Claude Code: 13 секретов создателя для написания 100% кода нейросетью

Claude Code: 13 секретов создателя для написания 100% кода нейросетью

Представьте, что вы можете делегировать 100% написания кода искусственному интеллекту, оставив за собой лишь роль архитектора и ревьюера. Это звучит как утопия или маркетинговое обещание, но для создателя Claude Code, Бориса Черного, это повседневная реальность. В конце 2024 года он сделал громкое заявление: последние 30 дней весь его код, включая контрибьюты в сам Claude Code, был написан нейросетью.

Многие разработчики используют ИИ-ассистентов как продвинутый автокомплит, но упускают из виду глубокие системные настройки, которые превращают чат-бота в полноценного автономного инженера. Здесь кроется секрет продуктивности: дело не в том, что вы просите сделать ИИ, а в том, какую среду вы для него создали. Понимание того, как автор инструмента эксплуатирует свое детище, открывает доступ к приемам, которые экономят часы рутинной отладки.

Ключевые идеи (Key Takeaways)

  • Автономия через обратную связь: Качество кода Claude возрастает в 2–3 раза, если у него есть доступ к feedback loop (тестам, bash-командам или браузеру) для самопроверки.
  • Системный подход к ошибкам: Использование файла CLAUDE.md для фиксации правил после каждой ошибки предотвращает их повторение в будущем.
  • Параллелизм сессий: Эффективная работа строится на одновременном запуске до 5 терминальных сессий с уведомлениями, что исключает простои в ожидании ответа.
  • Инструментальный стек MCP: Интеграция через Model Context Protocol (MCP) позволяет Claude взаимодействовать со Slack, Sentry и базами данных напрямую.

Вот в чем фишка: большинство пользователей боятся давать Claude слишком много свободы. Борис же, напротив, выстраивает максимально прозрачную и автоматизированную систему взаимодействия. Узнайте больше о том, как современные предприниматели внедряют такие технологии, в телеграм-канале "Олег Тестов | Соло-фаундер в найме", где разбираются реальные кейсы автоматизации.

Как организовать рабочее пространство для максимизации результата?

Первый шаг к продуктивности — это отказ от последовательной работы. Борис запускает до 5 сессий Claude параллельно прямо в терминале. Это позволяет не ждать, пока одна сложная задача будет решена. Каждая вкладка пронумерована, а системные уведомления настроены так, чтобы сигнализировать пользователю, когда модели требуется ввод или уточнение.

Но это только половина дела. Интересно, что работа не ограничивается только терминалом. Создатель Claude Code активно комбинирует локальные сессии с веб-интерфейсом claude.ai/code и даже мобильным приложением. Это создает бесшовный поток: вы можете начать сложную архитектурную задачу на десктопе, а проверять статус выполнения или вносить мелкие правки по пути на встречу с телефона.

Для выбора модели Борис придерживается консервативной, но эффективной стратегии: использование исключительно самой мощной модели (на текущий момент это Opus 4.5 с функциями логического вывода — reasoning). Безусловно, это медленнее, чем использование Sonet, но экономия достигается за счет качества: модель лучше работает с инструментами (tool use) и требует в разы меньше правок от человека.

Как Claude Code обучается на собственных ошибках?

Одной из самых недооцененных фишек является использование файла CLAUDE.md. Это живой документ, который служит "памятью" проекта. Как только Claude допускает ошибку в логике или стиле, команда вносит новое правило в этот файл.

Метод настройки Инструмент / Файл Результат
Накопление базы знаний CLAUDE.md ИИ больше не повторяет прошлые архитектурные ошибки.
Автоматизация команд .claude/commands/ Slash-команды для мгновенного запуска сложных воркфлоу.
Безопасность и доступы .claude/settings.json Пре-авторизация команд без риска для системы.
Интеграция сервисов .mcp.json Связь со Slack, BigQuery, Sentry через протокол MCP.

Но есть один нюанс: файл правил обновляется не только вручную. Команда интегрирует его в процесс код-ревью, тегая агента через @claude непосредственно в комментариях. Это создает цикл непрерывного обучения модели в контексте конкретной кодовой базы.

Почему режим Plan mode критически важен?

Многие сразу бросаются в режим написания кода, но автор советует начинать с Plan mode. Процесс выглядит так:

  1. Сначала с Claude обсуждается итеративный план решения задачи до тех пор, пока он не станет идеальным в глазах разработчика.
  2. Затем включается режим авто-принятия правок (auto-accept edits mode).
  3. Благодаря четкому плану, задача часто решается за один проход без промежуточного контроля.

Для тех, кто стремится не просто писать код, а строить на этом бизнес, крайне важно понимать такие тонкости. Если вы ищете способ оптимизировать свою разработку, загляните в телеграм-канал "Олег Тестов | Соло-фаундер в найме", где собраны лучшие практики по созданию IT-продуктов в одиночку.

Часто задаваемые вопросы (FAQ)

Безопасно ли разрешать Claude Code запускать команды в терминале автоматически?

Борис Черный рекомендует использовать файл settings.json для предварительного одобрения безопасных команд, вместо того чтобы полностью отключать проверки безопасности. Это позволяет автоматизировать рутину, сохраняя контроль над критическими операциями.

Как Claude проверяет качество написанного кода без участия человека?

Для этого используются "сабагенты" и хуки (hooks). Например, фоновый агент может проверять приложение end-to-end, а PostToolUse hook автоматически форматирует код, чтобы избежать ошибок в CI-пайплайне.

Можно ли использовать Claude Code для интеграции с внешними сервисами вроде Jira или Slack?

Да, через протокол MCP (Model Context Protocol). Все конфигурации для внешних инструментов хранятся в файле .mcp.json, что позволяет Claude напрямую читать алерты из Sentry или писать сообщения в Slack.

Как обеспечить 100% точность выполнения задач?

И здесь мы подходим к самому главному инсайту от создателя инструмента: Feedback Loop. Согласно данным Бориса, наличие механизма обратной связи увеличивает качество результата в 2–3 раза. Недостаточно просто дать задачу — нужно дать инструменты для самопроверки.

Это может быть доступ к執行 тестов, запуск bash-команд для проверки состояния системы или даже открытие UI в headless-браузере. Если Claude видит ошибку выполнения теста, он исправляет её сам, не дожидаясь вашего комментария. Именно этот закрытый цикл делает возможным написание 100% кода нейросетью.

В конечном итоге, будущее разработки — это не замена программиста, а трансформация его в оператора сложной системы агентов. Используя наработки Бориса Черного, вы сокращаете дистанцию между идеей и реализацией, минимизируя время на борьбу с синтаксисом и багами. Подобная трансформация сознания и рабочих процессов — залог успеха современного инженера.

Готовы автоматизировать свою работу и жизнь?

Узнайте, как эффективно совмещать разработку, управление проектами и ИИ-инструменты → Подписаться на канал Олега Тестова

Read more

План А: как спасти человечество от гонки ИИ-вооружений

План А: как спасти человечество от гонки ИИ-вооружений

Мир стоит на пороге технологической сингулярности, и вопрос уже не в том, когда появится сверхразум, а в том, как человечество переживет момент его рождения. Создатели нашумевшего проекта AI 2027 представили новый сценарий будущего под названием «Plan A» — амбициозный манифест по предотвращению глобальной катастрофы. Пока ведущие державы наращивают вычислительные мощности в

Как скрыть ИИ: 5 способов изменить ритм текста для обхода детекторов

Как скрыть ИИ: 5 способов изменить ритм текста для обхода детекторов

Вы наверняка это чувствовали: читаешь статью, и внутри срабатывает тихий звоночек. Вроде бы все грамматически верно, факты на месте, но текст ощущается «пластиковым». Это «запах» нейросети. Сегодня детекторы ИИ и обычные читатели стали невероятно чуткими к определенным паттернам, которые выдают машину с потрохами. Проблема не в использовании ChatGPT как таковом,

7 техник промптинга от Anthropic: как получать умные ответы от ИИ

7 техник промптинга от Anthropic: как получать умные ответы от ИИ

Каждый, кто активно работает с нейросетями, рано или поздно сталкивается с «эффектом плато»: ответы становятся предсказуемыми, плоскими и лишенными той глубины, которая необходима для серьезных исследовательских или бизнес-задач. Проблема не в модели, а в подходе к постановке задачи. Когда мы просим ИИ «просто решить проблему», мы получаем усредненный результат из

7 способов сохранить лицо в ИИ-видео: решаем проблему за 30 секунд

7 способов сохранить лицо в ИИ-видео: решаем проблему за 30 секунд

Вы провели часы, оттачивая промпт, выбрали лучшую модель, нажали «Сгенерировать», и первый кадр выглядит потрясающе. Но к третьему шоту ваш главный герой внезапно меняет черты лица, освещение в комнате превращается из дневного в закатное, а одежда живет своей жизнью. Знакомая ситуация? Виртуальная «преемственность» (continuity) — это главная стена, о которую разбиваются