Комментарии 10
А есть ли вообще смысл держать в md то что не обязательно для любой задачи? Агент прекрасно найдет все нужное в коде.
Согласен в той части, что описание функций и «что делает» в .md действительно бесполезно, агент сам находит. Но .md хорошо работает не для этого, а для трёх категорий: (1) ADR и rationale — «почему именно так», их в коде нет в принципе; (2) cross-cutting инварианты — то что распылено по 20 файлам и в каждой сессии заново читается grep'ами; (3) скрытые правила проекта типа «деплоим через скрипт, не руками» — их из кода вообще не выведешь. Замер на моём проекте: CLAUDE.md ~10К токенов, кодовая база ~5М токенов, экономия порядка 100К токенов и пары минут на каждый старт сессии. Минус в том что это нужно поддерживать актуальным — об этом и пост.
да, есть смысл держать, то что не обязательно для любой задачи, что бы дать контекст агенту
агент далеко не всегда находит всё нужное в коде, например Claude Code и Codex не строят граф кодовой базы и агент при каждом запросе бегает по всему коду
в индустрии нет однозначного мнения - как помогать агентам бегать по коду, разные агенты по разному справляются с кодом, и это далеко не "прекрасно", вы можете посмотреть агентские бенчмарки https://www.skillsbench.ai/leaderboard
Интересно, что Claude Code, Codex не строят граф кодовой базы. В то время как Cursor, Windsurf, VS Code - именно этим занимаются "под капотом". Они перестраивают этот граф "на лету". Но какую часть проблемы это решает, мне сказать сложно (и решает ли вообще).
Для CC есть отдельные инструменты, которые позволяют ему обращаться к этим графам, но раз Anthropic их не упоминает... не знаю.
Проблема актуализации README выглядит как приглашение вставлять хуки https://code.claude.com/docs/en/hooks
Как минимум запуск bash скриптов.
Огромный claude.md по идее должен заезжать в system prompt и там кэшироваться, наверное это можно отследить, если смотреть на использование кэшированных токенов. Но конечно это не панацея. Может быть стоит как то его разбивать по папкам, как минимум frontend/backend
Кажется, ИИ инструменты уже надо изучать отдельно, как языки программирования. У каждого свои фишки, плюсы и минусы. Изучаем ЧТО мы пишем и теперь ещё КАК работает помощник.
скорее как фреймворк. База у всех одна - естественный язык
я пока сталкиваюсь с тем, что внедрение LLM в производство кода идет со скрипом. Есть разумный скепсис, что технология не отработана, есть много здравых мыслей, что LLM плодит технический долг. Лично я (не поймите неправильно) жду боооольших бахов у крупных компаний в проде. Чтобы немного сбился хайп и началась нормальная последовательная и прагматичная работа над изучением того, как можно эффективно использовать LLM в "большой разработке".

Когда Claude Code ошибается не по своей вине: документационный долг в соло-проектах