خالق Claude Code، گردش کار خود را فاش کرد و توسعه‌دهندگان را شگفت‌زده کرد

ایالات متحده - خبرگزاری اخباری

خالق Claude Code، گردش کار خود را فاش کرد و توسعه‌دهندگان را شگفت‌زده کرد

هنگامی که معمار پیشرفته‌ترین عامل کدنویسی جهان سخن می‌گوید، سیلیکون ولی نه تنها گوش می‌دهد - بلکه با دقت یادداشت برمی‌دارد. در طول هفته گذشته، جامعه مهندسی مجذوب مجموعه‌ای از پست‌ها در X (که قبلاً توییتر بود) از بوریس چرنی، خالق و رئیس دوراندیش Claude Code در Anthropic شده است. آنچه با یک اشتراک‌گذاری فروتنانه از تنظیمات ترمینال شخصی او آغاز شد، به سرعت به یک بیانیه ویروسی تبدیل شده است که ادراکات توسعه نرم‌افزار را از اساس دگرگون می‌کند، و افراد داخلی صنعت آن را لحظه‌ای تعیین‌کننده برای استارتاپ هوش مصنوعی می‌دانند.

چهره‌های برجسته در حوزه توسعه‌دهندگان، بینش‌های چرنی را ستایش کرده‌اند. جف تانگ، صدایی برجسته در جامعه، اظهار داشت: "اگر بهترین شیوه‌های Claude Code را مستقیماً از خالق آن جذب نکنید، به عنوان یک برنامه‌نویس عقب می‌مانید." کایل مک‌نیس، ناظر دقیق دیگری در صنعت، تمجید را افزایش داد و اعلام کرد که با "به‌روزرسانی‌های تغییردهنده بازی" چرنی، Anthropic "در اوج" است و به طور بالقوه در آستانه "لحظه ChatGPT" خود قرار دارد.

هیجان گسترده ریشه در یک پارادوکس قانع‌کننده دارد: روش چرنی به طرز شگفت‌انگیزی ساده است، اما به یک فرد واحد اجازه می‌دهد تا با ظرفیت تولیدی یک تیم مهندسی کوچک و اختصاصی کار کند. یکی از کاربران، پس از پیاده‌سازی تنظیمات چرنی، در X به اشتراک گذاشت که این تجربه "بیشتر شبیه Starcraft" بود تا کدنویسی متعارف، که نشان‌دهنده تغییر پارادایم از ورود دستی نحو به سمت ارکستراسیون استراتژیک موجودیت‌های دیجیتال خودمختار است.

این مقاله به گردش کار می‌پردازد که ایجاد نرم‌افزار را بازتعریف می‌کند، مستقیماً از خالق آن. این موضوع را بررسی می‌کند که چگونه اجرای همزمان چندین عامل هوش مصنوعی، فرآیند کدنویسی را به یک بازی استراتژی جذاب در زمان واقعی تبدیل می‌کند.

فراتر از خطی بودن: ارکستراسیون مانند فرمانده ناوگان

شاید قابل توجه‌ترین افشاگری از سوی چرنی، فاصله گرفتن او از شیوه‌های کدنویسی خطی است. توسعه سنتی، که اغلب "حلقه داخلی" نامیده می‌شود، شامل نوشتن یک تابع توسط برنامه‌نویس، آزمایش آن، و سپس رفتن به وظیفه بعدی است. چرنی، با این حال، موضع یک فرمانده ناوگان را اتخاذ می‌کند و چندین عامل هوش مصنوعی را به طور همزمان ارکستراسیون می‌کند.

چرنی در پست‌های خود توضیح داد: "من 5 کلود را به صورت موازی در ترمینال خود اجرا می‌کنم." "من تب‌هایم را از 1 تا 5 شماره‌گذاری می‌کنم و از اعلان‌های سیستم استفاده می‌کنم تا بدانم چه زمانی کلود به ورودی نیاز دارد."

با بهره‌گیری از قابلیت‌های اعلان سیستم iTerm2، چرنی به طور مؤثر پنج جریان کاری مجزا را به طور همزمان مدیریت می‌کند. به عنوان مثال، یک عامل هوش مصنوعی ممکن است در حال اجرای یک مجموعه آزمایشی باشد، دیگری ممکن است در حال بازسازی یک ماژول قدیمی باشد، در حالی که سومی با دقت در حال پیش‌نویس اسناد است. علاوه بر این، او این پردازش موازی را به رابط وب گسترش می‌دهد، "5-10 کلود را در claude.ai" در مرورگر خود اجرا می‌کند و از دستور "teleport" برای انتقال بی‌درز جلسات بین وب و ماشین محلی خود استفاده می‌کند.

این رویکرد پیچیده به شدت استراتژی "انجام کارهای بیشتر با کمتر" را که اخیراً توسط دنیلا آمودی، رئیس Anthropic، بیان شده است، تأیید می‌کند. در حالی که رقبای اصلی مانند OpenAI سرمایه‌گذاری سنگینی بر روی ساخت زیرساخت‌های عظیم انجام می‌دهند، Anthropic نشان می‌دهد که ارکستراسیون برتر و استفاده هوشمندانه از مدل‌های هوش مصنوعی موجود می‌تواند منجر به افزایش بهره‌وری نمایی شود.

انتخاب خلاف شهود: پذیرش کندترین، هوشمندترین مدل

در اقدامی که وسواس رایج صنعت به تأخیر کم را به چالش می‌کشد، چرنی وابستگی انحصاری خود را به قدرتمندترین، اگرچه کندترین، مدل Anthropic: Opus 4.5 فاش کرد.

چرنی توضیح داد: "من از Opus 4.5 برای همه چیز استفاده می‌کنم." "این بهترین مدل کدنویسی است که تا به حال استفاده کرده‌ام، و اگرچه بزرگتر و کندتر از Sonnet است، از آنجایی که شما باید کمتر آن را هدایت کنید و در استفاده از ابزار بهتر است، تقریباً همیشه سریعتر از استفاده از مدل کوچکتر در نهایت است."

این بینش به ویژه برای رهبران فناوری سازمانی حیاتی است. گلوگاه اصلی در توسعه هوش مصنوعی معاصر، سرعت تولید توکن نیست؛ بلکه زمان قابل توجه انسانی است که صرف اصلاح اشتباهات تولید شده توسط هوش مصنوعی می‌شود. گردش کار چرنی نشان می‌دهد که پرداخت "مالیات محاسباتی" برای یک مدل هوشمندتر در ابتدا می‌تواند "مالیات اصلاح" را به طور قابل توجهی کاهش دهد.

یک فایل مشترک: تبدیل اشتباهات هوش مصنوعی به درس‌های دائمی

چرنی همچنین روشن کرد که چگونه تیم او مشکل مداوم "فراموشی" هوش مصنوعی را حل می‌کند. مدل‌های زبان بزرگ استاندارد اغلب قادر به حفظ قراردادهای کدنویسی خاص شرکت یا تصمیمات معماری بین جلسات مختلف نیستند.

برای غلبه بر این، تیم چرنی یک فایل واحد به نام CLAUDE.md را در مخزن Git خود نگهداری می‌کند. او نوشت: "هر زمان که کلود را در حال انجام کاری اشتباه ببینیم، آن را به CLAUDE.md اضافه می‌کنیم، تا کلود بداند که دفعه بعد آن را تکرار نکند."

این عمل به طور مؤثری پایگاه کد را به یک موجودیت خوداصلاحگر تبدیل می‌کند. هنگامی که یک توسعه‌دهنده انسانی درخواست کشش را بررسی می‌کند و خطایی را تشخیص می‌دهد، عمل او فراتر از صرفاً رفع کد است؛ آنها به هوش مصنوعی دستور می‌دهند که دستورالعمل‌های داخلی خود را به‌روز کند. "هر اشتباهی به یک قانون تبدیل می‌شود"، آکاش گوپتا، رهبر محصولی که این رشته را تجزیه و تحلیل کرد، اظهار داشت. در نتیجه، هرچه تیم بیشتر همکاری کند، عامل هوش مصنوعی ماهرتر و هوشمندتر می‌شود.

دستورات اسلش و عوامل فرعی: خودکارسازی وظایف خسته‌کننده توسعه

گردش کار ظاهراً "ساده" که مورد تحسین قرار گرفت، توسط خودکارسازی دقیق وظایف تکراری تأمین می‌شود. چرنی از دستورات اسلش - میانبرهای سفارشی که در مخزن پروژه بررسی شده‌اند - برای اجرای عملیات پیچیده با یک ضربه کلید استفاده می‌کند.

او یک دستور خاص به نام /commit-push-pr را برجسته کرد که روزانه ده‌ها بار آن را فراخوانی می‌کند. این خودکارسازی نیاز به تایپ دستی دستورات Git، نوشتن پیام تعهد و راه‌اندازی درخواست کشش را از بین می‌برد و به عامل اجازه می‌دهد تا جنبه‌های بوروکراتیک کنترل نسخه را به طور مستقل مدیریت کند.

چرنی همچنین از عوامل فرعی، شخصیت‌های هوش مصنوعی تخصصی، برای مدیریت مراحل مختلف چرخه عمر توسعه استفاده می‌کند. او از یک عامل ساده‌کننده کد برای پاکسازی معماری پس از اتمام کار اصلی و یک عامل تأیید برنامه برای اجرای تست‌های سرتاسری قبل از ارسال هر چیزی استفاده می‌کند.

حلقه‌های تأیید: کلید واقعی برای کد تولید شده توسط هوش مصنوعی

اگر دلیل واحدی وجود داشته باشد که چرا Claude Code گزارش شده است که به سرعت به درآمد سالانه تکرارشونده ۱ میلیارد دلاری رسیده است، احتمالاً اجرای حلقه‌های تأیید قوی است. هوش مصنوعی صرفاً یک تولیدکننده کد نیست؛ بلکه یک سیستم آزمایشی است.

چرنی فاش کرد: "کلود هر تغییری را که من در claude.ai/code وارد می‌کنم با استفاده از افزونه Claude Chrome آزمایش می‌کند." "این یک مرورگر را باز می‌کند، رابط کاربری را آزمایش می‌کند، و تکرار می‌کند تا زمانی که کد کار کند و تجربه کاربری خوب به نظر برسد."

او استدلال می‌کند که دادن توانایی به هوش مصنوعی برای تأیید کار خود - چه از طریق خودکارسازی مرورگر، اجرای دستورات bash، یا اجرای مجموعه آزمایشی - کیفیت نتیجه نهایی را "۲-۳ برابر" بهبود می‌بخشد. نقش عامل فراتر از نوشتن کد است؛ بلکه به طور فعال عملکرد و تجربه کاربری کد را تأیید می‌کند.

گردش کار چرنی نشان‌دهنده عصری جدید در مهندسی نرم‌افزار است

واکنش شدید به رشته چرنی نشان‌دهنده یک تغییر پارادایم اساسی در نحوه درک و اجرای حرفه خود توسط توسعه‌دهندگان است. سال‌ها بود که "کدنویسی هوش مصنوعی" عمدتاً مترادف با یک ویژگی تکمیل خودکار بهبود یافته در ویرایشگر متن بود - راهی سریع‌تر برای تایپ کردن. چرنی به طور اثبات شده نشان داده است که هوش مصنوعی اکنون می‌تواند به عنوان یک سیستم عامل جامع برای خود کار عمل کند.

جف تانگ به طور خلاصه در X اظهار داشت: "اگر از قبل مهندس هستید... و قدرت بیشتری می‌خواهید، این را بخوانید."

ابزارهایی که قادر به ضرب توان خروجی انسان به ضریب پنج هستند دیگر نظری نیستند؛ آنها اکنون در دسترس هستند. پیاده‌سازی مؤثر آنها نیازمند یک جهش ذهنی ساده اما عمیق است: تغییر دیدگاه از دیدن هوش مصنوعی به عنوان یک دستیار صرف به پذیرش آن به عنوان نیروی کاری مقیاس‌پذیر. برنامه‌نویسانی که این انتقال شناختی را ابتدا انجام می‌دهند نه تنها به بهره‌وری بی‌سابقه دست خواهند یافت، بلکه خود را درگیر یک بازی کاملاً متفاوت، استراتژیک‌تر و در نهایت پاداش‌دهنده‌تر در توسعه نرم‌افزار خواهند یافت. دیگران با رویکرد سنتی ادامه خواهند داد.

خبرگزاری اخباری