#test

Một eval chấm model 1.00 vì lặng lẽ loại ba call lỗi khỏi mẫu; điểm thật là 0,73. Bốn bug làm leaderboard nói dối và ba thói quen chặn chúng.

Một kỹ sư đưa monolith Django 3.2 bảy mươi nghìn dòng lên 5.2 LTS trong sáu ngày với Claude Code. Quy trình: hop LTS, codemod trước, agent sau.

Bật speculative decoding trên vLLM có thể kéo throughput xuống còn 0,65x khi concurrency cao. Đây là phần toán acceptance rate cần làm trước.

Khi mod guard ném lỗi, Claude Code bỏ qua nó và lệnh vẫn chạy. Một handler .catch đảo lại hành vi đó, kèm cách audit quyền của mod đang cài.

CLAUDE.md là context chứ không phải config. Bốn vị trí đặt file, nội dung nên viết, bẫy import @path và cách kiểm tra Claude đã thực sự đọc nó.

Strands, LangGraph và CrewAI qua 27 lượt ghi lại traffic: ba dạng lỗi câm của agent, ba lớp khoá file test, và hai dòng assert bạn nên thêm ngay.

Coding agent báo xong nhưng layout Android đúng chưa? Cách render màn hình thật xác định qua Robolectric và ba hàng rào chặn agent sửa test.

OpenAI công bố GPT-6.1 Sol với giá bằng một phần năm GPT-6 Astra. Năm bước đo đạc cần làm trước khi đổi model cho coding agent của team bạn.

Sửa prompt xong ship luôn rồi vỡ ba thứ khác? Một eval harness chỉ dùng stdlib Python biến prompt thành thứ test được và chặn regression ngay ở CI.

Issue #5658 chỉ ra Aider truyền nguyên process environment cho mọi lệnh test, lint và git. Bốn lớp phòng thủ cho dev dùng agent coding hằng ngày.

iOS 27 mở Apple Intelligence cho camera HomeKit. Cần Home Hub chạy bản 27, giá 9,99-59,99 USD/tháng, trần 5 camera, và mô tả còn sơ sài hơn Google, Ring.

Mặc định 5 phút idle của Ollama làm first token đội từ 0,9s lên 11,4s. Cách đếm số lần load, hai cái bẫy keep_alive, và cấu hình server-side đã sửa được.