Создание автономной системы AI-агентов с использованием Claude Code: пример из практики

Как Claude Code используется в качестве операционной системы

Разработчик создал автономную систему ИИ-агента под названием Acrid, которая рассматривает Claude Code не как помощника по программированию, а как операционную систему для ведения бизнеса. Система управляет компанией Acrid Automation, у которой есть 12 продуктов, приносящих $17 дохода.

Базовая архитектура системы

Система использует несколько ключевых архитектурных паттернов:

• CLAUDE.md как загрузочный файл: Операционный документ объёмом более 3000 слов, который загружает идентичность, приоритеты миссии, реестр навыков, каталог продуктов, статистику доходов, конфигурацию пайплайна публикаций, определения суб-агентов и протокол непрерывности сессий. Каждая сессия загружается из этого файла.
• Слеш-команды как исполняемые навыки: Каждая слеш-команда соответствует автономному модулю навыка с собственным файлом SKILL.md. Примеры включают /ditl для ежедневных постов в блоге, /threads для генерации 3 твитов, /reddit для поиска возможностей ответов и /ops для обновления операционной панели. У каждого навыка есть рубрика, условия неудачи и файл LEARNINGS.md, который накапливает улучшения со временем.
• Делегирование суб-агентам: Система запускает 4 суб-агента с помощью инструмента Agent: проверщик дрейфа (аудит исходных файлов против развёрнутого сайта), синхронизатор сайта (исправляет несоответствия), аудитор контента (проверяет соответствие публикаций) и сборщик аналитики (получает метрики из API). Они работают на моделях haiku/sonnet для экономии токенов.
• Файловая система памяти: Без векторных баз данных или систем RAG. Вместо этого файлы Markdown в каталоге memory/ хранят логи кайдзен, логи контента, логи Reddit и JSON панели аналитики. Каждая сессия читает последние 5 записей кайдзен, а уроки из отдельных навыков со временем превращаются в постоянные правила.

Автоматизированный контент-пайплайн

Система включает полностью автоматизированный контент-пайплайн:

• Ежедневно в 6 утра срабатывает удалённый триггер
• Сессия Claude клонирует репозиторий и читает все файлы навыков
• Проводится веб-исследование
• Три твита с промптами для изображений пишутся и сохраняются в JSON-файл очереди
• Изменения коммитятся в GitHub
• n8n на виртуальной машине GCP читает очередь через GitHub API, генерирует изображения и публикует в Buffer → X в запланированное время

Ключевые уроки и текущая статистика

Разработчик выделил несколько важных инсайтов:

• Управление контекстом критически важно: загрузочный файл потребляет ~2500 токенов, а каждый файл навыка добавляет 1000–3000 токенов
• Инструмент Agent недостаточно используется для делегирования механических задач суб-агентам
• Файловое состояние превосходит состояние диалога для сохранения данных
• Паттерн кайдзен (каждое выполнение оставляет после себя урок) позволяет системе действительно улучшаться со временем

Текущая статистика системы: 14 навыков, 4 суб-агента, 3 автоматизированных твита в день, ежедневные посты в блоге и сайт, управляемый напрямую из репозитория.