Создатель Claude Code раскрыл свой рабочий процесс, и разработчики "сходят с ума"

США - Информационное агентство Эхбари

Создатель Claude Code раскрыл свой рабочий процесс, и разработчики "сходят с ума"

Когда выступает создатель самого продвинутого в мире агента кодирования, Кремниевая долина не просто слушает — она записывает. Последнюю неделю инженерное сообщество разбирало ветку в X (ранее Twitter) от Бориса Черни, создателя и руководителя Claude Code в Anthropic. То, что началось как обычный обмен информацией о его личной настройке терминала, быстро превратилось в вирусный манифест о будущем разработки программного обеспечения, а инсайдеры отрасли назвали это поворотным моментом для стартапа.

Ажиотаж вокруг откровений Черни ощутим. "Если вы не читаете лучшие практики Claude Code напрямую от его создателя, вы отстаете как программист", — написал Джефф Тан, видный деятель сообщества разработчиков, подчеркивая ценность идей Черни. Кайл МакНис, еще один влиятельный наблюдатель отрасли, усилил этот настрой, заявив, что с "изменяющими правила игры" обновлениями от Черни, Anthropic "на подъеме" и, возможно, переживает "свой момент ChatGPT".

Суть ажиотажа заключается в увлекательном парадоксе: рабочий процесс Черни удивительно прост по своей концепции, но он позволяет одному человеку работать с производительностью, обычно ассоциируемой с небольшим инженерным отделом. Один из пользователей X, внедрив настройку Черни, описал этот опыт как "больше похожий на Starcraft", чем на традиционное кодирование. Эта аналогия подчеркивает фундаментальный сдвиг от ручного, основанного на синтаксисе процесса кодирования к более стратегическому, командно-ориентированному взаимодействию с автономными ИИ-агентами.

Эта статья посвящена рабочему процессу, который перестраивает способы создания программного обеспечения, непосредственно от его архитектора. Она исследует, как одновременное использование нескольких ИИ-агентов превращает процесс кодирования во что-то похожее на игру в жанре стратегии в реальном времени.

Оркестровка ИИ-агентов для максимальной производительности

Самое поразительное откровение Черни — это его отход от линейных методов кодирования. Традиционный "внутренний цикл" разработки включает написание программистом функции, ее тестирование и переход к следующей. Черни, однако, действует скорее как дирижер или командир флота, одновременно управляя несколькими ИИ-помощниками.

"Я запускаю 5 Claude параллельно в своем терминале", — рассказал Черни. "Я нумерую свои вкладки от 1 до 5 и использую системные уведомления, чтобы знать, когда Claude нужна вводная информация." Используя системные уведомления iTerm2, Черни эффективно управляет пятью одновременными рабочими потоками. Например, пока один ИИ-агент выполняет набор тестов, другой может рефакторить устаревший модуль, а третий — готовить документацию. В дополнение к этому, он также запускает "5-10 Claude на claude.ai" в своем браузере, используя команду "teleport" для бесшовной передачи сессий между веб-интерфейсом и его локальной машиной.

Этот подход полностью подтверждает стратегию "делать больше с меньшими затратами", недавно озвученную президентом Anthropic Даниэлой Амодеи. В отличие от конкурентов, таких как OpenAI, которые инвестируют огромные средства в инфраструктуру, Anthropic демонстрирует, что превосходная оркестровка и интеллектуальное использование существующих ИИ-моделей могут привести к экспоненциальному росту производительности. Это подчеркивает сдвиг в конкурентной стратегии в области ИИ, фокусируясь на эффективности и синергии, а не только на сырой вычислительной мощности.

Неочевидный выбор: самая медленная, но самая умная модель

В шаге, который может показаться контринтуитивным для отрасли, одержимой скоростью и низкой задержкой, Черни раскрыл свое эксклюзивное использование самой мощной, хотя и самой медленной, модели Anthropic: Opus 4.5. "Я использую Opus 4.5 с"мышлением " для всего", — объяснил Черни. "Это лучшая модель кодирования, которую я когда-либо использовал, и хотя она больше и медленнее Sonnet, поскольку ее нужно меньше направлять, и она лучше использует инструменты, в итоге она почти всегда быстрее, чем использование меньшей модели."

Это понимание крайне важно для руководителей технологических компаний. Основным узким местом в современной разработке ИИ часто является не скорость генерации токенов, а время, затрачиваемое человеком на исправление ошибок ИИ. Рабочий процесс Черни предполагает, что принятие более высокой "вычислительной наценки" за более способную и интеллектуальную модель с самого начала может значительно снизить последующую "наценку за исправление", что приведет к общей повышению эффективности и ускорению вывода на рынок.

Постоянное обучение: общий файл для памяти ИИ

Черни также подробно рассказал о новаторском решении своей команды для проблемы "амнезии" ИИ. Стандартные большие языковые модели часто не имеют постоянной памяти о конкретных стилях кодирования компании или архитектурных решениях между сессиями.

Чтобы преодолеть это, команда Черни поддерживает один центральный файл под названием CLAUDE.md в своем репозитории Git. "Каждый раз, когда мы видим, что Claude делает что-то неправильно, мы добавляем это в CLAUDE.md, чтобы Claude знал не делать этого в следующий раз", — написал он. Эта практика фактически превращает кодовую базу в самокорректирующийся, обучающийся организм. Когда человек-разработчик просматривает pull request и обнаруживает ошибку, он не просто исправляет код; он также обновляет файл CLAUDE.md, инструктируя ИИ, как избежать подобных ошибок в будущем. Как отметил лидер продукта Акаш Гупта, анализируя ветку, "Каждая ошибка становится правилом". Чем дольше команда сотрудничает с ИИ этим методом, тем умнее и согласованнее становится агент.

Автоматизация с помощью команд-слэшей и суб-агентов

Высокоэффективный "стандартный" рабочий процесс, получивший высокую оценку, обеспечивается строгой автоматизацией повторяющихся задач разработки. Черни использует команды-слэши и концепции суб-агентов для автоматизации трудоемких действий, таких как генерация тестовых случаев, создание pull request и обработка мелких исправлений ошибок. Это позволяет разработчикам-людям сосредоточить свои когнитивные ресурсы на более сложных задачах решения проблем и творческих аспектах разработки программного обеспечения, в конечном итоге расширяя границы возможного в разработке, управляемой ИИ.

Информационное агентство Эхбари