Un potenziale partner ha chiesto i nostri numeri di riferimento. All'epoca, i benchmark ci posizionavano dietro ad altri agenti. Abbiamo trascorso un weekend a sistemare la situazione: abbiamo confrontato Cline con i 89 compiti reali di Terminal Bench, diagnosticato ogni fallimento e inviato le correzioni. 47% → 57%.

Abbiamo scritto il processo esatto: come abbiamo impostato la pipeline di valutazione, i modelli di fallimento che abbiamo trovato e le soluzioni che hanno fatto la differenza. Il metodo (hill climbing) funziona con qualsiasi agente, non solo con Cline. Guida completa: