Пока обычные люди еще изучают «самые мощные заклинания для промптов», ведущие лаборатории Силиконовой долины уже превратили инфраструктуру ИИ в производственную линию.

Автор статьи, источник: Новости ИИ

Вы всё ещё повторяете запросы в чате ChatGPT?

Недавно пользователь X опубликовал твит, начинающийся с восклицания: Утечка шаблона проекта Claude Code, которым тайно пользуются крупные компании!

Это уже не написание подсказок. Это инфраструктура AI-инженерии.

Вся стратегия строится вокруг файла «CLAUDE.md», и его основные принципы всего три:

Каждый раз, когда Claude ошибается → вы добавляете правило; каждый раз, когда вы повторяете себя → вы добавляете рабочий процесс; каждый раз, когда возникает ошибка → вы добавляете барьер.

Это позволяет закрепить опыт проекта в виде долгосрочного контекста и автоматизированных ограничений, которые будут загружаться при каждом запуске.

Вся архитектура, как штатное расписание AI-компании: CLAUDE.md — это руководство для новых сотрудников, skills/ — стандартные операционные процедуры, hooks/ — юридический отдел, docs/ — устав компании, tools/ — административная служба, src/ — настоящий бизнес-отдел, который реально выполняет работу.

Вы больше не общаетесь с ИИ, а создаете ИИ, который понимает ваш репозиторий кода.

Самое безумное в этом то, что вам нужно настроить это только один раз — Claude будет автоматически проверять код, перестраивать его по инструкциям, применять архитектурные правила, писать релизные заметки, запускать рабочие процессы из навыков и запоминать прошлые ошибки.

И он станет умнее с каждым использованием.

Большинство людей открывают ChatGPT, пишут промпты, копируют и вставляют, повторяя это снова и снова; однако с этой методикой вам достаточно открыть терминал и запустить уже готовый код навыка.

Это как завести команду AI-коллег в своей собственной кодовой базе.

За этим твитом скрывается небольшой сигнал того, что эпоха тихо заканчивается, и большинство людей пока не осознали этого.

«Скриншот утечки», не являющийся утечкой, раскрывает правду

Скриншот, опубликованный @ai_rohitt, является официально рекомендованным стандартным шаблоном Claude Code из документации Anthropic.

CLAUDE.md — это файл памяти проекта, который Claude Code автоматически считывает при начале каждого сеанса.

.claude/skills/ и .claude/hooks/ — это официально поддерживаемые механизмы расширения.

Это открытые практики, которые сообщество обсуждало уже несколько месяцев, а не какой-то «внутренний шаблон», который кто-то украл.

Но то, что его активно делятся некоторые опытные разработчики, говорит о том, что он получил одобрение от разработчиков, которые используют Claude каждый день.

Значительная часть людей, возможно, только в эти дни осознали, что его можно использовать таким образом.

А топовая команда из Кремниевой долины уже превратила это в производственную линию.

Первый пример — команда OpenAI Frontier.

В экспериментах команды Frontier, официально раскрытых OpenAI, внутренний бета-проект, начатый с пустого репозитория, за около 5 месяцев сгенерировал около 1 миллиона строк кода и около 1500 PR с помощью Codex; команда расширилась с 3 до 7 человек, и люди напрямую не писали код.

Руководитель Райан Лопополо в последующем интервью добавил, что эта рабочая процедура приблизилась к предельной форме «0 ручного кода, 0 ручного ревью».

Он считает, что вместо экономии токенов лучше использовать чрезвычайно высокую параллельную способность модели и ее крайне низкую стоимость для замены ограниченного и дорогостоящего синхронного внимания человека.

Второй пример — это внутренняя автоматизированная система агентов Stripe под названием Minions.

Minions внутри Stripe еженедельно генерируют и продвигают более 1300 слияний PR, весь код которых создан ИИ, но все же проходит ручной обзор.

Здесь еще одна пара данных: 1,6% против 98,4%, она взята из статьи, опубликованной VILA-Lab университета Мухаммеда бин Зайеда по искусственному интеллекту.

https://arxiv.org/pdf/2604.14228

Исследователи систематически проанализировали 512 000 строк исходного кода TypeScript версии Claude Code v2.1.88 и пришли к выводу, что только 1,6% составляют логика принятия решений ИИ, а остальные 98,4% — детерминированная инженерная инфраструктура.

А именно: шлюз разрешений, управление контекстом, маршрутизация инструментов и восстановление после ошибок.

Эти цифры не означают, что модель вносит всего 1,6% вклада, а показывают, что для продукта Claude Code большая часть сложности лежит не в самой модели, а в детерминированных инженерных инфраструктурах, таких как права доступа, контекст, маршрутизация инструментов и механизмы восстановления.

Структура CLAUDE.md/skills/hooks на той диаграмме — это «базовая инфраструктура», которую может построить даже обычный разработчик; она следует той же парадигме, что и производственная архитектура OpenAI и Stripe, но в гораздо меньшем масштабе.

Секреты, раскрытые в CLAUDE.md

В течение последних трех лет все спрашивали: «Когда GPT станет умнее?» и «Когда выйдет новая версия Claude?»

Но команды, которые действительно внедрили AI-программирование в производственную среду, могут вообще не интересоваться этим, а больше заботиться о том, как заставить AI запоминать прошлые ошибки, как заставить AI сначала ознакомиться с архитектурными ограничениями проекта перед началом работы и как заставить AI автоматически останавливаться, когда он допускает ошибку.

CLAUDE.md является носителем всего этого.

Официальное определение Anthropic состоит только из одного предложения:

Файл в формате markdown, размещенный в корневой директории проекта, который Claude Code автоматически считывает в начале каждого сеанса.

https://code.claude.com/docs/en/memory

Звучит просто, но именно те несколько уровней структуры, которые вокруг него построены, делают его по-настоящему мощным.

CLAUDE.md — это мозг проекта.

Здесь собраны архитектурные решения, соглашения об именовании, требования к тестированию и все те ошибки, которые мы неоднократно допускали. Это «руководство для сотрудников», которое ИИ видит первым делом при каждом запуске.

.claude/skills/ — это переиспользуемые рабочие процессы.

Борис Черни, создатель Claude Code, неоднократно подчеркивал в сообществе: «Если вы делаете что-то более одного раза в день, превратите это в навык или команду».

Навык — это выполнимая методология. Ревью кода, генерация сообщений коммитов, написание релизных заметок — всё это не должно быть ежедневной ручной работой по вводу подсказок, а должно выполняться одним вызовом навыка.

.claude/hooks/ — это автоматический барьер.

Это самая важная часть. Она не полагается на самостоятельное суждение ИИ, а блокирует ошибки ИИ заранее с помощью детерминированного кода. Именно поэтому можно позволить ИИ работать «без наблюдения» — границы ошибок заблокированы с помощью хуков.

docs/decisions/ — это журнал архитектурных решений.

Заставьте ИИ не только понимать, что такое код, но и почему он такой.

Это самый часто упускаемый из виду момент, но также и наибольший рычаг для сотрудничества с ИИ.

tools/ и src/ — это уровень выполнения.

Самое примечательное в этой архитектуре — не то, что какой-то разработчик создал красивую структуру каталогов, а то, что все больше независимых команд сходятся к одному и тому же направлению: помещают модели в набор, состоящий из контекста, инструментов, прав доступа, оценок и циклов обратной связи.

На GitHub уже можно увидеть множество подобных проектов:

rohitg00’s awesome-claude-code-toolkit, diet103’s claude-code-infrastructure-showcase и affaan-m’s everything-claude-code все строят инженерную среду для Claude Code вокруг компонентов, таких как агенты, навыки, хуки, правила и MCP-конфигурации.

Это означает, что по-настоящему зрелый рабочий процесс программирования с использованием ИИ — это не просто использование более мощной модели или более длинного запроса, а встраивание модели в инженерную систему, которая является повторно используемой, контролируемой, восстанавливаемой и аудитируемой.

Что касается конкретной структуры каталогов, реализации могут различаться.

Эксперименты лаборатории OpenAI

11 февраля 2026 года в официальном блоге OpenAI была опубликована статья: «Harness engineering: leveraging Codex in an agent-first world».

https://openai.com/index/harness-engineering/

Anthropic переосмыслила архитектуру Claude Code вокруг этой концепции; сайт Мартина Фаулера сформулировал это в виде формулы: «Agent=Model+Harness».

Слово "harness" происходит от конного спорта. Оно обозначает полный комплект снаряжения лошади: поводья, уздечку, седло и мундштук.

Лошадь может бежать быстро и сильно, но сама не знает, куда идти: вся упряжь определяет её направление.

Аналогия с AI-программированием: сама модель обладает отличными способностями, но она не знает, куда двигаться в вашем кодовом репозитории. Harness — это руль, тормоза и навигация, которые вы создаёте для неё.

Эксперимент команды OpenAI Frontier с «1 миллионом строк без человеческого участия» по сути является максимальным развитием Harness.

Их ключевые инженерные практики включают следующие пункты.

Жесткое ограничение иерархической структуры.

Зависимости текут в одном направлении: от Types к Config, к Repo, к Service, к Runtime и к UI, и это принудительно соблюдается linter на уровне CI. Агент написал код, нарушающий иерархию? Сборка сразу же завершается с ошибкой.

Само сообщение об ошибке linter является инструкцией по исправлению — это наиболее контринтуитивный деталь.

Lint-ошибки обычных проектов — «violation detected» — предназначены для людей; lint-ошибки OpenAI Frontier — «use logger.info({event: 'name', …data}) instead of console.log» — являются инструкциями для агентов, которые они могут напрямую прочитать и исправить.

Документы служат единым источником истины. Все архитектурные диаграммы, планы выполнения и спецификации дизайна находятся в каталоге docs/ внутри репозитория. Агенту не требуется внешняя база знаний — всё содержится в репозитории.

Насколько эффективна эта система?

Модель не менялась, но LangChain настроил harness, включая системные подсказки, инструменты, промежуточное ПО и режим рассуждения, в результате чего балл Terminal Bench 2.0 вырос с 52,8 до 66,5.

Вы можете сделать это уже сегодня

Создать мозг для проекта на основе ИИ

Вопрос возвращается к обычным разработчикам: если парадигма уже изменилась, что обычный инженер может сделать уже сегодня?

В первую очередь, создайте файл CLAUDE.md в корневой директории вашего основного проекта.

Не нужно идеально и не нужно долго. Запишите архитектурные правила вашей команды, соглашения об именовании, требования к тестированию, те ошибки, которые вы постоянно допускали — за 10 минут можно написать рабочую версию.

Следующий раз, когда ИИ допустит ошибку, сначала не исправляйте вручную, а задайте себе вопрос: чего не хватает в CLAUDE.md?

Во-вторых, превратите ежедневные повторяющиеся действия в навык.

Обратите внимание на знаменитую фразу Бориса Черны: «Если вы делаете что-то более одного раза в день, превратите это в навык или команду».

Ревью кода, генерация сообщений коммитов, написание релизных заметок, устранение повторяющихся ошибок — это навыки, а не ежедневный ручной ввод подсказок.

Третий пункт: добавьте хук в местах, где легко попасть в ловушку.

Хук — это та часть из 98,4%, которая обладает наибольшим рычагом. Он не зависит от ИИ для становления умнее, он опирается на детерминированный код для выполнения принудительных проверок. Это процесс перевода суждений человеческих инженеров в машиночитаемые ограничения.

Суть этого дела не в написании кода, а в написании правил.

Та фраза Карпати, опубликованная им в Твиттере в январе этого года: «Я перешел от написания 80% кода вручную к передаче 80% написания кода агентам».

В течение следующих пяти лет кривая компетенций инженеров смещается с «сколько строк кода я могу написать» на «насколько строгую среду я могу создать для ИИ».

Работа по написанию кода передается агентам.

Но создание мира, в котором агент может писать хороший код, — это работа человека. И она сложнее, важнее и интереснее, чем раньше.