10 月 coding-agent 圈风向变了：不卷"写代码"，开始卷"审代码"

Medium 专栏《Context Window》10 月刊今天（10 月 21 日）更新，复盘了 10 月 coding-agent 圈三个值得抄作业的变化：

第一，Anthropic Code Review 进入 GA，按仓库设 Quick / Standard / Deep 三档。当 agent 写了一半 PR，瓶颈不再是"写"，是"读代码"——review 正在变成 agent 工作流的标配环节。

第二，Hamel Husain 和 Shreya Shankar 出了一套 evals skill pack。方法论很实在：先读真实 trace 做错误发现，再用人标去校准 LLM judge。做 eval 别一上来就写 judge，先看看真实失败长什么样。

第三，TypeSafe 给 Claude Code 做的 skill：把 agent"一次只问一个问题"的毛病改掉，13 个问题一次问完。他家 cookbook 称账单降了 12.2 倍——这是厂商自报数据，听个方向就行。

还有一个扎心的工程 takeaway：便宜模型先挂掉的时候，你的 pipeline 会静默停摆。所以给每个 checker 设一个"沉默时的默认值"，别让它悄悄死。

降调：这是一份独立观察者的月度 digest，结论都注明转述自 X 原帖；12.2 倍为厂商自家数据，按转述处理，不写成定论。

独立分析：三件事指向同一个趋势——agent 写代码已经够用了，现在稀缺的是"可信地检查"。对读者来说，evals 先读 trace、批量提问省 token，都是今天就能用的技巧；Code Review 的三档设置，也可以对照着给自己的仓库配一套。

可信度：digest 类单方转述；引用的原始出处（X 原帖、厂商 cookbook）已在文中注明。