TLDR: ai-eval 是一套 Go 写的 Prompt 评估系统。把 Prompt 测试当单元测试跑——写 YAML 定义用例，配评估器（模式匹配、LLM Judge、RAG、Agent、安全检测），跑 pass@k 处理 LLM 的不确定性。带 Web API、Leaderboard、CI 集成，支持 MMLU/GSM8K/HumanEval 标准 Benchmark。

作者： stellarlinkstellarlink

用 Claude Code 跑自动化测试时遇到过这种情况吗？生成了一堆测试用例，跑完发现 Token 烧了不少，结果一半是废的——要么断言写错，要么压根定位不到元素。

Oh-my-opencode 最近太火了，我让 Claude Code 学习了一下，然后我就把它的核心移植到了 Claude Code。

agentsdk-go 是一个用 Go 实现的 Agent 开发框架，完整移植了 Claude Code 的七大核心能力（Hooks、MCP、Sandbox、Skills、Subagents、Commands、Plugins），并扩展了六层中间件拦截机制。相比 LangGraph 的黑盒架构和 Claude Agent SDK 的资源占用问题，agentsdk-go 提供了更透明的实现、更低的资源

从 6 月用 Claude Code 手动盯着干活,到 11 月云端触发,再到 12 月全自动开发流程,花了半年时间让 AI 从"需要人盯着"变成"自己能跑完"。