Windsurf(@windsurf_ai)· Devin Developers (@devindevelopers)·· 1 天前AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
如何用 Devin 从生产流量自动生成 eval
How to use Devin to automate evals from production traffic.
AI 导读
Rox 团队不再手写 eval，改由 Devin 每周基于真实流量做 QA：读取与 agent 的真实对话，在 Rox 的完整副本中复现每次失败并转成 eval，团队只审核 PR。
来源：Windsurf(@windsurf_ai) · x.com