义评分器：Score、未评分样本和评分模型
英国 AI Security Institute 的 Inspect 文档：自定义评分器接收 TaskState 和 Target，返回 Score。说明 value 的 C/I/P/N、返回 None 与 Score.unscored() 的差别，以及用 grader 角色调用模型。附 close_enough、includes 和 model_graded_qa 的代码。
Tools & Frameworks2026-10-0312 min
Inspect 模型评分：开放式回答怎么打分，以及怎么避免被带偏
Inspect 的 model_graded_qa 用另一个模型给开放式回答打 GRADE: C 或 GRADE: I。文档说明模型选择顺序、模板变量、固定标准与逐题标准、多数投票、等级抽取如何防注入，以及用 temperature=0 和 seed 让评分更可复现。
Tools & Frameworks2026-10-0316 min
Inspect 入门：用任务、求解器和评分器搭起一次评测
英国 AI Security Institute 的开源评测框架 Inspect：一次评测由数据集、求解器和评分器组成。教程按原顺序演示模型评分、选择题、沙箱中的工具 agent、自定义等价评分、自定义工具、日志数据框、现成编码 agent、eval_set 续跑，以及用扫描器复查拒绝回答。
Tools & Frameworks2026-09-287 min
AI GUI 测试的社区与工具：从视觉驱动到传统平台增强
视觉驱动的 Midscene、browser-use、UI-TARS，和做元素自愈、视觉回归的 Testim、Applitools、testRigor，解决的不是同一件事。这篇按执行、感知和断言把它们分开。
Tools & Frameworks2026-09-278 min
CodexQA该不该拿来画仓库地图
code-wiki 把仓库收成可核对的符号图。助手只能按 JSON 填页面，不能补仓库里没有的边。聚类算法不公开源码。
Tools & Frameworks2026-09-262 min
一句话驱动真机：Google 开源的 Android 自动化项目 ARTEMIS
ARTEMIS 把自然语言收成 Android 真机上的操作，并能通过 MCP 接到常见 AI IDE。本文按公开介绍改写它的能力边界、启动方式和手机会多出的辅助服务。