05 / 06 · Best Practices

🏢 Anthropic

Официальные best practices от создателей CC. Команда изучила сотни тысяч реальных сессий и вывела главный принцип: человек — архитектор решений, CC — исполнитель. Оркестрация через несколько простых примитивов работает надёжнее любых хитрых промптов.

🏢

Anthropic

Официальные best practices от создателей Claude Code

anthropic.com/engineering docs: best-practices research: claude-code-expertise

⚠️

Частая ошибка новичков: смешивают планирование и исполнение в одном заходе — сразу просят «сделай фичу X» без обсуждения подхода. CC тут же начинает писать код по первому прочтению задачи и часто решает не ту проблему, которую ты имел в виду. Анализ Anthropic сотен тысяч сессий показал: в успешных сессиях человек явно берёт на себя решения «что делать», а модели оставляет решения «как делать» — и эти роли не путаются.

🏢 Ключевой принцип

Человек планирует, CC исполняет. Анализ ~400 000 интерактивных сессий CC от ~235 000 разработчиков (октябрь 2025 — апрель 2026) показал устойчивый паттерн: в эффективных сессиях человек принимает решения планирования — что делать, в каком порядке, с какими ограничениями — а модель берёт на себя решения исполнения — как именно писать код, какие вызовы API использовать, как структурировать функцию. Оркестрация — это дисциплина удержания этой границы.

💡

Тонкость для опытных: шесть примитивов оркестрации (Commands, Agents, Skills, Hooks, MCP, Memory) не конкурируют друг с другом — они решают разные проблемы контекста. Частая ошибка опытных пользователей — тянуть всё через один субагент с раздутым системным промптом вместо декомпозиции на примитивы. Итог тот же: контекст распухает, релевантность падает, модель теряет фокус на текущем шаге.

Шесть примитивов оркестрации

Anthropic формализовала набор строительных блоков, из которых собирается любой рабочий процесс с CC. Каждый примитив решает свою задачу с контекстом — не дублируй один примитив функциями другого.

Примитив	Что делает	Когда применять
Commands	Именованный шаблон промпта, вызывается по слэш-команде	Повторяющиеся операции с фиксированным сценарием (ревью, релиз, деплой)
Agents	Субагент с изолированным контекстным окном и своим набором инструментов	Задачи с чтением множества файлов, которые засоряли бы основной контекст
Skills	Модуль «инструкции + метаданные + ресурсы», подгружается только когда релевантен	Специфичная экспертиза, которая нужна не на каждом шаге сессии
Hooks	Автоматический перехват событий жизненного цикла (до/после инструмента, старт сессии)	Форматирование, проверки безопасности, обязательные шаги без ручного напоминания
MCP	Подключение внешних систем и данных как инструментов модели	Интеграция с БД, тикет-трекерами, внешними API без ручного копирования данных
Memory	Персистентное состояние между сессиями (CLAUDE.md, файлы заметок)	Решения и контекст проекта, которые должны переживать конец сессии

Держи каждый контекст маленьким, роль — сфокусированной, человека — в кресле ревьюера. Это не шесть отдельных фич, а шесть способов не дать контексту разрастись сверх нужного.

Пайплайн research → plan → execute → review → ship

Сквозной паттерн, который команда наблюдает в эффективных сессиях 2026 года: пять последовательных этапов с человеком-наблюдателем на каждом гейте. Пропуск этапов — самая частая причина, когда CC «улетает не туда».

Research

CC читает кодовую базу, собирает контекст. Роль человека: указать границы поиска, не давать преждевременных решений

Plan

CC предлагает план изменений (Plan Mode). Роль человека: одобрить, поправить порядок шагов или объём

Execute

CC вносит изменения по одобренному плану. Роль человека: наблюдать за ходом, прерывать при отклонении от плана

Review

Проверка диффа, тестов, побочных эффектов. Роль человека: финальный судья — это гейт, который нельзя делегировать

Ship

Коммит, PR, деплой. Роль человека: явное решение «выкатываем» — не автоматический шаг по умолчанию

Чек-лист «research → plan → execute → review → ship»:

Research: явно ограничил, какие файлы/директории CC может читать для контекста
Research: попросил резюме находок ПЕРЕД тем, как CC начнёт предлагать решение
Plan: включил Plan Mode для любого изменения затрагивающего больше 2-3 файлов
Plan: прочитал план целиком, а не пролистал до кнопки «одобрить»
Execute: не переключался на другую задачу, пока CC исполняет крупный план без чекпоинтов
Review: проверил дифф построчно, а не полагался на «тесты прошли»
Review: убедился, что тесты действительно проверяют новую логику, а не только не падают
Ship: коммит и деплой — отдельное осознанное решение, не автопродолжение execute

Plan Mode — план до кода, а не после

Plan Mode — один из важнейших практических инструментов из набора Anthropic: CC показывает план — какие файлы затронет, какие изменения внесёт, в каком порядке — и ждёт одобрения прежде чем выполнять. Это формализует границу между «что делать» и «как делать» на уровне интерфейса, а не только на уровне дисциплины разработчика.

Ситуация	Без Plan Mode	С Plan Mode
Правка одной функции	Нормально — оверхед не окупается	Опционально
Рефакторинг 3+ файлов	Риск: CC выберет не тот путь, узнаешь только на review	План виден до правок — ошибка ловится на этапе plan, не review
Изменение архитектуры / схемы БД	Высокий риск отката всей работы	Обязательно — переделка плана дешевле переделки кода
Незнакомая часть кодовой базы	CC может неверно понять существующие соглашения	План раскрывает понимание CC до того, как оно закодировано

Разделяй planning и implementation принципиально

Если планирование и реализация происходят в одном непрерывном потоке без явного гейта, CC решает задачу так, как понял её с первого прочтения — и часто эта задача не та, что ты имел в виду. Явный шаг plan заставляет тебя увидеть понимание модели прежде, чем оно превратится в код.

Субагенты — изолированный контекст для «грязной» работы

Субагенты в .claude/agents/ получают собственное контекстное окно и свой набор инструментов, отдельный от основной сессии. Это позволяет отправить в субагент задачу вида «прочитай 20 файлов и найди паттерн» — и получить обратно только сжатый вывод, не засоряя контекст оркестратора сырыми файлами.

Multi-agent research system Anthropic — практическое подтверждение подхода: субагенты возвращают summary объёмом 1000-2000 токенов вместо полного дампа найденного, и такая архитектура даёт +90,2% к качеству на внутреннем eval по сравнению с одним агентом без декомпозиции.

Чек-лист «когда выносить работу в субагента»:

Задача требует прочитать больше 5-10 файлов только ради контекста, не ради правки
Результат нужен как краткое резюме, а не как сырые данные в основном диалоге
Работа изолируема — не требует постоянного диалога с оркестратором по ходу
Нужен отдельный узкий набор инструментов, не весь арсенал основной сессии
Задачу можно описать одним чётким брифом без пошаговых уточнений в процессе

Agent Skills — открытый стандарт, не проприетарная фича

Anthropic выпустила Agent Skills 18 декабря 2025 как открытый стандарт: модуль «инструкции + метаданные + ресурсы», который загружается моделью только когда релевантен текущей задаче — экономя токены на всём остальном. Стандарт работает не только в CC, но уже поддержан на 20+ платформах, включая Codex, Gemini CLI, Copilot и Cursor.

Skill — это не промпт «на всякий случай» в системном контексте, а модуль, который вообще не занимает токены, пока задача его не требует. Открытость стандарта означает, что один и тот же Skill переносится между инструментами без переписывания.

Что использовать	Признак
Skill	Специфичная экспертиза нужна не всегда, должна переноситься между платформами
CLAUDE.md / Memory	Контекст проекта нужен в каждой сессии этого репозитория
Субагент	Задача изолируема и требует своего контекстного окна и набора инструментов
Command	Фиксированный повторяемый сценарий, вызываемый по имени

Чек-лист «правильная оркестрация»

Держи контекст каждой сессии/субагента маленьким — не тащи в него лишнее «на всякий случай»
Роль CC в моменте — одна и сфокусированная: либо research, либо execute, не всё сразу
Человек — обязательный гейт на review и ship, не формальность для галочки
Перед крупными изменениями — Plan Mode, а не «пусть сразу пишет»
Многофайловое чтение ради контекста — выноси в субагента, не читай сам в основной сессии
Разделяй planning и implementation явно — не решай архитектуру внутри потока правок
Специфичную, не всегда нужную экспертизу — оформляй как Skill, а не раздувай системный промпт
Проектный контекст, который должен пережить сессию — в CLAUDE.md / Memory, коротко
Повторяемые сценарии — в Commands, чтобы не пересказывать их каждый раз заново

Дополнительно из практики команды

Факт	Что это значит для работы
Claude Agent SDK (ранее Claude Code SDK, переименован в сентябре 2025)	Python/TS-обёртка для тех же примитивов: субагенты, сессии, MCP — доступны программно, не только из CLI
~400 000 сессий, ~235 000 разработчиков (окт 2025 — апр 2026)	Паттерн «человек планирует, CC исполняет» — не гипотеза, а наблюдение на масштабе
Multi-agent research: +90,2% над single-agent	Декомпозиция на субагенты — не оверхед, а измеримый прирост качества на сложных задачах
Agent Skills на 20+ платформах	Инвестиция в хорошо написанный Skill не привязана к одному инструменту

💡

Лайфхак: Plan Mode до написания кода экономит больше времени, чем кажется — переделка плана занимает минуты, переделка уже написанного и частично проверенного кода занимает часы.

💡

Лайфхак: как только формулируешь задачу как «прочитай 20 файлов и скажи, где...» — это сигнал для субагента, а не для основной сессии. Так ты бережёшь главный контекст для решений, а не для сырых данных.

💡

Лайфхак: Skills переиспользуемы за пределами CC — открытый стандарт уже поддержан в 20+ платформах. Хорошо написанный Skill окупается не один раз, а везде, где ты его подключишь.

💡

Лайфхак: короткий CLAUDE.md — не экономия ради экономии, а гарантия, что модель реально удержит в фокусе именно проектные правила, а не растворит их среди второстепенных деталей.