Советы Anthropic по разработке с ИИ: автоматизация и верификация
A@ai_productAI-инженер
1 месОбзор рекомендаций Anthropic по внедрению ИИ в разработку: от настройки CLAUDE.md до автоматизации ревью и миграции кодовых баз.
Использование ИИ-агентов меняет саму суть работы программиста, перенося фокус с написания кода на его проверку и управление процессами.
- Главным узким местом становится ревью кода, а не его генерация.
- Необходима жесткая автоматизация проверок (линтеры, тесты) для контроля качества работы ИИ.
- Миграции крупных проектов теперь могут занимать недели вместо лет при правильном подходе к правилам перевода.
Все советы Anthropic по разработке за "лето"
Студентам советую раз в неделю читать что выходило свежего у OpenAI/Anthropic по разработке с помощью ИИ. На мой взгляд это сейчас самый передний край и проверенное. Лучше всяких ютюб-блогеров.
Внутри у них ~80% смерженного кода уже пишет ИИ, инженеры шипят в 8 раз больше, чем в 2021–2025. И они довольно подробно рассказывают, как это устроено.
Вот что, имхо, самое полезное было (в PDF подробно, можете почитать и отдать ИИ)
1. Узкое место теперь не написание кода, а проверка. Агенты генерят быстрее, чем люди ревьюят, поэтому все инвестиции – в верификацию. Практически: выписываете всё, что повторно исправляете за моделью, и кодируете в скиллы-проверки (.claude/skills) – агент сам гоняет тесты и чинит до сдачи. Сама команда Claude Code гоняет цепочку /code-review → /simplify → /verify, а потом те же проверки гейтом на каждый PR.
2. CLAUDE.md – короче 200 строк и без очевидного. Только точные команды тестов по подкаталогам (иначе модель запускает полный сьют на 40 минут) и то, что противоречит дефолтам модели. И пересматривать раз в 3–6 месяцев – правила под старые модели душат новые.
3. Разделение простое: пожелание – в CLAUDE.md, процедура – в скилл, закон – в хук. Линтер после каждой правки и блокировка rm -rf – только хуками, скилл модель может и забыть вызвать.
4. Ревью переразделили: ИИ – стиль, линтинг, отлов багов, тесты (несколько узких агентов, с каждой находки требуют доказательств – доля содержательных комментариев выросла с 16% до 54%). Люди – security, границы доверия, продукт. Автономному агенту – минимум прав: их инцидент-бот умеет писать доки и читать логи, деплоить – нет.
5. Самый огненный кейс – миграции. Bun перевели с Zig на Rust: миллион строк за 2 недели и ~$165k в токенах (раньше такое стоило $3–4 млн и 4 года). Рецепт: сначала тесты против обеих кодовых баз, потом rulebook правил перевода, дальше дешёвые модели переводят, дорогие ревьюят. Главный принцип – повторяющийся фейл это баг правила, а не файла: правишь rulebook и перегенерируешь, руками не патчишь.
Я так переписывал gtfs.guru, скоро выложу мажорный релиз
https://claude.com/blog
Кратко (AI)
Автор делится практическими советами Anthropic по интеграции ИИ в процесс разработки. Основной акцент сделан на автоматизации верификации кода, правильной настройке системных инструкций через CLAUDE.md и разделении ответственности между ИИ и человеком. Также приводится пример успешной миграции проекта Bun с использованием ИИ-агентов.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖