Когда речь заходит о том, как Anthropic использует Claude Code внутри собственной инженерной команды, обычно ждут маркетингового глянца. Но интервью с Тариком Шихипаром (@trq212), инженером команды Claude Code, вышедшее в подкасте Райана Питермана, устроено иначе — это разговор практика с практиком: что реально работает, где модель упирается в свои границы и почему в Anthropic код всё ещё пишут люди, просто по-другому.
Как Anthropic использует Claude Code внутри команды
Ключевой тезис интервью — разница между «модель» и «harness», то есть обвязкой вокруг модели: промптами, инструментами, циклами проверки. Шихипар объясняет, что качество результата определяет не столько сама модель, сколько то, как вокруг неё выстроен процесс. Это объясняет, почему у одной и той же модели в разных руках получается принципиально разный уровень автономности и надёжности — вопрос не в доступе к «более умной» версии, а в инженерии процесса вокруг неё.
Автономность ИИ в коде: сколько правок обходится без человека
Отдельный блок разговора — какая доля изменений кода в Anthropic делается полностью автономно, без правок человека на выходе. Это один из немногих внутренних ориентиров, по которым можно судить, насколько далеко компания, создающая сами модели, продвинулась в доверии к их самостоятельной работе. Тема пересекается с обсуждением computer use — практики, где модель управляет интерфейсами напрямую, а не только генерирует код.
Loop engineering и промпт-инжиниринг для сегодняшних моделей
Отдельная тема — loop engineering: выстраивание повторяющихся циклов «модель — проверка — правка», которые превращают разовый запрос в устойчивый рабочий процесс. Здесь же — практические советы по промпт-инжинирингу для текущего поколения моделей и честный вопрос, стоит ли вообще глубоко изучать особенности конкретной модели, если через полгода актуальным окажется следующее поколение. Ответ скорее прагматичный: разбираться стоит не в квирках модели, а в принципах построения процесса вокруг неё — они переносятся между версиями.
Как предотвратить поломки от кода, написанного ИИ
Больше объёма правок, генерируемых моделью, — это и больше риска непреднамеренных поломок. Anthropic делится тем, что реально работает: вопросы владения кодом (code ownership) и его сопровождения, видимость изменений для команды и практика «делиться своей работой» как способ раннего обнаружения проблем. Отдельно всплывает пример «luck surface area» — идея о том, что чем больше маленьких начинаний и экспериментов запускается, тем выше шанс, что один из них выстрелит; это ложится и на то, как в компании относится к автономным правкам моделей: не как к лотерее, а как к управляемому потоку попыток с быстрой обратной связью.
Кому это пригодится
Разговор адресован в первую очередь инженерным лидам и разработчикам, которые уже используют Claude Code или похожие агентные инструменты и хотят понять, куда двигаться дальше — не в сторону «доверить модели всё», а в сторону выстраивания процессов, которые делают доверие оправданным. Отдельный пласт — честный взгляд на вопрос, стоит ли новичкам вообще учиться программировать в эпоху, когда значительную часть кода пишет модель: команда Claude Code отвечает на него не абстрактно, а исходя из собственного опыта найма и онбординга.
Главный вывод интервью прост и от этого ценен: конкурентное преимущество в работе с ИИ-моделями сегодня даёт не эксклюзивный доступ к более мощной версии, а зрелость процесса вокруг неё — от loop engineering до культуры видимости изменений. Это ровно то, что можно перенимать уже сейчас, не дожидаясь следующего релиза модели.
Добавить комментарий