Эффективный рабочий процесс с использованием Claude Code: планирование перед выполнением

Борис Тане описывает свой подход к использованию Claude Code для разработки, подчеркивая важность разделения планирования и исполнения. Эта методология основывается на ключевом принципе: никогда не позволять Claude писать код до тех пор, пока не будет рассмотрен и одобрен письменный план, что помогает избежать напрасных усилий и сохраняет архитектурную целостность.
Основные этапы рабочего процесса
Этап 1: Исследование
Каждое задание начинается с углубленного этапа исследования, на котором Claude направляется к полному пониманию соответствующих частей кодовой базы. Это понимание документируется в файле research.md, чтобы гарантировать осведомленность ИИ перед началом планирования. Это помогает выявить потенциальные системные проблемы, такие как игнорирование существующих кэш-слоев или непоследовательные реализации API.
Этап 2: Планирование
После исследования составляется детализированный план реализации в файле plan.md. Этот план включает тщательное объяснение подхода, необходимые фрагменты кода и пути модификации файлов. Тане подчеркивает использование конкретного открытого кода в качестве ссылки для функций, чтобы направить Claude в создании эффективных планов.
Цикл аннотирования
Критически важным для рабочего процесса Тане является цикл аннотирования, в котором он просматривает сгенерированные Claude планы в своем текстовом редакторе, что позволяет вносить тщательные правки и аннотации перед тем, как Claude приступит к генерации кода. Этот тщательный подход защищает от создания изолированных реализаций, которые могут нарушить окружающий код.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также

OpenSwarm: Многозадачный CLI-оркестратор Claude для Linear и GitHub
OpenSwarm координирует несколько экземпляров Claude Code CLI в качестве автономных агентов, которые получают задачи из Linear и запускают конвейеры Worker/Reviewer/Test/Documenter. Он использует LanceDB с мультиязычными эмбеддингами multilingual-e5 для памяти и включает управление через Discord-бота, автоматическое улучшение PR и веб-панель управления.
Альманах: ИИ-агент с самообновляемой вики компании
Almanac (YC S26) — это постоянно активный ИИ-агент, который собирает информацию о вашей компании из подключенных инструментов в вики, позволяя проактивно выполнять задачи и отслеживать их выполнение в долгосрочной перспективе. Он работает на собственном компьютере, подключается к Gmail, Slack и другим сервисам, и доступен с 7-дневным пробным периодом.

Динамика TrustLog: Демон на Python использует математику облигаций для уничтожения неконтролируемых ИИ-агентов
TrustLog Dynamics — это демон на Python, который отслеживает затраты на API ИИ-агентов в реальном времени и завершает процессы с помощью двух методов количественных финансов: обнаружение выпуклости для ускорения затрат и обнаружение нулевой дисперсии для механических циклов.

Агент-Xray: Инструмент с открытым исходным кодом для отладки сбоев ИИ-агентов на основе журналов трассировки
Agent-Xray — это инструмент с открытым исходным кодом под лицензией MIT, который анализирует журналы трассировки ИИ-агентов, классифицируя сбои по категориям, таким как spin, tool_bug и early_abort, и включает режим enforcement для тестирования исправлений на устойчивость к сложным задачам.