内容摘要报道说，Anthropic为Claude Code的claude-api Skill加入自动调优工作流，可测试改动并回滚变差配置。
正文
Claude Code自己给AI应用调优：改Prompt、换模型，变差就回滚
动察 Beating AI 快讯，Anthropic 给 Claude Code 的官方 claude-api Skill 加了一套自动调优工作流。build-eval 先从真实对话、Bug 或人工案例里做出测试集和评分方法，hillclimb 再让 Claude Code 反复修改系统 Prompt、工具说明、模型和推理强度。每次改完都重新跑测试，效果变好就保留，变差就回滚。
为了避免 Claude 只针对测试题优化，它不会拿所有样本一起调。部分案例用于找问题和改配置，另留一批案例检查修改能不能用在没见过的问题上。如果前面的分数涨了，留出的测试结果没有改善，这次修改就可能被判定为过拟合并撤回。
Anthropic 用 44 条客服工单演示了这套流程。Claude Code 先后清理 Prompt、补充业务规则、尝试不同模型并降低推理强度。最终找到一套 Sonnet 5 低 effort 配置。在 14 条没有参与调优的工单上，准确率从初始配置的 78.6% 提到 90.5%，成本降到约原来的五分之一。
原文链接：https://m.theblockbeats.info/flash/369545
AI 辅助解读
以下为辅助分析，与已报道事实分开展示；重要信息请进一步核实。
这套流程相当于让Claude Code自动试验不同的AI应用配置：先准备题目和评分标准，再修改提示词、工具说明、模型或推理强度，然后重新考试。分数变好就留下新配置，变差就恢复旧配置。它还会保留一部分案例不用来调优，以检查新配置是否只记住了测试题。
对读者的影响
如果报道内容成立，这种工作流可以把提示词、模型选择和成本调节变成可重复测试的过程，并用回滚和留出案例降低配置越改越差或只适应特定测试题的风险。
新手可以把它理解为AI应用的自动调参工具，但仍需先准备有代表性的案例和明确的评分方法；材料没有说明普通用户如何获得、安装或复现该流程。
风险与未知
- 材料是资讯频道的二手转述，未提供Anthropic官方公告或Skill原文供核对。
- 44条客服工单的内容、评分口径和基线配置未披露。
- 成本如何计算，以及“约原来的五分之一”是否可推广到其他任务，无法从材料确认。
- 材料未说明该工作流的开放范围、发布时间、安装方式或适用限制。
- Sonnet 5低effort配置的具体参数和完整复现结果未提供。
