ntcad

Иллюстрация: вокруг светящейся модели плавают капли стекла — проверка, контекст, права, память и инструменты. При прокрутке они сливаются в одну стеклянную линзу вокруг модели: так модель становится агентом.

Агент =
модель + харнесс.

Агентная разработка на конец 2026 года: что пишут те, кто её придумал, и что из этого действительно работает.

Лонгрид · 60 минут · проверено в ноябре 2026

Код больше не узкое место.

Код пишут агенты. Дорого теперь всё, что вокруг модели.

30 000+слитых изменений в день у Anthropic; в мае — 2 500.1
40%+пул-реквестов на GitHub начал агент; в марте — 17%.2
~90%кода Claude Code пишет и ревьюит сам Claude.3,4
6 п. п.разброс на Terminal-Bench 2.0 от одной инфраструктуры.5

Собрано из 77 источников, проверено в ноябре 2026 года.

Если нет часа — десять правил.

Короткая версия всего лонгрида. Каждое правило ведёт в главу с цифрами и источниками.

2–3×

Дайте агенту проверку, которая отвечает «прошло» или «нет».

Тест, сборка, линтер, скриншот рядом с макетом. Во столько раз, по оценке Boris Cherny, лучше результат, когда агент может проверить себя.

Проверка

Пишите только то, чего не видно в коде.

Решения с совещаний, порядок деплоя, ловушки. Остальное модель прочитает сама.

База знаний

Правило без исключений — это хук.

Строку в CLAUDE.md модель может счесть неприменимой. Хук выполнит харнесс.

Харнесс

Каждая строка AGENTS.md — след ошибки.

Ошибся агент — исправьте среду так, чтобы ошибка не повторилась.

База знаний

Пересматривайте харнесс с новой моделью.

Каждая его часть — допущение о слабости модели. Допущения устаревают.

Харнесс

Ограничивайте радиус поражения.

Песочница, закрытая сеть, секреты вне досягаемости.

Безопасность

Кто сделал, тот себя не проверяет.

Генератор и оценщик — разные агенты, ревью идёт в свежем контексте.

Проверка

Кэш — экономика агента.

Стабильное в начало, изменения сообщениями, модель посреди сессии не меняйте.

Свой агент

Считайте цену задачи, а не токена.

Сначала проверка, потом effort, потом модель старше.

Подписки
70 / 80

Человек решает «что», агент — «как».

В 400 тысячах сессий Claude Code люди принимают около 70% решений о планировании, агент — около 80% решений об исполнении.

Команда

Без общего языка советы не сравнить.

Слова — в том смысле, в каком их используют Anthropic и Claude Code. Дальше страница пользуется ими без пояснений.

Агент agent

Модель, которая в цикле вызывает инструменты и сама решает, что делать дальше. В воркфлоу (workflow) путь задан кодом заранее.6 Минимум инструментов, по Hashimoto, — чтение файлов, запуск программ и HTTP‑запросы.7

Свой агент

Харнесс harness

Всё, что не модель. По Addy Osmani, это системный промпт, инструменты, управление контекстом, права, песочница, хуки, память, субагенты, оркестрация и наблюдаемость.8

Харнесс

Инженерия контекста context engineering

Сборка всего, что модель видит помимо запроса: системного промпта, скиллов, CLAUDE.md, памяти, референсов. Для моделей Claude 5 Anthropic пересмотрела её правила в июле 2026 года.9,10

База знаний

Восемь рабочих слов.

Скиллы skills
Папка с SKILL.md: процедура команды, справочники, скрипты. Модель сама подгружает скилл, когда он нужен задаче.11
База знаний
Субагенты subagents
Агенты со своим контекстом, которых запускает главный агент. Модель та же, поэтому ответ не умнее; польза — в параллельной работе и свежем взгляде.12
Много агентов
Хуки hooks
Команды, которые харнесс сам запускает на событиях сессии, например Stop-хук перед концом работы. В отличие от строки в CLAUDE.md, срабатывают всегда.12
Харнесс
MCP Model Context Protocol
Открытый стандарт, по которому агент подключается к внешним системам. Anthropic выпустила его в ноябре 2024 года.13
Свой агент
AGENTS.md и CLAUDE.md
Файлы инструкций, которые харнесс загружает в каждую сессию: команды проверки, ловушки, решения, которых нет в коде. CLAUDE.md может подключить открытый AGENTS.md.14
База знаний
Авто-режим auto mode
Режим прав Claude Code, в котором действия одобряет не человек, а классификатор. Рассуждений агента он не видит, чтобы агент не смог его уговорить.15
Безопасность
Worktree
Ещё одна рабочая копия того же git-репозитория, на своей ветке. Свой worktree на каждую задачу — и параллельные сессии не мешают друг другу.
Много агентов
Эвалы evals
Набор задач, на котором меряют агента: оценивают результат, а не путь к нему. Задачи берут из реальных провалов.16
Свой агент

Вайб-кодинг ≠ агентная инженерия.

Оба термина предложил Andrej Karpathy, с промежутком в год. Simon Willison разводит их по одному признаку: кто отвечает за код.17

Вайб-кодинг: код не читают.

Так Karpathy описал его в феврале 2025 года.18 Годится для одноразового, считает Willison.17

Агентная инженерия: код пишут агенты, отвечает человек.

Так Karpathy описал её в феврале 2026 года: за человеком — процесс и качество.18

Кто написал канон.

Исследователи, авторы инструментов, инженеры Anthropic и OpenAI, независимые практики. В главном они сходятся.

2022–2024 Корни.

  1. ReAct: рассуждение и действие в одном цикле Yao et al.

  2. Aider: агент в терминале с картой репозитория Paul Gauthier

  3. Devin Cognition

  4. SWE-agent: интерфейс агент–компьютер Princeton

  5. Model Context Protocol Anthropic

  6. «Building effective agents» Erik Schluntz, Barry Zhang (Anthropic)

2025 Складывается практика.

  1. «Vibe coding» Andrej Karpathy

  2. Claude Code: превью; общий доступ — с 22 мая Anthropic

  3. «Claude Code: Best practices for agentic coding» Boris Cherny (Anthropic)

  4. «Don’t build multi-agents» Walden Yan (Cognition)

  5. «Effective context engineering for AI agents» Anthropic

  6. Agent Skills Anthropic

2026 Харнесс становится дисциплиной.

  1. «My AI Adoption Journey»: harness engineering Mitchell Hashimoto

  2. «Harness engineering: leveraging Codex in an agent-first world» Ryan Lopopolo (OpenAI)

  3. Один харнесс поднимает агента из третьего десятка в пятёрку Terminal-Bench 2.0 LangChain

  4. «Agentic Engineering Patterns» Simon Willison

  5. «Agent Harness Engineering» Addy Osmani

  6. Новая система контроля версий Anthropic Nick G. и команда (Anthropic)

Что говорят авторы канона.

Сходятся они в главном: писать код стало дёшево, дорого всё, что вокруг модели.

«Каждый раз, когда агент ошибается, вы находите время и строите решение, чтобы он больше никогда не повторил эту ошибку».
Mitchell Hashimotoо harness engineering, 5 февраля 20267
«Писать код теперь дёшево».
Simon Willison«Agentic Engineering Patterns», с 23 февраля 202617
Главная работа команды теперь — не писать код, а проектировать среду, формулировать намерения и строить петли обратной связи.
Ryan Lopopolo, OpenAI11 февраля 2026, пересказ InfoQ19
Харнесс делает явным то, что раньше давал опыт разработчика. Открытым остаётся вопрос, кто проверяет поведение.
Birgitta Böckeler, Thoughtworks17 февраля 2026, пересказ20
Обычный софт автоматизировал то, что можно специфицировать. ИИ — то, что можно проверить.
Andrej Karpathy, Sequoia AI Ascent30 апреля 2026, пересказ21

Канон всё чаще пишут в одной компании.

С мая 2026 года Andrej Karpathy работает в Anthropic, в команде пре-трейнинга.22 С сентября там же Addy Osmani — в команде Claude Code. Anthropic — главный источник этой страницы, и у компании есть коммерческий интерес. Поэтому две главы сверяют канон с независимыми данными.

Агенты стали массовыми
раньше доказательств.

Это видно по выручке, пул‑реквестам и опросам. А замеры того, ускоряют ли агенты работу, отстают и пока расходятся.

$16,3 млрдвыручка Anthropic за первое полугодие 2026 года, по пересказам проспекта IPO. Годом раньше — около $1,2 млрд.23
80%выручки, $13,1 млрд, принесла оплата за потребление. Подписки — около $3,2 млрд.23
$2,5 млрд+годовой темп выручки Claude Code в феврале 2026 года, по словам компании. С начала года он вырос больше чем вдвое.24

Выручку Claude Code проспект (форма S‑1) отдельно не раскрывает. Годовой темп — это текущие продажи, пересчитанные на год, а не проверенная выручка. Отметки в $1 млрд Claude Code достиг примерно за полгода после запуска.24

За полгода доля агентов в пул‑реквестах выросла больше чем вдвое.

По данным GitHub, в марте 2026 года с черновика агента начинались 17% пул‑реквестов, в сентябре — больше 40%.2

Доля пул‑реквестов, начатых агентами.

GitHub, март и сентябрь 2026 года.2 Полоса — все пул‑реквесты месяца.

Март Сентябрь 17% 40%+ 0 50% 100% Март Сентябрь 17% 40%+ 0 50% 100%
Две точки из отчёта, без линии между ними: как доля менялась с марта по сентябрь, здесь не показано.

За один сентябрь агенты начали 110 млн пул‑реквестов, за год на GitHub слили 1,3 млрд пул‑реквестов против 538 млн годом раньше, а пул‑реквесты агентов сливают в течение двух недель в 90% случаев, остальные — примерно в 86%.2

Пользуется большинство, доверяют с оговорками.

Так ответили 30 903 участника опроса Stack Overflow 2026 года.25

66%пользуются ассистентами или агентами для кода. Это самый частый сценарий работы с ИИ.25
87%+хоть в какой‑то мере доверяют ответам ИИ. Годом раньше — 31%.25
48%доверяют, когда результат легко проверить.25
6,6%доверяют ИИ «во многих задачах, включая важные рабочие решения».25

Автоматизированными агентными процессами, по пересказу ITBrief, пользуются 26,2% разработчиков.26 Отчёт DORA 2025 года смотрит шире, на ИИ вообще: им пользуются 90% специалистов, и он усиливает и сильные, и слабые стороны организации.27

Почувствовать ускорение проще, чем его измерить.

Разработчики ждали ускорения на 24%. METR намерил замедление на 19%.28

Время на задачу с ИИ.

16 разработчиков, 246 задач, 2025 год.28 Минус — быстрее, плюс — медленнее.

Исследование 2025 года Повтор, февраль 2026 года Ожидали Почувствовали Измерили Участники 2025 года Новые участники −24% −20% +19% −18% −4% −40% −20% 0 +20% +40% ← быстрее медленнее → Исследование 2025 года Повтор, 2026 год Ожидали Почувствовали Измерили Участники 2025 года Новые участники −24% −20% +19% −18% −4% −40% −20% 0 +20% +40% ← быстрее медленнее →
Результаты 2025 года METR сам пометил как устаревшие и отсылает к повтору.28,29

Повтор METR опубликовал в феврале 2026 года: 57 разработчиков, 143 репозитория, больше 800 задач. Оценки сместились к ускорению: −18% времени у десяти участников первого исследования и −4% у новых.29 Но интервалы по‑прежнему допускают и замедление.

METR сам предупреждает, что оценки смещены. Часть разработчиков отказалась участвовать: они не хотели работать без ИИ. А 30–50% участников не отдавали в эксперимент задачи, которые не хотели решать без него. Поэтому METR считает результат нижней границей ускорения и, по его словам, «скорее всего, плохим показателем реального влияния на продуктивность».29

Внутри Anthropic изменений стало в 12 раз больше.

По данным компании, с мая по сентябрь 2026 года число слитых изменений в день выросло примерно с 2 500 до 30 000+.1

Слитые изменения в день.

Монорепозиторий Anthropic, май и сентябрь 2026 года. Один блок — 2 500 изменений.1

Май Сентябрь 2 500 30 000+ Май2 500 Сентябрь30 000+

Это данные самой Anthropic, и меряют они другое, чем METR: сколько изменений сливается за день, а не насколько быстрее человек решает задачу.

Экспертиза по‑прежнему окупается.

Экономисты Anthropic разобрали 400 тысяч сессий Claude Code у 235 тысяч человек.30

15%доля сессий с подтверждённым успехом у новичков.30
28–33%та же доля у остальных — примерно вдвое выше.30

Чем выше экспертиза, тем больше работы агент делает на одну инструкцию. При этом люди принимают около 70% решений о планировании и около 20% — об исполнении.30

«Агенты для программирования не заменяют экспертизу в предметной области».

Anthropic Economic Research, 16 июня 202630

Модели растут всё быстрее, а рейтинги различают их плохо.

METR измеряет горизонт задач — длину задач, которые модель решает в половине случаев. Этот горизонт удваивается всё быстрее.31

~4 месяцаза столько удваивается горизонт, если считать с 2023 года (131 день). По всей истории замеров — около 7 месяцев (196 дней), с 2024 года — около 3 (89 дней). Отчёт METR, январь 2026 года.31

Самая новая модель Claude в этом отчёте — Opus 4.5. Её горизонт на январь 2026 года — около 320 минут, примерно 5 ч 20 мин, с интервалом от 170 до 729 минут.31

Сами вендоры предупреждают, что на нынешнем уровне разрыв в бенчмарках всё хуже говорит о разнице в работе. Так Anthropic пишет об Opus 5.5: в собственной работе компании отставание Fable 5.1 оказалось меньше, чем показывают оценки.32 А одни только настройки инфраструктуры сдвигают результат на Terminal-Bench 2.0 на 6 п. п. — больше, чем разрыв между соседними моделями в рейтинге.5 Измерения не успевают за практикой, а скорость набора кода мало говорит о пользе. Полезнее смотреть, какую долю работы агента можно проверить автоматически: тестом, сборкой, линтером.

Что доступно в России.

Официальные подписки Anthropic и OpenAI в России недоступны. Местные игроки, по обзорам: у Сбера с ноября 2025 года есть агентный режим GigaCode, у Яндекса в 2026 году в SourceCraft Code Assistant появились автономные агенты, CLI и скиллы.33,34

Отсюда интерес к открытым моделям, которые можно запустить у себя, и к недорогим китайским подпискам.

Что такое харнесс
и почему он решает.

+13,7п. п.

Столько дал один только харнесс. Агент LangChain на Terminal-Bench 2.0 вырос с 52,8% до 66,5% — модель осталась той же.35

Песочница и файлы Инструменты и MCP Права и хуки Контекст: компакция, субагенты Память и инструкции: CLAUDE.md, скиллы Модель Песочница Инструменты Права и хуки Контекст Память Модель
Харнесс — всё, что не модель: от песочницы до памяти. Слои — по Addy Osmani.8

«Каждая часть харнесса — допущение о том, чего модель не умеет сама».

Prithvi Rajasekaran, Anthropic, 24 марта 202636

Одна и та же модель в разных харнессах — разные агенты. Весной 2026 года качество Claude Code заметно упало, хотя модель и API не менялись. Причиной оказались три правки харнесса: ниже стал effort по умолчанию, ошибка в кэше стирала историю рассуждений, а строка против многословия в системном промпте мешала писать код.37

Что решает модель, а что исполняет харнесс.

Решает модель

может не выполнить

  • Промпт и CLAUDE.md
  • Скиллы, которые модель выбирает
  • Классификатор авто-режима
  • Effort и темп работы

Исполняет харнесс

выполнится всегда

  • Хуки и deny-правила
  • Песочница в строгом режиме
  • Тесты и Stop-хук
  • Лимиты ходов и бюджета

Если строку в CLAUDE.md приходится выделять всё сильнее, а агент всё равно её пропускает, это правило для хука. И наоборот: хуки для простых предпочтений лучше удалить.12

# CLAUDE.md — чего не видно в коде
# Commands
- One test: pnpm vitest run <file>
- Typecheck: pnpm tsc --noEmit
# Gotchas
- src/legacy/ is live; don't copy it

// .claude/settings.json — хук Stop
{
  "hooks": {
    "Stop": [{
      "hooks": [{
        "type": "command",
        "command": "sh .claude/tsc.sh"
      }]
    }]
  }
}

# .claude/tsc.sh
pnpm tsc --noEmit >&2 || exit 2

Строку из CLAUDE.md модель может счесть неприменимой. Stop-хук не даст закончить, пока типы не сойдутся.

Допущения устаревают.

Что Anthropic добавляла в харнесс из-за слабостей модели — и что с этим стало, когда модели выросли.

Часть харнессаБылоСтало
Сброс контекста Его ввели для Sonnet 4.5: из-за «тревоги контекста» модель сворачивала работу раньше времени. На Opus 4.5 сброс стал лишним грузом.36,38
Напоминания о цели Каждые пять ходов харнесс напоминал модели о её цели, а план она вела в TodoWrite. Сильным моделям этого стало мало. TodoWrite заменили на задачи (Tasks): с зависимостями, общие для всех субагентов, и модель сама их меняет и удаляет.39
Системный промпт Claude Code Одно только описание TodoWrite занимало около 9 100 символов. Для моделей Claude 5 из промпта удалили больше 80% текста — без потерь на эвалах. От описания TodoWrite остались короткая строка и список статусов.10

«Пространство интересных комбинаций харнесса не сужается, когда модели становятся сильнее. Оно смещается», — пишет Prithvi Rajasekaran из Anthropic.36

Три паттерна Anthropic.

Lance Martin описывает, как строить харнесс под Claude: на что опереться, что отдать модели и где поставить границы.38

Опирайтесь на модель.

Дайте ей инструменты, которые она хорошо знает: bash и редактор файлов. С этими двумя Claude 3.5 Sonnet набрал 49% на SWE-bench Verified.38

mini-swe-agent обходится одним bash и, по данным авторов, набирает больше 74% на том же тесте.40

Свой агент

Убирайте лишнее.

Пусть модель сама оркестрирует работу: если она вызывает инструменты из кода, в контекст попадает только итог. Когда Opus 4.6 фильтрует вывод кодом, его результат на BrowseComp растёт с 45,3% до 61,6%.38

Контекстом она тоже управляет сама: скиллы, субагенты, компакция, память.

База знаний

Ставьте границы аккуратно.

Промпт строится под кэш. Опасные и необратимые действия идут через отдельные типизированные инструменты. Перед записью харнесс проверяет, не устарели ли данные.

Безопасность

Долгую задачу не удержать в одном контексте.

От двух агентов с файлом прогресса до харнесса, который модель пишет сама: так за полгода менялся подход Anthropic.

В ноябре 2025 года Anthropic разделила долгую работу на две роли. Инициализатор готовит среду: init.sh, файл прогресса, первый коммит и список фич в JSON — в примере их больше 200, все помечены «не проходит». Рабочий агент начинает каждую сессию с git log и файла прогресса, запускает приложение и проверяет, что оно работает. Потом делает одну самую важную фичу, коммитит и обновляет прогресс. Готовой фича считается только после проверки от начала до конца, лучше всего — автоматизацией браузера.41

В марте 2026 года ролей стало три: планировщик, генератор и оценщик (planner, generator, evaluator). Работа идёт спринтами, и у каждого есть «контракт»: что считать готовым.36 Почему проверяет отдельный агент — в главе Проверка

Один агент против полного харнесса.

Конструктор ретро-игр, март 2026 года. Длина полосы — время работы.

Один агент Полный харнесс игра не реагирует на ввод игра работает 20 мин · $9 6 ч · $200 Один агент Полный харнесс 20 мин · $9 6 ч · $200 игра не реагирует на ввод игра работает
Другая задача, студия звукозаписи: 3 ч 50 мин, $124,70 — уже без спринтов: их убрали после выхода Opus 4.6.36

В июне 2026 года харнесс начала писать сама модель. В динамических воркфлоу Claude Code она собирает его под задачу из JavaScript-функций agent, parallel и pipeline.42 Готовых паттернов шесть: классифицируй и действуй, веер и синтез, состязательная проверка, сгенерируй и отфильтруй, турнир, цикл до готовности. Они лечат три сбоя одного контекста: «агентную лень», предпочтение собственных находок и дрейф цели.

Managed Agents: мозг отдельно от рук.

Anthropic называет свою платформу Managed Agents мета-харнессом. Сессия, харнесс и песочница в ней разделены.43

Сессия журнал только на дозапись сообщение пользователя вызов инструмента результат события Харнесс «мозг» вызовы Песочницы ×N «руки» упавшую заменяют новой ключей внутри нет Сессия журнал только на дозапись сообщение пользователя вызов инструмента результат события Харнесс «мозг» вызовы Песочницы ×N «руки» упавшую заменяют новой ключей внутри нет
Контейнеры здесь — «скот, а не питомцы».43

После разделения медианное время до первого токена сократилось на 60%, а 95-й перцентиль — больше чем на 90%.43 Где Managed Agents среди других способов собрать агента — в главе Свой агент

Ошибка агента — повод изменить харнесс.

Mitchell Hashimoto называет это инженерией харнесса (harness engineering): каждая ошибка агента — строка в AGENTS.md или скрипт-инструмент.7

Опыт OpenAI.

По пересказам статьи Ryan Lopopolo, команда OpenAI в августе 2025 года начала с пустого репозитория и ни одной строки не написала руками.19

~1 млнстрок кода за пять месяцев19
~1 500пул-реквестов19
3инженера на старте19
0строк вручную19

Карта, тесты и уборка.

AGENTS.md примерно на 100 строк служит картой, а знания живут в docs/ как в системе записи. Архитектуру держат линтеры и структурные тесты. Периодические агенты «сборки мусора» ищут расхождения в документации и нарушения архитектуры.19

База знаний

Что возражает Böckeler.

Birgitta Böckeler из Thoughtworks описывает харнесс как направляющие и датчики — вычислительные и смысловые. В отчёте OpenAI ей не хватает проверки поведения. Шаблоны харнессов, считает она, будут расходиться, как шаблоны сервисов, а переносить харнесс на легаси дорого.20

Два рабочих совета.

  • Начните с готового харнесса. Anthropic перед каждым релизом подстраивает Claude Code под новую модель.37
  • Меняйте по одной детали и измеряйте. Разницу меньше 3 п. п. на Terminal-Bench 2.0 Anthropic советует воспринимать скептически: её может дать шум инфраструктуры.5

Проверка — новая работа программиста.

Сколько агентов можно запустить параллельно, зависит не от модели, а от того, умеют ли они проверять себя.

2–3×

Во столько раз лучше итоговый результат, если дать Claude способ проверить свою работу. Так оценивает Boris Cherny из Anthropic.3

«Без циклов проверки можно запускать одного‑двух Claude одновременно. С ними — десятки или сотни».

Addy Osmani, Anthropic, 16 ноября 20264

Проверку можно попросить, а можно потребовать.

Без проверки агент останавливается, когда работа только выглядит готовой, и тестировать приходится вам.12

  1. Просьба в промпте«Потом прогони тесты авторизации и продолжай, пока они не пройдут»
  2. /goalПосле каждого хода отдельная модель проверяет, выполнено ли условие
  3. Stop-хукНе даёт Claude закончить ход, пока проверка не пройдёт
  4. /code-reviewКод проверяет тот, кто его не писал: агент в свежем контексте

Claude решает сам → Claude Code заставляет. Уровни и пример просьбы — из документации Claude Code, ноябрь 2026 года.

На любом уровне просите доказательство: какую команду агент запустил и что она вывела.

Проверить — значит запустить.

По опыту команды Claude Code, окупаются три вида тестов.4

Сквозные тесты

Агенту нужны руки и глаза: браузер, симулятор.

Запустить приложение от начала до конца важнее, чем тесты.4

Тесты свойств

Тест задаёт правило, верное для любых входов. Входы подбирает генератор.

Дифференциальные тесты

Новый код и эталон получают одни и те же входы. Ответы должны совпасть.

Правила команды Claude Code.

Так проверяют работу агентов те, кто делает Claude Code.4

  • Скилл verify — рядом с кодом. Его кладут в папку .claude/skills/ «как можно ближе к коду, к которому он относится».
  • Проверки пишут владельцы кода.
  • Сначала дешёвые проверки. Дорогие — потом.
  • Три круга — и зовут человека. Если проверка не проходит и после трёх кругов, Claude останавливается.
  • Нестабильные тесты не обходят. Claude не может их пропустить, добавить паузы или перезапускать, пока не пройдут.
  • Изменение не правит своего судью. Code Review читает REVIEW.md из базовой или основной ветки, а не из изменений в пул-реквесте.
  • Ревью действует для одного коммита. «Пройденное ревью на устаревшем коммите ничего не значит».
  • На каждом коммите — отметка, как его проверили.
39пунктов в их чеклисте надёжности. У каждого — признак, который видно в диффе, проверка и инциденты или пул-реквесты, из-за которых пункт появился.4

База знаний

Как ревьюят код в Anthropic.

Каждый пул-реквест проходит семь ступеней. ИИ ревьюит всё, люди — по уровню риска.3

  1. Проверка до PR
  2. ИИ-ревью каждого PRНаходка выходит, только если за неё голосуют агенты
  3. Ревью безопасностиМожет заблокировать слияние
  4. CI
  5. Одобрение человекомПо уровню риска: 0, 1 или 2 человека
  6. Очередь слиянияФлаги, поэтапный выпуск
  7. Быстрый откат

Конвейер ревью по описанию команды Claude Code, 15 октября 2026 года.

РискКто одобряет
НизкийНе нужноесли автоматическое ревью и проверки безопасности зелёные
СреднийОдин человек
ВысокийДва человека

Кто написал промпт, тот и отвечает за изменение.3

Проверки до релиза в своём CI/CD

Меньше кругов, больше замечаний по делу.

С июня по сентябрь слитых пул-реквестов стало больше чем вдвое, а доля откаченных упала больше чем на 40%.3

78%пул-реквестов проходят после одного круга ревью и правок. Было 65%.3
1,5%пул-реквестов нужно пять кругов и больше. Было 8,9%.3
1,32ревью в среднем нужно, чтобы пул-реквест прошёл. Было 2,08.3
54%внутренних пул-реквестов получают замечания по существу. Было 16%.3

Доля пул-реквестов с замечаниями по существу — на момент запуска Code Review в исследовательском превью.

Кто кого проверяет.

Nicholas Carlini из Anthropic поручил 16 агентам Claude написать компилятор C, и тот собирает Linux 6.9. О проверке он пишет так: «проверка задачи должна быть почти идеальной, иначе Claude решит не ту задачу».44

Тесты в этом проекте написаны для модели, а не для человека. Они печатают мало, а подробности складывают в файл. Ошибку помечает слово ERROR, чтобы её находил grep. Быстрый режим прогоняет случайную выборку тестов.

Ещё одно правило: кто сделал, тот себя не проверяет. Агенты систематически завышают оценку своей работы. Поэтому в харнессе Anthropic для долгих задач генератор и оценщик — разные агенты, а отдельного скептичного оценщика проще настроить.36

Simon Willison в гайде «Agentic Engineering Patterns» советует три приёма. Red/green TDD: сначала тест, который падает, потом код, с которым он проходит. Просьба «сначала запусти тесты». И ручное тестирование, которое агент проводит своими руками.17

Начните с одной команды.

  • Одна команда проверки в CLAUDE.md. Чтобы агенту не приходилось угадывать, чем проверить работу.
  • Stop-хук для обязательного. То, без чего задача не готова, пусть исполняет харнесс.
  • Ревью в свежем контексте. /code-review или отдельный агент без истории сессии.
  • Доказательства вместо «всё прошло». Команда и её вывод.
  • Инциденты — в эвалы для ревьюера. Каждая пропущенная ошибка становится примером, на котором проверяют ревьюера.

Что ещё писать в CLAUDE.md

---
# Пример: .claude/skills/verify/SKILL.md
name: verify
description: Prove a change works.
  Use before calling a task done.
---
1. Cheap checks first:
   pnpm lint && pnpm tsc --noEmit
2. Tests for what you changed:
   pnpm vitest run <files>
3. Run the app and try the change
   end to end.

Show each command and its output.
Three failed rounds? Ask a human.

Пример, а не файл Anthropic: команды — для проекта на pnpm, в вашем будут свои. Скилл лежит рядом с кодом и говорит агенту, чем доказать, что работа готова.

Агент каждый раз начинает с нуля.

Всё, чего нет в коде, должно жить в файлах проекта. Эти файлы растут из ошибок, а не пишутся заранее.

Чего агент не найдёт в коде.

Примеры и два вопроса ниже — из документации Claude Code.12

  • Решения, принятые на совещаниях.
  • Порядок деплоя в голове одного человека.
  • Переменные окружения для тестов.
  • Места, где код вводит в заблуждение.

Перед записью — два вопроса.

Найдёт ли агент это, читая код?

Пойдёт ли агент на самом деле искать?

Оба «да» — не записывайте: агент найдёт сам.

Хоть одно «нет» — запишите в файлы проекта.

У памяти агента четыре слоя.

От журнала сессий до того, что харнесс загружает в каждую сессию. Последний слой должен оставаться маленьким.

Транскрипты Заметки Представления Внедряемый контекст журнал сессий с поиском правила, проверенные факты, предупреждения вики: страницы с перекрёстными ссылками загружается в каждую сессию «Сны» офлайн-проход (dreaming): сверить заметки с транскриптами, исправить ошибки, слить дубли, починить ссылки MEMORY.md — индекс Claude Code загружает только первые 200 строк или 25 КБ Транскрипты Заметки Представления Внедряемый контекст журнал сессий с поиском правила, проверенные факты, предупреждения вики: страницы с перекрёстными ссылками загружается в каждую сессию MEMORY.md — индекс Claude Code загружает только первые 200 строк или 25 КБ «Сны» (dreaming) Офлайн-проход: сверить заметки с транскриптами, исправить ошибки, слить дубли, починить ссылки
Слои памяти — по Anthropic.45 Лимит MEMORY.md — из документации Claude Code: если файл длиннее, Claude Code просит модель переписать индекс.14

Память окупается.

Измерения Anthropic из той же статьи.

0,838у Opus 5.5 на CL-Bench с памятью, без неё — 0,655. У Sonnet 5.5 — 0,833 против 0,644.45
61%у вики вместе с поиском. У одного поиска — 53%.45
~20 тыс.токенов на каждый вопрос экономит вики рядом с поиском.45

Лишнее её портит.

Там же: что происходит, когда записывают слишком много или не так.

  • Записывать всё подряд. Вики разрастается в 1,77 раза больше исходного корпуса и почти ничего не обобщает; у Sonnet 3.7 — 413 файлов памяти, у Fable 5 — 10.45
  • Сваливать всё в одну таблицу. Отдельная страница на каждый договор сохранила 57 фактов из 57, общая таблица — 41.45
  • Писать нескольким агентам в один файл.
  • Переносить непроверенную заметку из сессии в сессию.
  • Давать длинные инструкции: они снижают послушание.

У каждого знания — свой файл.

Одни файлы пишут люди после ошибок и инцидентов, другие ведут агенты и сама модель.

проект/
├── CLAUDE.md
├── REVIEW.md
├── .claude/
│   ├── rules/
│   │   └── api.md
│   └── skills/
│       └── verify/
│           └── SKILL.md
└── docs/
    └── …
Где лежат файлы. Что в них писать — в таблице.
ФайлЧто внутриКто и когда пишет
CLAUDE.md или AGENTS.mdКоманды проверки, ловушки, решения, которых нет в репозитории. До 200 строк: длинный файл съедает контекст и снижает послушание.14 У OpenAI, по пересказу InfoQ, — около 100 строк, как карта19Человек — после второй одинаковой ошибки. Начать помогает /init, чистить — /doctor12
Правила .claude/rules/*.md с полем paths:Правила для одной части кодаВладелец этой части
Скиллы .claude/skills/<имя>/SKILL.mdПроцедуры команды, справочники, раздел «Gotchas», скриптыКоманда, по ходу работы46
REVIEW.mdКак выглядит провал в этой части репозиторияВладельцы кода
Чеклист надёжностиПравило, признак, который видно в диффе, проверка и инциденты или PR, из которых правило появилось4После инцидентов
docs/ как система записиДизайн-доки, планы, статус проверкиАгенты и люди. У OpenAI, по пересказу InfoQ, агенты «сборки мусора» ищут в документации расхождения19
Автопамять: MEMORY.md и заметкиФакты, которые модель сочла важнымиМодель сама
Вики проекта по схеме Karpathyraw/ с неизменяемыми источниками → вики → схема в CLAUDE.md. Операции: загрузить, спросить, проверить, продвинуть47Модель, по запросу
Трекер для агентов: Beads и аналогиЗадачи и зависимости между сессиямиАгенты

Состав файлов — по документации и практике команды Claude Code, OpenAI и Andrej Karpathy.

Скилл начинается с одной ловушки.

У команды Claude Code в работе сотни скиллов. Лучшие начинались с нескольких строк, и самое ценное в них — раздел «Gotchas», ловушки.46

Девять типов скиллов.

Так их делит команда Claude Code.

  • Проверка продуктаСамый измеримый эффект: с таким скиллом агент сам проверяет, что продукт работает. Команда советует потратить на скиллы проверки неделю инженера.46
  • Справочник библиотеки
  • Данные и аналитика
  • Процессы команды
  • Шаблоны кода
  • Качество и ревью
  • CI/CD
  • Ранбуки
  • Операции

Каждое правило — след ошибки.

Сначала — строка в CLAUDE.md, потом хук и эвал, а через несколько месяцев — чистка.

  1. Ошибкаагент ошибся второй раз
  2. Строка в CLAUDE.mdзаписывает человек
  3. Хук или запретесли у правила нет исключений
  4. Эвалкогда случился инцидент
  5. Чисткараз в 3–6 месяцев и после выхода модели: /doctor, prompt-audit
Цикл — по материалам команды Claude Code, документации и советам Anthropic для больших кодовых баз.4,12,48

«Наборы тестов, шаги проверки и .md‑файлы, если им позволить, только растут, поэтому мы регулярно их чистим».

Addy Osmani, Anthropic, 16 ноября 20264

Файлы знаний — тоже код.

Им нужны ревью, владелец и история изменений.

Отравление памяти.

Инструкция, внедрённая в CLAUDE.md или в память агента, загружается в каждую сессию.49 Поэтому правку этих файлов проверяют так же, как правку кода.

Безопасность

Агент — это цикл, а не фреймворк.

Модель вызывает инструменты, смотрит на результат и решает, что делать дальше. Кода в таком цикле немного.

Собрать контекст Действовать Проверить Модель прошло Готово не прошло — повторить Собрать контекст Действовать Проверить Модель прошло Готово повторить
Цикл агента в описании Anthropic: на нём построен Claude Agent SDK.50

Агент для правки кода у Thorsten Ball — около 300 строк и три инструмента,51 а класс агента в mini-swe-agent — около 100 строк на Python с одним bash.40

Сначала решите, нужен ли агент.

Anthropic советует начинать с самого простого и усложнять, только когда это нужно. Перед тем как строить агента, ответьте на четыре вопроса.6

  • Задача открытая, и число шагов не предсказать? Для таких задач агенты и нужны. Если шаги известны, надёжнее закрепить их в коде.
  • Результат окупает цену и задержку? Автономия стоит дороже: вызовов модели больше, ждать дольше.
  • Модель справляется с такими задачами? Цикл повторяет её шаги, но не добавляет ей умений.
  • Ошибку можно заметить и откатить? В цикле ошибки накапливаются от шага к шагу.

Хоть один ответ «нет» — хватит одного вызова модели с поиском и примерами в промпте или жёсткого воркфлоу.

Пять паттернов воркфлоу.

Воркфлоу, по определению Anthropic, — «системы, где модели и инструменты следуют заранее заданным путям в коде».6

Цепочка

Prompt chaining

Задача разбита на шаги. Каждый вызов модели берёт результат предыдущего.

Маршрутизация

Routing

Первый вызов определяет тип запроса и отправляет его по нужному пути.

Параллелизация

Parallelization

Части задачи или несколько попыток одной и той же идут одновременно. Результаты сводит код.

Оркестратор и исполнители

Orchestrator-workers

Главная модель делит задачу на части, раздаёт их исполнителям и собирает ответы.

Оценщик и оптимизатор

Evaluator-optimizer

Одна модель пишет ответ, другая оценивает и говорит, что исправить. И так по кругу.

Четыре пути на Claude.

Чем ниже строка, тем меньше пишете вы и тем больше берёт на себя Anthropic.

ПутьЧто пишете выКто держит цикл и инфраструктуру
Messages API, свой циклВесь цикл и инструментыВы
Tool Runner в SDKТолько функции-инструментыЦикл — SDK, инфраструктура — вы
Claude Agent SDKПромпт и настройкиХарнесс Claude Code как библиотека, инфраструктура — вы50
Claude Managed AgentsбетаКонфиг агента и свои инструментыAnthropic: цикл и песочница на каждую сессию43Ещё оценка результата по рубрике, мультиагентные воркфлоу, расписания, хранилище секретов и память.

Состояние на ноябрь 2026 года. Как устроены Managed Agents

Инструменты проектируют под модель.

В Claude Code около 20 инструментов, и планка для нового высокая.39 Ответ одного инструмента по умолчанию — не больше 25 000 токенов.52

Описание — как новому сотруднику

Объясняйте инструмент так, как объяснили бы его человеку в первый рабочий день.52

Ошибка с подсказкой

Ошибка говорит, что именно исправить, а не отдаёт непонятный код.

Смысл вместо id

Ответ несёт поля, которые нужны модели, а не служебные идентификаторы.

Общий префикс

Связанные инструменты группируют общим префиксом в названии.

Инструмент вместо формата

Отдельный инструмент надёжнее, чем просьба ответить в нужном формате.39

Поиск вместо RAG

Агент сам ищет нужное, и это работает лучше заранее собранного индекса.

Поиск по инструментам

Когда инструментов много, модель находит нужный, а его описание подгружается по требованию.53

Цепочка — одним вызовом

Модель пишет код, который сам вызывает инструменты. В контекст попадает только итог.38

Code tool calling

«Самые важные инструменты, которые мы создали, — те, что позволяют Claude самому находить контекст».

Thariq Shihipar, Anthropic, 10 апреля 202639

Контекст для Claude 5 пишут иначе.

Thariq Shihipar из команды Claude Code в июле 2026 года описал шесть сдвигов в инженерии контекста.10

  • Суждение модели вместо правил.
  • Продуманный интерфейс вместо примеров.
  • Подгрузка по требованию вместо «всё сразу».
  • Простые описания инструментов вместо повторов.
  • Автопамять вместо ручной памяти.
  • Богатые референсы вместо текстовых ТЗ.

Например, HTML-макет лучше описания или скриншота.

Какие ещё советы устарели

Кэш — экономика агента.

Каждый ход агента — новый запрос со всей историей. Если начало запроса совпадает с прошлым, его читают из кэша.54

Изменение приходит новым сообщением Системный промпт и инструменты История сессии Новое Из кэша: не дороже 10% цены ввода Полная цена Посреди сессии правят системный промпт, меняют модель или инструменты Системный промпт и инструменты История сессии Новое Начало не совпало — весь запрос по полной цене Изменение — новым сообщением Промпт История Промпт, инструменты и история — из кэша, не дороже 10% цены ввода Новое — по полной цене Правка промпта, смена модели или инструментов посреди сессии Промпт История Весь запрос — по полной цене
Стабильное — в начало, динамическое — в конец. Изменения приходят сообщениями, а модель и инструменты до конца сессии не меняют.

Компакция — на том же префиксе

Запрос на сжатие истории начинается так же, как основной, и тоже читается из кэша.

Попадания в кэш — как аптайм

За их долей команда Claude Code следит так же, как за доступностью сервиса.

Цена задачи по API

Агента проверяют эвалами.

Набор задач покажет, работает ли агент после правки промпта, инструментов или модели. Вот что советует Anthropic.16

Задачи из реальных провалов

Набор начинают с небольшого числа задач, на которых агент уже ошибался.

Результат, а не путь

Проверяют, что получилось: к верному ответу ведут разные пути.

Транскрипты

Читают, что агент делал, а не только итоговую оценку.

Цена законченной задачи

Считают, во что обошлась вся задача, а не отдельный вызов.

Инцидент — новый эвал

Каждый сбой в работе становится задачей в наборе.

Какую модель взять.

Совет Anthropic на ноябрь 2026 года: по умолчанию — Opus 5.5 с effort medium.55

Haiku 5.5

Маршрутизация, извлечение данных, субагенты на чтение.

Sonnet 5.5

Чёткие задачи.

Opus 5.5

Модель по умолчанию, effort — medium.

Fable 5.2

Самые трудные задачи и долгие запуски без присмотра.

Слева направоСверху вниз — от младшей модели к старшей.

Дешёвый уровень и повтор.

Пример из того же разбора: Opus 5.5 запускает все задачи на low, а провалившиеся — ещё раз на high.

~97%задач с повтором на high. $0,17 за задачу.55
95,3%задач, если сразу запускать всё на high. $0,29 за задачу.55

Сколько думать модели.

Effort — главный регулятор цены и качества. Потяните ползунок: так меняется результат Opus 5.5 на SWE-bench Pro относительно уровня high.

−2,5 п. п.
По умолчанию в Claude Code. Около 70% цены high.

Opus 5.5 на SWE-bench Pro, разница с high.55

Если результат не устраивает.

Порядок от Anthropic: сначала дешёвое, потом дорогое.55

  1. Дать проверку

    Тест, сборка или скрипт, который вызывает эндпоинт. Без проверки агент останавливается, когда работа только выглядит готовой.

  2. Поднять effort

    На одну ступень. Выше high каждая ступень стоит почти как модель старше.

  3. Взять модель старше

    И начать с effort ниже прежнего.

У каждой роли — своя модель.

Субагента в Claude Code описывают одним файлом: когда его звать, какие инструменты ему доступны и на какой модели он работает.

.claude/agents/reviewer.md

---
name: reviewer
description: >
  Reviews a finished change.
  Use before commit.
tools: Read, Grep, Glob
model: sonnet
---
You did not write this code.
Read the task and the changed files.
Report only what breaks behavior,
tests or security: file, line,
why it matters, how to check it.
If nothing is wrong, say so
in one line.
name
Имя, по которому агент обращается к ревьюеру.
description
Когда его звать. Ревьюер начинает с чистого контекста и не видит рассуждений автора.
tools
Только чтение. Править код ревьюер не может.
model
Sonnet 5.5: проверить изменение по ясным критериям — чётко поставленная задача.

Когда окупаются субагенты

Подписка покупает
не модель, а харнесс.

Тарифы Claude на 19 ноября 2026 года.56 Лимиты щедрые, потому что харнесс Anthropic почти всё берёт из кэша.

Pro

$20
в месяц, $17 при оплате за год
Лимит
базовый
Claude Code
есть
Fable 5.2
за дополнительные кредиты

Max

$100
в месяц
Лимит
в 5 раз больше Pro
Claude Code
есть
Fable 5.2
до половины недельного лимита

Ultra

$200
в месяц
Лимит
в 10 раз больше Pro за неделю, без пятичасового окна
Claude Code
есть
Fable 5.2
до половины недельного лимита

Team

$125
за премиум-место в месяц, $100 при оплате за год
Лимит
в 5 раз больше стандартного места
Claude Code
есть
Стандартное место
$25 в месяц, $20 при оплате за год

Свой харнесс — значит API-ключ.

С 2026 года подписка работает только в Claude Code и Cowork.

  1. ЯнварьAnthropic технически закрыла сторонним инструментам возможность выдавать себя за Claude Code.57
  2. ФевральЗапрет прямо записали в условия использования. OpenCode после запроса юристов Anthropic убрал вход по подписке Claude.57

Цены API за миллион токенов.

Свой харнесс платит за каждый токен, поэтому главная статья экономии — кэш. Как работает кэш

МодельВводВыводЧтение из кэша
Fable 5.2$8$40$0,20
Opus 5.5$4$20$0,20
Sonnet 5.5$2$10$0,10
Haiku 5.5$0,10$0,50$0,01

Доллары за миллион токенов, 21 ноября 2026 года. Цены Haiku 5.5 — для запросов до 100 тыс. токенов. Batch — за полцены, быстрый режим Opus 5.5 — вдвое дороже.56

Считайте цену задачи, а не токена.

По расчёту Addy Osmani, типичная задача Claude Code на Opus 5.5 — 2,2 млн токенов ввода (91% из кэша) и 60 тыс. вывода, по API около $2,40.58

По документации Claude Code, компания в среднем тратит на разработчика около $13 в активный день, а у 90% разработчиков расход меньше $30.59

Подписка или API.

Выберите модель и число задач в день; начальные значения — из расчёта Osmani.58

$528 в месяц по ценам API

≈ $2,40 за задачу, 10 задач в день, 22 рабочих дня

Тариф — цена с лимитом; хватит ли его на такую нагрузку, решает лимит, а не цена.

Задача — 2,2 млн токенов ввода (91% из кэша) и 60 тыс. вывода на любой модели, 22 рабочих дня. Запись в кэш и повторы не учтены.

«Самый дешёвый ход — тот, который не понадобился».

Addy Osmani, Anthropic, 25 сентября 202658

От безлимита — к оплате за потребление.

Даже у ChatGPT Plus за $20 — пятичасовые и недельные лимиты.60

ВендорТарифы в месяцЧто важно
OpenAI60ChatGPT с Codex
  • Free $0, Go $8
  • Plus $20
  • Pro $100, $200 или $500
  • Business $25 за место, $20 за год
В Free и Go — младшая модель GPT‑6 Luna в приложении. В Plus — пятичасовые окна и недельные лимиты, в Pro пятичасового лимита нет. Business — от двух пользователей. Модели — семейство GPT‑6.x: Luna, Sol, Terra, Astra.
Cursor61
  • Старые: Pro $20, Pro+ $60, Ultra $200
  • Новые: Plus $8, Premium $30, Super $100, Ultra $200
В старых тарифах использование моделей включено в цену. В новых лимиты — 1×, 4×, 15× и 50× от Plus.
GitHub Copilot62
  • Pro $10, Pro+ $39, Max $100
  • Business $19 и Enterprise $39 за место
С 1 июня 2026 года — оплата кредитами по токенам.
Google63
  • AI Pro $19,99
Antigravity, Jules, Gemini CLI. Квоты за год менялись несколько раз.
Китайские планы для кода64Zhipu, Moonshot, MiniMax, Alibaba
  • GLM Coding Plan $18, $80, $168
  • Kimi от $19
  • MiniMax M Plan $220 в год
  • Alibaba Bailian Pro $50
Модели открытые и работают в сторонних харнессах. Kimi Code входит в подписку Kimi.

Цены OpenAI — со страницы тарифов, остальные — по обзорам; на 19 ноября 2026 года.

Сначала сценарий, потом тариф.

Пять типичных случаев и что выбрать в каждом.

Один разработчик, агент каждый день

Max или Ultra, либо ChatGPT Pro. При высокой доле кэша подписка выходит дешевле API.

Свой харнесс, CI или продукт

API-ключ. Расход снижают кэш, Batch за полцены и настройка effort.

Свой агент

Команда

Места разного уровня — по нагрузке. Расход видно в /usage и в аналитике.

Данные нельзя выносить

Открытые модели в своём контуре и открытый харнесс. В России — ещё и местные вендоры.

Рынок в цифрах

Не привязываться к одному вендору

AGENTS.md и скиллы. Это открытые форматы, а CLAUDE.md подключает AGENTS.md.

База знаний

Цены и лимиты меняются часто; актуальные — на claude.com/pricing и на сайтах вендоров. Проверено 19 ноября 2026 года.

Кто разрешает действия агента.

Подтверждать каждое действие — не защита: люди одобряют почти все запросы не глядя. Защищают границы среды.

93%
запросов разрешений люди одобряют, уже не вчитываясь. Песочница сокращает их число на 84%.

Anthropic о том, как устроен авто-режим и как Claude ограничивают в продуктах.15,49

Классификатор, которого не уговорить.

Рассуждений агента классификатор не видит, поэтому уговорить его нечем.

В авто‑режиме Claude Code запросы разрешений решает двухступенчатый классификатор. Кроме рассуждений агента, он не видит и результатов инструментов. После трёх отказов подряд или двадцати за сессию решение возвращается к человеку.15

«Не полноценная замена внимательной проверке человеком на критичной инфраструктуре».

Так Anthropic оценивает свой авто‑режим, 25 марта 202615

Сначала среда, потом модель.

Модель можно уговорить, поэтому Anthropic сначала ограничивает среду: песочницу, файловую систему и исходящий трафик.49

Сеть: исходящий трафик закрыт разрешённый домен — выданная агенту возможность Файловая система конфиги проекта не исполняются до доверия к папке Песочница ключей внутри нет — им нечего утечь Модель устойчивость к инъекциям Сеть: исходящий трафик закрыт разрешённый домен — выданная возможность Файловая система конфиги ждут доверия к папке Песочница ключей внутри нет — им нечего утечь Модель устойчивость к инъекциям
Слои защиты Claude во всех продуктах Anthropic, май 2026 года.
24 из 25попыток вывести AWS‑ключи прошли мимо модели в учебной атаке через сотрудника, попавшегося на фишинг. Остановили их только границы среды.49
5–6%инъекций против Opus 4.7 удаются после ста адаптивных попыток. С одной попытки — около 0,1%.49

Приватные данные + недоверенный контент + канал наружу.

Агента с приватными данными, недоверенным контентом и каналом наружу можно уговорить вынести данные — так это описал Simon Willison.65

СлучайОткуда пришла атакаЧем кончилось
CVE-2026-2185266Check Point Research, 25 февраля 2026 Настройки вредоносного репозитория могли направить ANTHROPIC_BASE_URL на сервер атакующего Claude Code до версии 2.0.65 отправлял туда запросы с API-ключом ещё до запроса доверия
Black Hat 202667конференция по безопасности GitHub issue Инъекция вплоть до выполнения кода
Cloud Security Alliance688 августа 2026 GitHub issue Утечка секретов CI у трёх агентов

Все три случая 2026 года начинались с недоверенного контента.

Агенту дают всё больше свободы.

При этом Claude Code сам останавливается за уточнением больше чем вдвое чаще, чем его прерывает человек.69

до 25→45+ минтак выросли самые долгие ходы (99,9-й перцентиль) с октября 2025 по январь 2026 года.69
~20%→40%+сессий с полным авто‑одобрением: у новичков (до 50 сессий) и к 750 сессиям.69
~5%→~9%ходов прерывает человек: у новичков и у опытных пользователей.69

Команду агентов держат четыре слоя.

Так Anthropic ограничила тысячу агентов на Fable 5.2.70

  • Отдельные виртуальные машины без сети.
  • Координация только через git и общую SQL-базу.
  • Классификатор перед каждой командой.
  • Офлайн-мониторинг.

Больше миллиона вызовов инструментов — и ни одной блокировки. Вывод авторов: «одного слоя защиты недостаточно, чтобы сдержать команду агентов».70

Как устроены такие команды

Перед запуском без присмотра.

Что проверить, прежде чем оставить агента одного.

Пять вопросов из документации Claude Code12

  • Знает ли агент, как выглядит «готово»? Нужен критерий, на который проверка ответит «прошло» или «нет».
  • Может ли он проверить свою работу? Тест, сборка, линтер, скриншот рядом с макетом.
  • Что ему разрешено трогать? Песочница, закрытая по умолчанию сеть, секреты вне досягаемости.
  • Что его остановит? Лимит ходов или бюджет. Их исполняет харнесс, а не модель.
  • Куда пойдёт результат и кто его подпишет? Решение «готово ли» остаётся за человеком.

Шесть правил автоматизаций Anthropic71

  • Закладка на каждый источник вместо окна «последние 24 часа».
  • Упавший источник — это пробел, а не тихий день.
  • Пометка «отправлено» — только после подтверждения.
  • Статус — перепроверить прямо перед отправкой.
  • Ключи — только на чтение.
  • Бюджет на запуск — с запасом в 3–5 раз от обычного расхода.

Ограничивайте радиус поражения, а не каждое действие.

С такими запретами агент не прочитает .env и папку secrets и не вызовет curl, что бы ни решила модель. Правила сложнее запрета исполняют хуки. Харнесс

// .claude/settings.json — пример
{
  "permissions": {
    "deny": [
      "Read(./.env)",
      "Read(./secrets/**)",
      "Bash(curl:*)"
    ]
  }
}

Когда много агентов
лучше одного.

Когда работу можно разрезать на независимые части и проверить каждую. На одной зависимой цепочке параллельность вредит.

16 агентов без оркестратораКомпилятор C, Anthropic, февраль 2026git и файлы-замки~2 000 сессий и ~$20 тыс.~100 тыс. строк кода.Компилятор собирает Linux 6.9. Планировщики и исполнителиCursor, 2026планировщикиисполнителисудьяПланировщики ставят задачи,исполнители пишут код,судья оценивает результат. 20–30 агентов в tmuxGas Town, Steve Yegge, 2026У каждого агента своя рольи своё окно в терминале. Лидер и 999 помощниковFable 5.2, Anthropic, ноябрь 2026лидер5 таблицОбщая база из пяти SQL-таблиц.За 28,7 часа Великая теорема Фермаформализована в Lean. 16 агентов без оркестратораКомпилятор C, Anthropic, февраль 2026git и файлы-замки~2 000 сессий и ~$20 тыс.~100 тыс. строк кода.Компилятор собирает Linux 6.9. Планировщики и исполнителиCursor, 2026планировщикиисполнителисудьяПланировщики ставят задачи,исполнители пишут код,судья оценивает результат. 20–30 агентов в tmuxGas Town, Steve Yegge, 2026У каждого агента своя рольи своё окно в терминале. Лидер и 999 помощниковFable 5.2, Anthropic, ноябрь 2026лидер5 таблицОбщая база из пяти SQL-таблиц.За 28,7 часа Великая теоремаФерма формализована в Lean.
Четыре устройства команды агентов. Число агентов на схемах — как в источниках; у Cursor и Gas Town — условно.44,70,72,73 Как ограничивают тысячу агентов — в главе Безопасность

Где параллельность ломается. На сборке ядра Linux все 16 агентов упирались в одну и ту же ошибку и переписывали исправления друг друга. Так продолжалось, пока эталоном для сравнения не стал GCC.44

Окупается на широкой работе.

Первый большой замер Anthropic провела в 2025 году: ведущий агент с субагентами против одного.74

90,2%на столько мультиагентная система обошла одиночного Opus 4.74
~15×больше токенов, чем обычный чат, тратит мультиагентная система. Одиночный агент — около 4×.74
−33%дешевле при том же качестве: Opus 5.5 во главе и до 25 Sonnet 5.5 против одного Opus на поиске дефектов. Данные ноября 2026 года.55

Агентам нужен общий контекст.

Так считает Cognition. Заметка «Don’t build multi-agents» вышла за день до поста Anthropic и сводит спор к двум принципам.

  • «Делитесь контекстом — полными трассами агента, а не отдельными сообщениями».
  • «Действия несут неявные решения, а противоречащие решения ведут к плохому результату».

Walden Yan, Cognition, 12 июня 202575

Параллельность одного человека.

Boris Cherny из Anthropic держит параллельно сессии в терминале и в вебе. Mitchell Hashimoto обходится одним фоновым агентом.7

Сколько сессий идёт одновременно.

Boris Cherny worktree на каждую задачу терминал, около 5 веб, 5–10 Mitchell Hashimoto 10–20% рабочего дня один фоновый агент Boris Cherny worktree на каждую задачу терминал, около 5 веб, 5–10 Mitchell Hashimoto 10–20% рабочего дня один фоновый агент
Cherny сам описывал так свой рабочий процесс в январе 2026 года: на каждую задачу — свой worktree. Hashimoto отдаёт фоновому агенту 10–20% рабочего дня, запускает «агентов конца дня» и выключает уведомления.7

Когда стоит, а когда нет.

Пять признаков, по которым видно, окупится ли параллельность.

ПризнакСтоитНе стоит
РаботаДелится на независимые части: исследование, поиск дефектовОдна цепочка, где каждый шаг зависит от предыдущего
ПроверкаТест или эталон отвечает «прошло» или «нет» — как GCC для компилятораПроверить результат нечем
КонтекстКаждой части хватает своего контекстаРешения агентов должны сойтись, а контекст у каждого свой
СубагентПараллельная работа, шумный вывод, свежий ревьюер, урезанные праваРади «более умного ответа»: это та же модель
ТокеныОкупаются результатом или дешёвыми помощникамиИх уходит в разы больше, а выигрыша нет

Сводка по источникам главы: Anthropic, Cognition, документация Claude Code.12 Почему проверка решает, сколько агентов можно запустить, — в главе Проверка

Инженер определяет,
что значит «готово».

Код пишет агент. Роль инженера смещается к трём вещам: определить «готово», проверить доказательства и вовремя сказать агенту «нет».

Было Задача Код человек Ревью каждой строки человек Слияние Стало «Готово» человек Код и доказательства агент Ревью намерения человек Слияние «нет» Было Задача Код человек Ревью каждой строки человек Слияние Стало «Готово» человек Код и доказательства агент Ревью намерения человек Слияние «нет»
Синим — работа человека.30 Цифры — в главе Рынок

Семь человек, пять месяцев.

Столько понадобилось Anthropic, чтобы построить и запустить новую систему контроля версий. Изменения там ревьюят по намерению, а не построчно.1

Как работает команда Claude Code.

Так её устройство описывает Fiona Fung, директор по инженерии Claude Code.76

  • Планировать точно в срок. Полугодовой план устаревал уже к третьему месяцу.
  • Сначала спросить Claude. Потом — можно ли это автоматизировать.
  • Ревьюить там, где нужна экспертиза. Роли в команде размываются.
  • Нанимать два типа людей. «Творческих создателей с продуктовым чутьём» и инженеров с глубокой системной экспертизой.
  • Следить за тремя метриками. Время онбординга, цикл PR и доля коммитов с Claude.

«Не путайте пропускную способность с успехом».

Fiona Fung, директор по инженерии Claude Code, 3 июня 202676

Путь одного инженера.

Mitchell Hashimoto описал шесть шагов, которыми сам пришёл к агентам.7

  1. Уйти из чата к агентуАгент сам читает файлы, запускает программы и делает HTTP-запросы.
  2. Повторить свою работу агентомСделать уже сделанную задачу ещё раз, теперь руками агента, и сравнить.
  3. Запускать агентов в конце дняАгент работает, пока вас нет.
  4. Отдавать агенту «верняки»Задачи, с которыми он точно справится, — целиком ему.
  5. Строить харнессКаждая ошибка агента — повод поправить среду. Харнесс
  6. Держать агента занятымНо не ради загрузки: фоновый агент нужен, когда для него есть дело.

Харнесс команды собирают по шагам.

«Харнесс важен так же, как модель», — пишет Anthropic о больших кодовых базах. Начинать советуют с CLAUDE.md, а субагентов подключать последними.48

CLAUDE.md хуки скиллы плагины LSP MCP субагенты

У настроек нужен владелец: человек, который отвечает за них для всей команды, — «agent manager».48

Что делегировано, тому не учишься.

Так цену агентов формулирует Mitchell Hashimoto.7 А Simon Willison считает анти-паттерном выдавать коллегам на ревью код агента, который вы сами не прочитали.17

Трудную сессию чаще вытаскивают эксперты.

Данные Anthropic по сессиям Claude Code.30

Новички 4% Эксперты 15% Новички 4% Эксперты 15%
Это другая метрика, чем «подтверждённый успех» из того же исследования, — о нём в главе Рынок

Канон не единогласен.

В главном авторы агентной разработки сходятся, но не во всём. Пять споров: кто на какой стороне и к чему пришли данные.

ВопросОдна сторонаДругаяВывод
Нужно ли много агентов? Anthropic и Cursor: да, на широкой работе они окупаются.72,74 Cognition: нет, агентам нужен общий полный контекст.75 Окупается на широкой работе с проверкой, вредит на одной цепочке. Много агентов
Ускоряют ли агенты работу? Вендоры: да, по внутренним метрикам выпуска.1 METR и DORA: не доказано. Замер расходится с ощущением, эффект зависит от команды.27,28 Вендоры считают выпуск, исследователи — время на задачу. Рынок
Толстый харнесс или тонкий? OpenAI: толстый, архитектуру держат линтеры и структурные тесты (по пересказу InfoQ).19 Anthropic: тонкий, промпт сокращают, а харнесс под задачу модель пишет сама.10,42 Обе стороны правы для своей модели и задачи. Харнесс
Хватит ли простого цикла? Geoffrey Huntley: да. Петля Ralph «детерминированно плоха в недетерминированном мире», и это её плюс.77 Anthropic: цикл держит Stop‑хук плагина. Huntley: плагин упускает суть. Сравнений нет. Цикл заканчивает проверка, а не агент. Проверка
Решена ли безопасность? Anthropic: защищает среда — песочница, закрытая сеть, классификатор.15,49 Willison и исследователи атак: нет. Данные, чужой контент и выход в сеть вместе уязвимы.65,67 Даже по данным Anthropic не решена. Безопасность

Что можно
перестать делать.

Многие советы 2025 года обходили слабости старых моделей. Документация Claude Code теперь сама говорит, от чего отказаться.

Совет 2025 годаЧто теперь
Контекст — главное ограничениеОкно в 1 млн токенов и автокомпакция; /clear между задачами всё ещё полезен
IMPORTANT и капсПростая строка; если не слушается — файл короче, хук или deny-правило
Субагенты ради экономии контекстаТолько для параллельной работы, шумного вывода и свежего взгляда
«Отдай субагенту, ответ будет умнее»Та же модель — тот же ответ
«Think hard» в промптеEffort и ultrathink
«Не ленись, продолжай до конца»Проверка, /goal или Stop-хук
Архитектура и структура файлов в CLAUDE.mdМодель читает репозиторий сама
Длинные примеры в описаниях инструментовХорошая схема параметров
Индекс кода для RAGПоиск силами агента
Огромный AGENTS.mdКороткая карта и ссылки

По документации Claude Code, ноябрь 2026, где есть таблица «Что можно перестать делать», и статье Thariq Shihipar о контексте для моделей Claude 5, июль 2026.10,12

Этот список тоже устареет: харнесс пересматривают с каждой новой моделью. Харнесс

С чего начать.

Дорожная карта по всем главам: первый день, неделя, месяц. Каждый пункт ведёт в свою главу.

  1. День

  2. Неделя

  3. Месяц

Модель пишет код. Остальное — харнесс, и строите его вы.

Наверх