Claude Code Creator இன் 5-Agent Workflow மேம்பாட்டை மறுவரையறை செய்கிறது

Toolmaker Blueprint ஐ வெளிப்படுத்தும் போது

மாதங்களாக, Claude Code ஐ பயன்படுத்தும் developers சோதனை மற்றும் பிழை, blog posts மற்றும் community forums மூலம் best practices ஐ ஒன்றாக வைத்துக் கொண்டிருந்தார்கள். பின்னர் tool இன் உருவாக்கியர் தனது அமைதியை உடைத்தார். Boris Cherny, Anthropic இல் Claude Code ஐ தலைமை வகிப்பவர், X இல் ஒரு thread இல் தனது ব்যक்তிগत development workflow ஐ பகிர்ந்து கொண்டார், இது engineering community இல் உடனடியாக viral ஆனது.

"Claude Code best practices ஐ அதன் creator இடமிருந்து நேரடியாக படிக்கவில்லை என்றால், நீங்கள் programmer ஆக பின்தங்கியிருக்கிறீர்கள்," Jeff Tang, ஒரு முக்கிய developer குரல் எழுதினார். Kyle McNease இதை Anthropic இன் "ChatGPT moment" என்று அழைத்தார் — technology பயன்படுத்த நிறுத்திவிடும் மற்றும் அபरिहार्य ஆனால் அந்த inflection point..

ஒரு சமயத்தில் ஐந்து Agents: The Fleet Commander Model

Cherny இன் approach இன் மையமாக parallelism உள்ளது. development task ஐ linear ஆக பணிபுரிவது மற்றும் Cherny ஐந்து Claude instances ஐ தனிப்பட்ட terminal tabs இல் ஒருசேர இயக்குகிறது, field இல் units ஐ நிர்வகிக்கும் commander போல..

"நான் என் terminal இல் 5 Claudes ஐ parallel இல் இயக்குகிறேன்," Cherny எழுதினார். "நான் என் tabs ஐ 1-5 என்று கொடுக்கிறேன், மற்றும் Claude ஐ input தேவை என்பது தெரிய system notifications ஐ பயன்படுத்துகிறேன்." அவர் browser இல் கூடுதல் sessions ஐயும் இயக்குகிறார், web மற்றும் local machine contexts இடையே பணிகளை hand off செய்ய custom teleport command ஐ பயன்படுத்துவதன் மூலம்.

ஒரு agent test suite ஐ இயக்குகிறது மற்றொன்று legacy code ஐ refactor செய்கிறது, மூன்றாவது documentation ஐ draft செய்கிறது, மற்றும் இரண்டு independent feature work ஐ செயல்படுத்துகின்றன. human இன் role code எழுதுவது தொடங்கி agents ஐ நிர்தேசிப்பது மற்றும் blockers ஐ தீர்ப்பது மாறிவிடுகிறது — syntax type செய்வது விட real-time strategy game விளையாடுவது Cherny ஓப்பிடும் fundamentally different cognitive mode..

Slowest Model இன் Case

Cherny இன் மிக counterintuitive revelations இல் ஒன்று அவரது model choice. inference speed க்கு obsessed ஒரு industry இல், அவர் exclusively ஒவ்வொன்றுக்கும் Opus 4.5 — Anthropic இன் largest, slowest model — ஐ பயன்படுத்துகிறார்.

"நான் ஒவ்வொன்றுக்கும் Opus 4.5 with thinking ஐ பயன்படுத்துகிறேன்," அவர் எழுதினார். "இது என் இதுவரை சிறந்த coding model, மேலும் அது Sonnet ஐ விட பெரிய மற்றும் மெதுவானது என்றாலும், நீங்கள் அதை குறைவாக steer செய்ய வேண்டும் மற்றும் tool use இல் சிறந்தமாக இருப்பதால், இது இறுதிতে சிறிய model ஐ பயன்படுத்துவதை விட almost always faster."

Reasoning நல்லது. AI-assisted development இல் latency bottleneck token generation speed இல்லை — இது human correction time. ஒரு faster ஆனால் குறைந்த capable model tasks ஐ விரைவாக complete செய்கிறது ஆனால் errors ஐ சரிசெய்ய frequent intervention தேவை. ஒரு slower ஆனால் மேலும் accurate model compute cost ஐ front-load செய்கிறது correction cost ஐ eliminate செய்யும் போது, ஐந்து instances parallel இல் இயங்கும் போது, wall-clock advantage significantly compounds ஆகிறது.

CLAUDE.md: ஒவ்வொரு Mistake ஐ Rule ஆக மாற்றுதல்

Standard LLMs sessions இடையே persistent memory இல்லை. Cherny இன் team project இன் git repository இல் checked CLAUDE.md என்ற file மூலம் இதை address செய்கிறது. "Claude எதையும் தவறாக செய்யும் போதெல்லாம் நாம் அதை CLAUDE.md இல் சேர்க்கிறோம், Claude அடுத்த முறை அதை செய்யாமல் இருக்க," அவர் விளக்கினார்.

File ஒவ்வொரு session இன் context க்கு prepended ஒரு growing rulebook ஆக செயல்படுகிறது. ஒரு human reviewer pull request இல் mistake ஐ spot செய்கிறார், error ஐ rule ஆக document செய்ய Claude ஐ tag செய்கிறார், மற்றும் ஒவ்வொரு future session ஐ benefit பெறுகிறது. समय ஆதாரமாக, CLAUDE.md precision instrument ஆக மாறிவிடுகிறது, ஒவ்வொரு codebase இன் specific conventions மற்றும் pitfalls க்கு tuned..

Verification as the True Multiplier

Cherny இன் workflow agent க்கு browser automation, bash command execution மற்றும் test suite runs மூலம் அதன் சொந்த கார்யத்தை verify செய்ய ability தருகிறது. "Claude ஒவ்வொரு change ஐ verify செய்கிறேன் நான் claude.ai/code க்கு land செய்பவை Claude Chrome extension ஐ பயன்படுத்தி," அவர் எழுதினார். "இது browser ஐ திறக்கிறது, UI ஐ verify செய்கிறது, மற்றும் code works மற்றும் UX good அனுபவமாக்கும் வரை iterate செய்கிறது." அவர் இந்த verification loop estimate செய்கிறார் output quality ஐ 2 முதல் 3x improve செய்கிறது verification இல்லாமல் generation ஐ விட — ஒரு multiplicative effect இது underlying model இன் capability க்கு irrespective apply ஆகிறது.

இந்த article VentureBeat இன் reporting மீது அடிப்படையாக. Original article ஐ வாசிக்கவும்.