Claude Code-Maker Onthult Werkstroom, Ontwikkelaars "Raken in Paniek"

Verenigde Staten - Ekhbary Nieuwsagentschap

Claude Code-Maker Onthult Werkstroom, Ontwikkelaars "Raken in Paniek"

Wanneer de maker van 's werelds meest geavanceerde codeeragent spreekt, luistert Silicon Valley niet alleen – het neemt notities. De afgelopen week heeft de engineeringgemeenschap een thread op X (voorheen Twitter) van Boris Cherny, de maker en hoofd van Claude Code bij Anthropic, ontleed. Wat begon als een informele deling van zijn persoonlijke terminalconfiguratie, is snel geëvolueerd tot een viraal manifest over de toekomst van softwareontwikkeling, waarbij insiders uit de industrie het beschouwen als een keerpunt voor de startup.

De opwinding rond Cherny's onthullingen is tastbaar. "Als je de best practices van Claude Code niet rechtstreeks van de maker leest, loop je achter als programmeur", schreef Jeff Tang, een prominente stem in de ontwikkelaarsgemeenschap, waarmee hij de waargenomen waarde van Cherny's inzichten benadrukte. Kyle McNease, een andere invloedrijke branchewaarnemer, versterkte dit sentiment en verklaarde dat Anthropic met Cherny's "game-changing updates" "in vuur en vlam staat" en mogelijk "hun ChatGPT-moment" ervaart.

De kern van de opwinding ligt in een fascinerende paradox: Cherny's workflow is opmerkelijk eenvoudig in zijn concept, maar stelt een enkel individu in staat om te opereren met een productiecapaciteit die doorgaans wordt geassocieerd met een kleine engineeringafdeling. Een gebruiker op X beschreef de ervaring na het implementeren van Cherny's setup als "meer als Starcraft" dan traditioneel coderen. Deze analogie onderstreept een fundamentele verschuiving van het handmatige, op syntaxis gebaseerde codeerproces naar een meer strategische, command-georiënteerde interactie met autonome AI-agenten.

Dit artikel duikt in de workflow die de manier waarop software wordt gebouwd, opnieuw vormgeeft – rechtstreeks van de architect. Het onderzoekt hoe het gelijktijdig uitvoeren van meerdere AI-agenten het codeerproces transformeert in iets dat lijkt op een real-time strategiespel.

AI-agenten Orkestreren voor Maximale Productiviteit

De meest opvallende onthulling van Cherny is zijn afwijking van lineaire codeerpraktijken. De traditionele "inner loop" van ontwikkeling omvat dat een programmeur een functie schrijft, deze test en vervolgens doorgaat naar de volgende. Cherny gedraagt zich echter meer als een dirigent of een vlootcommandant, die meerdere AI-assistenten tegelijkertijd beheert.

"Ik draai 5 Claude parallel in mijn terminal", onthulde Cherny. "Ik nummer mijn tabbladen van 1 tot 5 en gebruik systeemberichten om te weten wanneer een Claude input nodig heeft." Door gebruik te maken van iTerm2 systeemberichten, beheert Cherny efficiënt vijf gelijktijdige werkstromen. Terwijl bijvoorbeeld een AI-agent een testsuite uitvoert, kan een andere een legacy module refactoren en een derde documentatie opstellen. Daarnaast draait hij ook "5-10 Claude op claude.ai" in zijn browser, waarbij hij een "teleport" commando gebruikt om sessies naadloos over te zetten tussen de webinterface en zijn lokale machine.

Deze aanpak valideert krachtig de "doe meer met minder" strategie die onlangs is gearticuleerd door Anthropic President Daniela Amodei. In schril contrast met concurrenten zoals OpenAI, die enorme infrastructuuruitbreidingen nastreven, toont Anthropic aan dat superieure orkestratie en intelligent gebruik van bestaande AI-modellen exponentiële productiviteitswinsten kunnen opleveren. Dit onderstreept een verschuiving in de concurrentiestrategie binnen het AI-landschap, gericht op efficiëntie en synergie in plaats van alleen op brute rekenkracht.

De Tegenintuïtieve Keuze: Het Langzaamste, Slimste Model

In een stap die contra-intuïtief kan lijken voor een branche die geobsedeerd is door snelheid en lage latentie, onthulde Cherny zijn exclusieve gebruik van Anthropic's krachtigste, zij het langzaamste, model: Opus 4.5. "Ik gebruik Opus 4.5 met denken voor alles", legde Cherny uit. "Het is het beste codeer model dat ik ooit heb gebruikt, en hoewel het groter en langzamer is dan Sonnet, omdat je het minder hoeft te sturen en het beter is in het gebruik van tools, is het bijna altijd sneller dan het uiteindelijk gebruiken van een kleiner model."

Dit inzicht is cruciaal voor leiders van bedrijfstechnologie. De primaire bottleneck in moderne AI-ontwikkeling is vaak niet de snelheid van token-generatie, maar de menselijke tijd die wordt besteed aan het corrigeren van AI-fouten. Cherny's workflow suggereert dat het accepteren van een hogere "rekenkrachtbelasting" voor een capabeler, intelligenter model vooraf de daaropvolgende "correctiebelasting" aanzienlijk kan elimineren, wat leidt tot een hogere algehele efficiëntie en een snellere time-to-market.

Continu Leren: Een Gedeeld Bestand voor AI-Geheugen

Cherny beschreef ook de innovatieve oplossing van zijn team voor het probleem van AI-"amnesie". Standaard grote taalmodellen missen vaak een persistent geheugen van specifieke codeerstijlen van een bedrijf of architecturale beslissingen tussen sessies.

Om dit te overwinnen, onderhoudt Cherny's team één enkel, centraal bestand genaamd CLAUDE.md in hun git-repository. "Telkens als we zien dat Claude iets verkeerd doet, voegen we het toe aan CLAUDE.md, zodat Claude weet dat hij het de volgende keer niet moet doen", schreef hij. Deze praktijk transformeert de codebase effectief tot een zelfcorrigerend, lerend organisme. Wanneer een menselijke ontwikkelaar een pull request beoordeelt en een fout ontdekt, corrigeert hij niet alleen de code; hij werkt ook het CLAUDE.md-bestand bij, waarin de AI wordt geïnstrueerd hoe soortgelijke fouten in de toekomst te vermijden. Zoals productleider Aakash Gupta opmerkte tijdens de analyse van de thread, "Elke fout wordt een regel." Hoe langer het team met deze methode met de AI samenwerkt, hoe intelligenter en meer afgestemd de agent wordt.

Automatisering via Slash-commando's en Sub-agenten

De zeer efficiënte "vanilla" workflow die lof heeft ontvangen, wordt aangedreven door rigoureuze automatisering van repetitieve ontwikkelings taken. Cherny maakt gebruik van slash-commando's en sub-agentconcepten om tijdrovende activiteiten te automatiseren, zoals het genereren van testgevallen, het maken van pull requests en het afhandelen van kleine bugfixes. Dit stelt menselijke ontwikkelaars in staat om hun cognitieve middelen te besteden aan de complexere probleemoplossende en creatieve aspecten van software-engineering, waardoor de grenzen van wat mogelijk is in AI-gestuurde ontwikkeling worden verlegd.

Ekhbary Nieuwsagentschap