Claude Code-Entwickler enthüllt seinen Workflow und versetzt Entwickler in Aufruhr

USA - Ekhbary Nachrichtenagentur

Claude Code-Entwickler enthüllt seinen Workflow und versetzt Entwickler in Aufruhr

Wenn der Schöpfer des fortschrittlichsten Code-Agenten der Welt spricht, hört das Silicon Valley nicht nur zu – es macht sich Notizen. Seit einer Woche zerlegt die Ingenieursgemeinschaft einen Thread auf X (ehemals Twitter) von Boris Cherny, dem Schöpfer und Leiter von Claude Code bei Anthropic. Was als beiläufige Mitteilung seines persönlichen Terminal-Setups begann, hat sich zu einem viralen Manifest über die Zukunft der Softwareentwicklung entwickelt, das Branchenkenner als einen Wendepunkt für das Startup bezeichnen.

„Wenn Sie die Best Practices von Claude Code nicht direkt von seinem Schöpfer lesen, sind Sie als Programmierer im Rückstand“, schrieb Jeff Tang, eine prominente Stimme in der Entwicklergemeinschaft. Kyle McNease, ein weiterer Branchenbeobachter, ging weiter und erklärte, dass Anthropic mit Cherny's „bahnbrechenden Updates“ „in Flammen steht“ und möglicherweise „seinen ChatGPT-Moment“ erlebt.

Die Aufregung rührt von einem Paradoxon her: Cherny's Workflow ist überraschend einfach, ermöglicht es einem einzelnen Menschen jedoch, mit der Leistungskapazität einer kleinen Ingenieurabteilung zu arbeiten. Wie ein Benutzer auf X nach der Implementierung von Cherny's Setup bemerkte, fühlt sich die Erfahrung eher wie „Starcraft“ als wie traditionelles Coden an – eine Verlagerung vom Tippen von Syntax zum Befehligen autonomer Einheiten. Dies stellt eine signifikante Abkehr von herkömmlichen Entwicklungsmethoden dar.

Vom Einzelcodierer zum digitalen Flottenkommandanten

Cherny's Ansatz definiert die Rolle des Entwicklers radikal neu. Anstelle der traditionellen „inneren Schleife“ des Codierens, bei der ein Programmierer eine Funktion schreibt, testet und iteriert, agiert Cherny als Dirigent, der mehrere KI-Agenten orchestriert. Seine Enthüllung, dass er „5 Claudes parallel in meinem Terminal laufen lasse“, wobei er die Tabs 1-5 nummeriert und Systembenachrichtigungen zur Verwaltung der Eingabe verwendet, hat die Technologiewelt fasziniert.

Durch die Nutzung von iTerm2-Systembenachrichtigungen verwaltet Cherny effektiv fünf gleichzeitige Arbeitsströme. Während ein KI-Agent eine Testsuite ausführt, refaktoriert ein anderer ein Legacy-Modul und ein dritter entwirft Dokumentationen, überwacht Cherny den gesamten Prozess. Er erweitert diese Fähigkeit weiter, indem er „5-10 Claudes auf claude.ai“ in seinem Browser ausführt und einen „Teleport“-Befehl verwendet, um Sitzungen nahtlos zwischen der Weboberfläche und seiner lokalen Maschine zu übergeben. Diese Multi-Agenten-, Multi-Plattform-Strategie ist der Schlüssel zu seiner gesteigerten Produktivität.

Dieses Betriebsmodell bestätigt nachdrücklich die von Anthropic-Präsidentin Daniela Amodei formulierte Strategie „mehr mit weniger tun“. Während Wettbewerber wie OpenAI auf massive Infrastrukturinvestitionen setzen, zeigt Anthropic durch Cherny's Workflow, dass eine überlegene Orchestrierung und intelligente Nutzung bestehender KI-Modelle exponentielle Produktivitätssteigerungen erzielen kann. Dies unterstreicht eine strategische Divergenz darin, wie führende KI-Unternehmen Wachstum und Innovation angehen.

Die kontraintuitive Wahl: Opus 4.5, das langsamste, intelligenteste Modell

In einem Schritt, der der Besessenheit der Branche von Geschwindigkeit trotzt, enthüllte Cherny seine ausschließliche Abhängigkeit vom leistungsstärksten, wenn auch langsamsten Modell von Anthropic: Opus 4.5. „Ich benutze Opus 4.5 mit 'thinking' für alles“, erklärte Cherny. „Es ist das beste Code-Modell, das ich je benutzt habe, und obwohl es größer und langsamer als Sonnet ist, ist es, da man es weniger steuern muss und es besser im Umgang mit Werkzeugen ist, am Ende fast immer schneller als die Verwendung eines kleineren Modells.“

Diese Erkenntnis ist für führende Technologieunternehmen von entscheidender Bedeutung. Die primäre Engstelle in der modernen KI-Entwicklung ist nicht die Geschwindigkeit der Token-Generierung, sondern die menschliche Zeit, die für die Korrektur von KI-Fehlern aufgewendet wird. Cherny's Workflow legt nahe, dass die Zahlung der „Compute-Steuer“ für ein leistungsfähigeres Modell im Voraus die nachfolgende „Korrektur-Steuer“ erheblich reduziert. Dieser Paradigmenwechsel fördert eine Neubewertung von Kosten-Nutzen-Analysen bei der KI-Einführung, wobei die kognitive Fähigkeit Vorrang vor roher Verarbeitungsgeschwindigkeit hat.

Eine gemeinsame Datei für kollektiven KI-Gedächtnis

Cherny ging auch die anhaltende Herausforderung der „KI-Amnesie“ an – die Unfähigkeit von Standard-Sprachmodellen, unternehmensspezifische Codierungsstile oder architektonische Entscheidungen über Sitzungen hinweg beizubehalten. Die Lösung seines Teams ist elegant einfach: eine einzige Datei namens CLAUDE.md in ihrem Git-Repository.

„Jedes Mal, wenn wir sehen, dass Claude etwas falsch macht, fügen wir es zu CLAUDE.md hinzu, damit Claude weiß, dass er es beim nächsten Mal nicht tun soll“, schrieb er. Diese Praxis verwandelt die Codebasis in eine sich selbst verbessernde Einheit. Wenn ein menschlicher Entwickler eine Pull-Anfrage überprüft und einen Fehler entdeckt, behebt er nicht nur den Code, sondern aktualisiert auch die CLAUDE.md-Datei und trainiert so die KI neu. Wie Produktleiter Aakash Gupta bemerkte: „Jeder Fehler wird zu einer Regel.“ Je länger das Team zusammenarbeitet, desto raffinierter und intelligenter wird der KI-Agent.

Slash-Befehle und Sub-Agenten: Automatisierung von mühsamen Aufgaben

Die Effizienz von Cherny's „Standard“-Workflow wird durch rigorose Automatisierung ermöglicht. Er verwendet Slash-Befehle – benutzerdefinierte Verknüpfungen, die im Repository des Projekts integriert sind –, um komplexe Operationen mit einem einzigen Tastendruck auszuführen. Ein Befehl wie `/commit-push-pr`, der dutzende Male täglich aufgerufen wird, übernimmt autonom die Bürokratie der Versionskontrolle und eliminiert manuelle Git-Befehle, das Schreiben von Commit-Nachrichten und die Erstellung von Pull-Anfragen.

Darüber hinaus setzt Cherny Sub-Agenten, spezialisierte KI-Persönlichkeiten, für verschiedene Entwicklungsphasen ein. Ein „Code-Simplifier“ verfeinert die Architektur, nachdem die Hauptarbeit erledigt ist, während ein „verify-app“-Agent End-to-End-Tests durchführt, bevor etwas ausgeliefert wird. Diese geschichtete Automatisierung optimiert den gesamten Softwareentwicklungslebenszyklus.

Verifizierungsschleifen: Der eigentliche Schlüssel für KI-generierten Code

Der bemerkenswerte Erfolg von Claude Code, der Berichten zufolge 1 Milliarde US-Dollar an wiederkehrenden Jahresumsätzen erzielte, ist wahrscheinlich auf seine robusten Verifizierungsschleifen zurückzuführen. Die KI fungiert nicht nur als Code-Generator, sondern als integrierter Tester.

„Claude testet jede einzelne Änderung, die ich in claude.ai/code einpflege, mithilfe der Claude Chrome-Erweiterung“, schrieb Cherny. „Er öffnet einen Browser, testet die Benutzeroberfläche und iteriert, bis der Code funktioniert und sich die Benutzererfahrung gut anfühlt.“ Er argumentiert, dass die KI, wenn sie die Möglichkeit erhält, ihre eigene Arbeit zu überprüfen – sei es durch Browser-Automatisierung, Ausführen von Bash-Befehlen oder Ausführen von Testsuiten –, die Qualität des Endergebnisses um „das 2-3-fache“ verbessert. Der Agent schreibt nicht nur Code; er validiert ihn rigoros.

Ein Paradigmenwechsel in der Softwareentwicklung

Die Reaktion der Branche auf Cherny's Workflow signalisiert einen entscheidenden Wandel. „KI-Codierung“ hat sich von einer einfachen Autovervollständigungsfunktion in einem Texteditor zu einem umfassenden Betriebssystem für Arbeit entwickelt. Wie Jeff Tang auf X zusammenfasste: „Lesen Sie das, wenn Sie bereits Ingenieur sind… und mehr Macht wollen.“ Die Werkzeuge zur Vervielfachung der menschlichen Leistung um den Faktor fünf sind bereits vorhanden. Der Schlüssel liegt darin, KI nicht als Assistenten, sondern als fähige Arbeitskraft zu betrachten. Die Programmierer, die diesen mentalen Sprung zuerst machen, werden nicht nur produktiver sein, sondern auch ein völlig anderes Spiel spielen.