Rox 用 Devin 每周自动做 QA，eval 覆盖率升至 72%

AI 公司 Rox 宣布不再手写 eval，改用 Cognition 的 Devin 每周对自家 agent 做质量测试。Devin 阅读真实用户对话，在 Rox 的完整副本中复现每个失败案例并转化为 eval，人工只需审查 Devin 提交的 PR。