Claude Code-Schöpfer enthüllt seinen Arbeitsablauf und versetzt Entwickler in Erstaunen

USA - Ekhbary Nachrichtenagentur

Claude Code-Schöpfer enthüllt seinen Arbeitsablauf und versetzt Entwickler in Erstaunen

Wenn der Architekt des fortschrittlichsten Codierungsagenten der Welt spricht, hört das Silicon Valley nicht nur zu – es macht sich akribisch Notizen. In der vergangenen Woche war die Ingenieursgemeinschaft gefesselt von einer Reihe von Beiträgen auf X (ehemals Twitter) von Boris Cherny, dem visionären Schöpfer und Leiter von Claude Code bei Anthropic. Was als bescheidene Teilung seines persönlichen Terminal-Setups begann, hat sich schnell zu einem viralen Manifest entwickelt, das die Wahrnehmung der Softwareentwicklung grundlegend verändert, wobei Brancheninsider es als entscheidenden Moment für das KI-Startup bezeichnen.

Angesehene Persönlichkeiten aus der Entwicklerwelt haben Cherny's Erkenntnisse gelobt. Jeff Tang, eine führende Stimme in der Community, bemerkte: „Wenn Sie die Best Practices von Claude Code nicht direkt von seinem Schöpfer aufnehmen, fallen Sie als Programmierer zurück.“ Kyle McNease, ein weiterer aufmerksamer Beobachter der Branche, lobte weiter und erklärte, dass Anthropic mit Cherny's „spielverändernden Updates“ „in Flammen steht“ und möglicherweise vor seinem eigenen „ChatGPT-Moment“ steht.

Die weit verbreitete Aufregung wurzelt in einem überzeugenden Paradoxon: Cherny's Methodik ist bemerkenswert einfach, ermöglicht es jedoch einer einzelnen Person, mit der Produktivitätskapazität eines kleinen, engagierten Ingenieurteams zu arbeiten. Ein Benutzer teilte auf X nach der Implementierung von Cherny's Setup mit, dass sich die Erfahrung eher wie „Starcraft“ als wie herkömmliches Codieren anfühlte, was einen Paradigmenwechsel von der manuellen Syntaxeingabe zur strategischen Orchestrierung autonomer digitaler Entitäten signalisiert.

Dieser Artikel befasst sich mit dem Arbeitsablauf, der die Softwareerstellung neu definiert, direkt von seinem Urheber. Er untersucht, wie die gleichzeitige Ausführung mehrerer KI-Agenten den Codierungsprozess in ein fesselndes Echtzeit-Strategiespiel verwandelt.

Jenseits der Linearität: Orchestrieren wie ein Flottenkommandant

Die vielleicht auffälligste Enthüllung von Cherny's Offenbarung ist seine Abkehr von linearen Codierungspraktiken. Die traditionelle Entwicklung, oft als „innere Schleife“ bezeichnet, beinhaltet, dass ein Programmierer eine Funktion schreibt, sie testet und dann zur nächsten Aufgabe übergeht. Cherny hingegen nimmt die Haltung eines Flottenkommandanten ein und orchestriert mehrere KI-Agenten gleichzeitig.

„Ich lasse 5 Claude parallel in meinem Terminal laufen“, erklärte Cherny in seinen Beiträgen. „Ich nummeriere meine Tabs von 1 bis 5 und verwende Systembenachrichtigungen, um zu wissen, wann ein Claude eine Eingabe benötigt.“

Durch die Nutzung der Systembenachrichtigungsfunktionen von iTerm2 verwaltet Cherny effizient fünf verschiedene Arbeitsströme gleichzeitig. Zum Beispiel könnte ein KI-Agent eine Testsuite ausführen, ein anderer ein Legacy-Modul refaktorieren, während ein dritter sorgfältig Dokumentationen entwirft. Darüber hinaus erweitert er diese parallele Verarbeitung auf die Webschnittstelle, führt „5-10 Claude auf claude.ai“ in seinem Browser aus und verwendet einen „Teleport“-Befehl, um Sitzungen nahtlos zwischen dem Web und seiner lokalen Maschine zu übertragen.

Dieser hochentwickelte Ansatz validiert nachdrücklich die Strategie „mehr mit weniger erreichen“, die kürzlich von Anthropic-Präsidentin Daniela Amodei formuliert wurde. Während große Konkurrenten wie OpenAI stark in massive Infrastrukturausbauten investieren, demonstriert Anthropic, dass eine überlegene Orchestrierung und intelligente Nutzung bestehender KI-Modelle exponentielle Produktivitätssteigerungen ermöglichen kann.

Die kontraintuitive Wahl: Das langsamste, intelligenteste Modell annehmen

In einem Schritt, der der allgemeinen Besessenheit der Branche von geringer Latenz widerspricht, enthüllte Cherny seine ausschließliche Abhängigkeit vom leistungsstärksten, wenn auch langsamsten Modell von Anthropic: Opus 4.5.

„Ich benutze Opus 4.5 mit Denken für alles“, erklärte Cherny. „Es ist das beste Codierungsmodell, das ich je verwendet habe, und obwohl es größer und langsamer als Sonnet ist, müssen Sie es weniger steuern und es ist besser im Werkzeuggebrauch, daher ist es am Ende fast immer schneller als die Verwendung eines kleineren Modells.“

Diese Erkenntnis ist besonders kritisch für Unternehmens-Technologieführer. Die primäre Engstelle in der modernen KI-Entwicklung ist nicht die Geschwindigkeit der Token-Generierung; es ist die erhebliche menschliche Zeit, die für die Korrektur von KI-generierten Fehlern aufgewendet wird. Cherny's Arbeitsablauf legt nahe, dass das Tragen der „Compute-Steuer“ für ein intelligenteres Modell im Voraus die „Korrektur-Steuer“ nachgelagert erheblich mildern kann.

Eine gemeinsame Datei: KI-Fehler in dauerhafte Lektionen verwandeln

Cherny beleuchtete auch, wie sein Team das hartnäckige Problem der KI-„Amnesie“ angeht. Standard-Großsprachmodelle können die spezifischen Codierungsrichtlinien eines Unternehmens oder architektonische Entscheidungen über verschiedene Sitzungen hinweg oft nicht beibehalten.

Um dies zu umgehen, pflegt Cherny's Team eine einzige Datei namens CLAUDE.md in seinem 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 effektiv in einen sich selbst korrigierenden Organismus. Wenn ein menschlicher Entwickler eine Pull-Anfrage überprüft und einen Fehler entdeckt, geht seine Aktion über die bloße Korrektur des Codes hinaus; er weist die KI an, ihre internen Richtlinien zu aktualisieren. „Jeder Fehler wird zu einer Regel“, bemerkte Aakash Gupta, ein Produktleiter, der den Thread analysierte. Folglich wird der KI-Agent mit zunehmender Zusammenarbeit des Teams kompetenter und intelligenter.

Slash-Befehle und Unteragenten: Automatisierung mühsamer Entwicklungsaufgaben

Der scheinbar „übliche“ Arbeitsablauf, der Lob erhielt, wird durch rigorose Automatisierung von Routineaufgaben ermöglicht. Cherny verwendet Slash-Befehle – benutzerdefinierte Verknüpfungen, die im Repository des Projekts integriert sind –, um komplexe Operationen mit einem einzigen Tastendruck auszuführen.

Er hob einen bestimmten Befehl namens /commit-push-pr hervor, den er Dutzende Male täglich aufruft. Diese Automatisierung macht manuelle Git-Befehle, das Schreiben von Commit-Nachrichten und die Einleitung von Pull-Anfragen überflüssig und ermöglicht es dem Agenten, die bürokratischen Aspekte der Versionskontrolle autonom zu verwalten.

Cherny setzt außerdem Unteragenten, spezialisierte KI-Persönlichkeiten, ein, um verschiedene Phasen des Entwicklungszyklus zu verwalten. Er verwendet einen Code-Simplifier-Agenten, um die Architektur nach Abschluss der Hauptarbeit zu bereinigen, und einen App-Verify-Agenten, um End-to-End-Tests durchzuführen, bevor etwas ausgeliefert wird.

Verifizierungsschleifen: Der wahre Schlüssel zum KI-generierten Code

Wenn es einen einzigen Grund gibt, warum Claude Code Berichten zufolge so schnell 1 Milliarde US-Dollar an wiederkehrenden Jahresumsätzen erzielt hat, dann ist es wahrscheinlich die Implementierung robuster Verifizierungsschleifen. Die KI ist nicht nur ein Code-Generator; sie ist ein integriertes Testsystem.

„Claude testet jede einzelne Änderung, die ich bei claude.ai/code einpflege, mit der Claude Chrome-Erweiterung“, enthüllte Cherny. „Es öffnet einen Browser, testet die Benutzeroberfläche und iteriert, bis der Code funktioniert und die Benutzererfahrung gut ist.“

Er argumentiert, dass die Fähigkeit der KI, ihre eigene Arbeit zu überprüfen – sei es durch Browser-Automatisierung, die Ausführung von Bash-Befehlen oder die Ausführung von Test-Suiten –, die Qualität des Endergebnisses um den Faktor „2-3x“ verbessert. Die Rolle des Agenten geht über das Schreiben von Code hinaus; er validiert aktiv die Funktionalität und Benutzererfahrung des Codes.

Cherny's Arbeitsablauf signalisiert eine neue Ära der Softwareentwicklung

Die angeregte Reaktion auf Cherny's Thread deutet auf einen fundamentalen Paradigmenwechsel in der Art und Weise hin, wie Entwickler ihr Handwerk wahrnehmen und ausüben. Jahrelang bedeutete „KI-Codierung“ hauptsächlich eine verbesserte Autovervollständigungsfunktion in einem Texteditor – eine schnellere Möglichkeit, Tippfehler zu machen. Cherny hat nachweislich gezeigt, dass KI jetzt als umfassendes Betriebssystem für die Arbeit selbst dienen kann.

„Lesen Sie dies, wenn Sie bereits Ingenieur sind … und mehr Macht wollen“, fasste Jeff Tang prägnant auf X zusammen und erfasste die Stimmung der Ermächtigung.

Die Werkzeuge, die die menschliche Leistung um den Faktor fünf vervielfachen können, sind nicht mehr theoretisch; sie sind jetzt verfügbar. Ihre effektive Implementierung erfordert einen einfachen, aber tiefgreifenden mentalen Sprung: die Perspektive vom bloßen Betrachten der KI als Assistent zur Annahme als skalierbare Arbeitskraft. Die Programmierer, die diesen kognitiven Übergang zuerst vollziehen, werden nicht nur eine beispiellose Produktivität erreichen, sondern werden sich auch in einem völlig anderen, strategischeren und letztendlich lohnenderen Softwareentwicklungsspiel wiederfinden. Die anderen werden mit dem traditionellen Ansatz fortfahren.

Ekhbary Nachrichtenagentur