Как эффективно работать с Claude и Codex
Многие уже активно работают с агентами. Занимаются и кодингом и офисными задачами, типа презентаций и файлов. Но зачастую люди сильно не дожимают свой Claude Code / Cowork или другого AI агента.
Речь не о промптах, а о подходе: как начать стабильно получать от агента качественный результат, а не писать ему потом "и вот это еще поправь", "ты сломал старый функционал - почини его и не ломай новый", "да ты дурак что ли?!"
Базовый минимум 🚙
Во-первых, определите настоящую цель обращения к агенту. Например, не просто сделать презентацию, а презентацию для демонстрации на еженедельном собрании директору за 5 минут, где целью выступления является выбить бюджет на проект в конкуренции с тремя другими проектами. Не зная настоящую цель, агент будет решать не ту проблему.
Во-вторых, конечно, добавьте контекст и опишите его. Закиньте все релевантные файлы и подключите необходимые коннекторы. Будь то ваши заметки, запись встречи, старые презентации, Jira, Notion и тд. И обязательно поясните, что и зачем нужно.
В-третьих, доверьте агенту планирование. Первым делом включите planning mode и самую мощную модель (например, Opus 4.7 или GPT 5.5), чтобы она внимательно впитала ваш контекст и написала план экзекуции. После валидации плана — врубайте уже средненькую модель. Например Sonnet 4.6 (или GPT 5.4) — это рабочая лошадка. Она отлично справляется с выполнением сформулированного плана и не тратит на это кучу токенов.
Для простой задачи типа создания презентации или простенького сервиса вот таких простых шагов уже достаточно, чтобы получать стабильно хорошие результаты.
Но допустим вам нужен роскошный максимум 🕶
Тогда подход усложняется. Агенты сейчас умеют "ваншотить" крутые прототипы. Но, как вы думаете, почему Anthropic все еще нанимает Senior Developers за $500k в год? Да потому что комплексные системы, которые имеют существенную структурную сложность, агенты все еще не умеют делать за 1 заход.
Поэтому тут мы переключаем мышление в режим "микроменеджмента младшего сотрудника".
Во-первых, создаем ТЗ. Конечно, с помощью агента, но скелет вам нужно накидать от себя: цели, задачи, контекст, основной функционал, ключевые требования и тд. Агент на основе этого соберет детальное ТЗ — кладем его в MD файл.
Во-вторых, делаем архитектуру и план для агента. Врубаем сильную модель (Opus 4.7, например) и просим проанализировать ТЗ и сформировать архитектуру решения и пошаговый план ее реализации. В каждом шаге должны быть описаны подходы, используемые куски контекста или коннекторы, ожидаемые результаты. Каждый шаг должен быть расписан прямо детально. Сохраняем каждый шаг в свой MD файл, архитектуру — в свой. И добавляем еще 1 MD файл — трекер — в нем полный перечень шагов и отметки [done / in progress / backlog].
В-третьих, вот теперь мы готовы начать работать. Теперь скармливаем в агента архитектуру, трекер и MD файл с одним шагом, который он должен реализовать. Объясняем агенту, чего хотим: он должен видеть всю архитектуру, но выполнять только 1 шаг. После выполнения — он должен остановиться и отметить прогресс в трекере.
В-четвертых, параллелим. Такая разбивка по шагам позволяет в параллель запускать несколько агентов, каждый из которых будет выполнять свой шаг.
В-пятых, даем пространство для самопроверки. Агент должен иметь возможность оценить, что он сваял. Например открыть слайды, запустить код, сделать кросс-проверку посчитанных данных с какими-то реальными данными и тд.
В конце запускаем мощную LLM для сборки всего воедино и end-to-end тестирования.
Наконец, для повторяющихся процессов не забывайте делать скиллы.
Зачем так сложно?
Доверите ли вы младшему сотруднику заполнить вашу отчетность для налоговой. Звучит стремно? 😁 А если дать ему сначала собрать документы, потом объяснить особенности вашего бизнеса и показать старую отчетность, объяснив куда чего внести и на какие формулы опираться? Уже звучит адекватнее! Хотя перепроверить перед сдачей все же стоит. Тут то же самое.
А как у вас выстроена работа с агентами?
#ИИученьесвет
Заместители
