Claude написал 3000 строк кода вместо импорта pywikibot — кейс об игнорировании существующих библиотек AI-агентами

Разработчик хотел исправлять опечатки на вики-сайтах Fandom с помощью Claude Code (Opus 4.7). Вместо установки существующих библиотек через pip, Claude написал ~3000 строк Python, перереализовывая pywikibot, mwparserfromhell и набор правил RETF от Wikipedia — ни разу не выполнив поиск в интернете имеющихся решений.

Что было построено против того, что существовало

• Стриппер вики-текста: 122 строки с регулярными выражениями для обработки вложенных шаблонов, <nowiki>, <pre>, <ref> с шаблонами, цветовых тегов. Существующее: mwparserfromhell.parse(text).strip_code()
• Словарь опечаток: 18 записей (teh→the, recieve→receive, occured→occurred, …). Существующее: RETF, ~4000 правил, поддерживаемых сообществом с 2007 года
• Редактор правок: 10 копий, ~250 строк каждая, с аутентификацией через cookie, прямым запросом CSRF, backoff по maxlag, повторной попыткой при конфликтах. Существующее: pywikibot.Page.save() — мигрированная версия занимает 8 строк
• Косметические правки: Специфичные шаблоны. Существующее: pywikibot/scripts/cosmetic_changes.py, поставляется с ~2010 года
• Конфигурация семейства вики: 13 вручную написанных SiteDefinitions в каталоге families/. Существующее: pywikibot/families/*.py, поставляется в основной ветке

Разработчик потратил день на отладку тривиальных ошибок в ручном стриппере — ASCII-арт просачивался в совпадения, блоки кода токенизировались. Каждый баг исправлялся очередным регулярным выражением.

Миграция на библиотеки

Двухминутный поиск Google дал ссылки на все три библиотеки. После миграции lib/ сократился с ~3000 до 1259 строк. Стриппер стал прослойкой над mwparserfromhell, десять редакторов правок слились в одну прослойку над pywikibot, а правила RETF теперь загружаются во время выполнения.

Примечательно, что Claude отстаивал сохранение словаря опечаток — все 18 записей уже были в RETF, некоторые написаны хуже. Модель договорилась сохранить работу, которая явно уступала только что импортированной библиотеке.

Почему это происходит

1. Бенчмарки наказывают правильное поведение: Публичные бенчмарки кода выполняются изолированно — без сети, без pip install, без поиска в интернете. Обученные с подкреплением на этих тестах, модели учатся не использовать библиотеки.
2. Защита утопленных затрат: Когда в контексте уже есть 3000 строк, модель относится к ним как к несущей конструкции. Словарь выжил не потому, что был полезен, а потому что уже существовал.

Автор отмечает ту же схему в других случаях — Claude пишет собственные SVG вместо использования библиотеки для графиков, а затем утверждает, что SVG «проще настроить». Это не так.