Lance Martin

Lance Martin arbeitet bei «Anthropic», wo er als Developer Advocate beschrieben wird, und beide Notizen, die seinen Namen tragen, behandeln die Mechanik des guten Betriebs von Claude statt der Modelle selbst. Der Beitrag vom Februar 2026 erklärt Prompt Caching über die Claude API: gecachte Tokens kosten 10% des normalen Preises, die Messages API ist zustandslos, sodass ein Agent bei jeder Runde seinen gesamten Verlauf neu verpackt, und `cache_control` erzeugt einen kryptografischen Hash jedes Content-Blocks bis zu einem Breakpoint, auf den Workspace begrenzt, mit einem Lookback von höchstens 20 Blöcken. Der neue «auto-caching»-Modus verschiebt diesen Breakpoint automatisch zum letzten cachefähigen Block, während die Konversation wächst. Martin zitiert @peakji von Manus, der die Cache-Hit-Rate als die wichtigste Metrik für einen produktiven KI-Agenten bezeichnet.

Der Beitrag vom September 2026, auf claude.dev, befasst sich mit Evaluationsdesign und Hillclimbing und fügt der claude-api-Skill in «Claude Code» `/claude-api build-eval` und `/claude-api hillclimb` hinzu. Seine beiden Empfehlungen drehen sich beide darum, sich selbst nichts vorzumachen: Fälle auswählen, deren Schwierigkeit ein Mensch erklären kann, und eine Stichprobe bewerteter Transkripte lesen, bevor man dem Grader vertraut. Adversariales Sampling von Fällen, an denen das aktuelle Modell scheitert, misst den Fehlerfußabdruck dieses Modells, nicht die Schwierigkeit.

Was beide verbindet, ist die Weigerung, das Harness als kostenlos zu behandeln. Caching ist eine ablesbare Kostenlinie; eine Eval ist eine Messung, die unauffällig lügen kann, und Martins Abhilfen für beides sind prozedural.