Kako tvorac Claude Codaa programira: Analiza pristupa koji menja pravila igre

Kada tvorac jednog od najnaprednijih AI alata za kodiranje na svetu govori, Silicijumska dolina ne sluša samo – ona hvata beleške. Boris Cherny, tvorac i vođa Claude Code tima u kompaniji Anthropic, nedavno je na platformi X objavio svoj proces rada, pretvarajući lične beleške u viralni manifest o budućnosti softverskog razvoja.

Njegova objava je odjeknula kao prekretnica, a stručnjaci poput Jeffa Tanga i Kylea McNeasea su je proglasili mogućim "ChatGPT momentom" za Anthropic. Centralna ideja koja je zaintrigirala sve jeste kako Chernyjev pristup omogućava jednom čoveku da postigne produktivnost malog inženjerskog tima. Kako je jedan korisnik primetio, iskustvo programiranja se transformiše iz kucanja sintakse u nešto što "više liči na Starcraft", gde programer ne piše kod, već komanduje autonomnim jedinicama koje ga pišu umesto njega.

1. Paralelni rad: Komandovanje "flotom" AI agenata

Najvažniji aspekt Chernyjevog pristupa jeste da on ne kodira linearno. Umesto tradicionalnog ciklusa "piši-testiraj-ponovi", on deluje kao komandant flote, istovremeno upravljajući višestrukim AI agentima.

"Pokrećem 5 Claude instanci paralelno u svom terminalu... Numerisao sam tabove od 1 do 5 i koristim sistemske notifikacije da bih znao kada je nekoj od njih potreban moj unos."

Koristeći sistemske notifikacije (u iTerm2), on efikasno upravlja sa pet simultanih radnih tokova. Dok jedan agent izvršava testove, drugi refaktoriše stari kod, a treći piše dokumentaciju. Pored terminala, Cherny spominje da koristi i "5 do 10 Claude instanci na claude.ai", koristeći "teleport" komandu za prebacivanje sesija između veb interfejsa i lokalne mašine.

Ovaj pristup direktno potvrđuje strategiju "uradi više sa manje" koju je formulisala predsednica Anthropic-a Daniela Amodei. Dok konkurenti planiraju infrastrukturne projekte vredne bilione dolara, Anthropic dokazuje da superiorna orkestracija postojećih modela može doneti eksponencijalne dobitke u produktivnosti.

2. Paradoks brzine: Zašto je najsporiji model zapravo najbrži

U industriji opsednutoj brzinom i smanjenjem latencije, Cherny donosi kontra-intuitivnu odluku: koristi isključivo najteži i najsporiji model, Opus 4.5. Njegova logika razotkriva dublju istinu o produktivnosti.

"Koristim Opus 4.5 sa 'thinking' opcijom za sve. To je najbolji model za kodiranje koji sam ikada koristio, i iako je veći i sporiji od Sonnet-a, na kraju je skoro uvek brži jer zahteva manje usmeravanja i bolji je u korišćenju alata."

"Thinking" opcija omogućava modelu više vremena za rezonovanje pre davanja konačnog odgovora. Ključni zaključak za svakog programera i menadžera je jasan: ulaganje više vremena (i "compute tax-a" – poreza na računarsku snagu) u pametniji model na početku eliminiše daleko veći trošak ljudskog vremena za ispravljanje grešaka kasnije (tzv. "correction tax" – porez na ispravke).

3. CLAUDE.md: Kako svaka greška postaje trajna lekcija

Jedan od najvećih izazova u radu sa jezičkim modelima je "AI amnezija" – sklonost modela da zaboravi specifične stilove kodiranja ili arhitektonske odluke između sesija. Chernyjev tim je ovaj problem rešio na elegantan način održavanjem jednog fajla pod nazivom CLAUDE.md unutar svog git repozitorijuma.

"Svaki put kada vidimo da Claude uradi nešto pogrešno, dodamo to u CLAUDE.md, tako da Claude zna da to ne ponovi sledeći put."

Ovaj proces pretvara bazu koda u organizam koji sam sebe koriguje. Svaka ljudska ispravka ne samo da popravlja kod, već i ažurira uputstva za AI. Kako je to sažeo produkt lider Aakash Gupta, "svaka greška postaje pravilo." Vremenom, AI postaje sve pametniji i sve prilagođeniji specifičnostima projekta, stvarajući jedinstvenu, složenu intelektualnu svojinu.

4. Automatizacija do maksimuma: Slash komande i specijalizovani agenti

Da bi eliminisao repetitivne zadatke, Cherny se oslanja na rigoroznu automatizaciju. On koristi "slash komande" – prilagođene prečice koje su deo projektnog repozitorijuma i koje pokreću kompleksne operacije jednim potezom.

Kao primer, istakao je komandu /commit-push-pr, koju poziva na desetine puta dnevno. Umesto da ručno kuca git komande, piše commit poruku i otvara pull request, agent autonomno obavlja čitav proces, oslobađajući programera birokratije kontrole verzija.

Pored toga, on koristi "pod-agente" (subagents) – specijalizovane AI persone za specifične zadatke. Na primer, code-simplifier agent se koristi za sređivanje arhitekture nakon što je glavni posao završen, dok verify-app agent izvršava end-to-end testove pre isporuke koda.

5. Krug verifikacije: Tajno oružje za kvalitetan kod

Ako postoji jedan razlog zašto je Claude Code, prema izveštajima, tako brzo dostigao milijardu dolara godišnjeg prihoda, analitičari veruju da je to "petlja verifikacije" (verification loop). U ovom sistemu, AI ne samo da piše kod, već ga i testira, potvrđujući njegovu ispravnost.

"Claude testira svaku promenu koju unesem na claude.ai/code koristeći Claude Chrome ekstenziju. Otvara pregledač, testira korisnički interfejs i ponavlja proces dok kod ne proradi i dok korisničko iskustvo ne bude dobro."

Cherny tvrdi da davanje mogućnosti AI-ju da verifikuje sopstveni rad poboljšava konačni kvalitet za "2 do 3 puta". Agent ne samo da generiše tekst, već i dokazuje da taj tekst (kod) funkcioniše u praksi – što je ključna sposobnost koja otključava komercijalni uspeh na nivou milijarde dolara.

Zaključak: Budućnost programiranja je stigla

Pristup Borisa Chernyja predstavlja fundamentalnu promenu u načinu na koji razmišljamo o programiranju. Njegova metodologija se može sažeti u nekoliko ključnih tačaka:

• Paralelizacija: Rad sa flotom AI agenata istovremeno.
• Optimalan izbor modela: Korišćenje najpametnijeg, iako najsporijeg, modela radi smanjenja ljudskih ispravki.
• Kontinuirano učenje: Korišćenje CLAUDE.md fajla za trajno "učenje" AI-ja.
• Maksimalna automatizacija: Upotreba komandi i pod-agenata za eliminaciju repetitivnih zadataka.
• Petlja verifikacije: Omogućavanje AI-ju da samostalno testira i potvrdi ispravnost svog koda.

Ovo označava prelazak sa viđenja veštačke inteligencije kao pomoćnika (poput autocomplete funkcije) na viđenje AI kao radne snage ili "operativnog sistema za rad". Kako je Jeff Tang sumirao na platformi X: "Pročitajte ovo ako ste već inženjer... i želite više moći."

Alati za višestruko povećanje produktivnosti su već tu. Zahtevaju samo promenu načina razmišljanja. Programeri koji prvi usvoje ovaj mentalni skok neće biti samo produktivniji. Oni će igrati potpuno drugačiju igru, a svi ostali će i dalje kucati.

Izvor: venturebeat.com

#ClaudeCode