🎯 О чём этот конспект: Разбор официальных стратегий Anthropic и практических наработок по использованию Claude Code (и других AI-агентов) в сложных, многоуровневых репозиториях. Рассматривается концепция «AI-слоя» (AI layer), который позволяет агенту эффективно ориентироваться в коде без предварительной индексации.
👤 Кому будет полезно: Вайбкодерам и разработчикам, чьи проекты переросли формат «одного файла» и требуют системного подхода к управлению контекстом AI-агента.
✨ Что получите: Готовую архитектуру для настройки Claude Code: от иерархических правил (claud.md) до автоматических хуков самосовершенствования и кастомных MCP-серверов для умного поиска по символам.
1. Концепция AI-слоя (AI Layer)
Контекст: Традиционно кодовая база состоит из кода и тестов. Для эффективной работы AI-агента в больших проектах (миллионы строк) необходим третий компонент — AI-слой. Это набор инструментов и контекста, который «одевается» поверх кода. Вместо того чтобы полагаться только на мощность модели, мы создаем «упряжь» (harness), которая включает глобальные правила, навыки (skills), MCP-серверы и суб-агентов. Это позволяет Claude работать как инженер: не читать всё подряд, а использовать инструменты командной строки для навигации.
Тайминг: ,
Выгода: Агент перестает «галлюцинировать» из-за избытка или недостатка контекста, работая точно в нужных файлах.
Как применить:
- Шаг 1: Формирование структуры — Создайте в корне проекта файлы конфигурации, которые будут описывать архитектуру и правила.
- Шаг 2: Настройка инструментов — Подключите MCP-серверы для расширения возможностей поиска (например, поиск по символам через LSP).
Результат: Упорядоченная среда, где AI-агент понимает границы своей ответственности и доступные инструменты.
2. Многоуровневые правила (Lean and Layered Global Rules)
Контекст: Огромные файлы правил (тысячи строк) вредят производительности LLM. Вместо одного гигантского файла в корне, Anthropic рекомендует использовать иерархический подход. Основной файл claud.md в корне содержит только общие сведения (стек, архитектура, команды запуска), а специфические правила размещаются в подпапках. Claude Code автоматически подгружает правила из текущей директории и всех родительских папок при переходе вглубь проекта.
Тайминг: ,
Выгода: Снижение потребления токенов и повышение точности следования правилам за счет «прогрессивного раскрытия» контекста.
Как применить:
- Шаг 1: Создание корневого файла — В корне проекта создайте
claud.md.
# Core Rules
Tech Stack: Next.js, TypeScript, Tailwind
Architecture: Clean Architecture
Testing: Run `npm test` before finishing- Шаг 2: Создание локальных правил — В папке
/apiсоздайте еще одинclaud.md.
# API Service Rules
- All routes must be registered in /api/index.ts
- Use Zod for validation- Шаг 3: Инициализация в подпапке — Если задача касается только API, запускайте Claude прямо из этой папки:
cd src/api && claudeРезультат: Агент видит только тот контекст, который релевантен текущей задаче.
3. Самосовершенствующийся AI-слой через Hooks
Контекст: Правила в claud.md имеют свойство устаревать. Чтобы этого избежать, можно использовать хуки (start/stop hooks). stop hook запускается в конце сессии, анализирует внесенные изменения и предлагает обновить файлы правил, если конвенции изменились. start hook может динамически подгружать контекст, например, из Confluence или историю последних Git-коммитов, чтобы агент понимал текущий статус работ.
Тайминг: ,
Выгода: Поддержание документации для AI в актуальном состоянии без ручного вмешательства.
Как применить:
- Шаг 1: Настройка в settings.json — Пропишите пути к скриптам хуков в конфигурации Claude Code.
- Шаг 2: Реализация Stop Hook — Используйте скрипт, который запускает Claude в headless-режиме для анализа изменений.
Результат: После каждой задачи вы получаете Markdown-отчет с предложением: «Я заметил, что мы изменили подход к энумам, обновим claud.md?».
4. Скиллы с ограничением по путям (Scoped Skills)
Контекст: Скиллы (Skills) — это переиспользуемые промпты и рабочие процессы. В больших проектах не все скиллы нужны везде. Claude Code позволяет ограничивать область действия скилла конкретными путями (параметр path).
Тайминг: ,
Выгода: Агент не будет пытаться применить скилл «Создание API-роута», если вы работаете над фронтенд-компонентом.
Как применить:
- Шаг 1: Определение скилла — Создайте файл скилла с метаданными.
- Шаг 2: Ограничение области — Укажите путь в конфигурации скилла.
# Skill: Add API Route
# Path: src/api/**/*
[Инструкции по созданию роута...]Результат: Автоматическая активация нужных инструментов при переходе в соответствующие папки.
5. Использование LSP через MCP для глубокого поиска
Контекст: В проектах на 100k+ строк обычный grep работает медленно и неэффективно. Использование Language Server Protocol (LSP) через MCP-сервер позволяет Claude искать не просто строки, а символы (определения классов, ссылок на переменные). Это дает агенту те же возможности навигации, что и разработчику в VS Code (переход к определению по Ctrl+Click).
Тайминг: ,
Выгода: Точный поиск зависимостей в огромном коде без раздувания контекстного окна лишними файлами.
Как применить:
- Шаг 1: Подключение MCP-сервера — Используйте готовый сервер для поиска по кодовой базе.
- Шаг 2: Запрос на поиск — Просите Claude использовать символьный поиск.
Find every place where 'monthly_total_cents' is referenced using symbol-level approach.Результат: Агент находит все упоминания переменной во всем репозитории за секунды, используя инструменты навигации, а не чтение всех файлов.
6. Разделение исследования и редактирования (Sub-agents)
Контекст: Исследовательские задачи (изучение архитектуры, поиск места для фикса) могут «съесть» сотни тысяч токенов. Если делать это в основной сессии, к моменту написания кода контекстное окно будет перегружено. Решение — делегировать исследование суб-агентам.
Тайминг: ,
Выгода: Чистое контекстное окно для основной работы и экономия токенов.
Как применить:
- Шаг 1: Запуск суб-агента — Попросите Claude запустить исследователя.
Spin up a sub-agent to explore the backend and find where authentication is handled. Return only a summary.- Шаг 2: Получение резюме — Суб-агент проводит анализ, закрывается и возвращает краткий отчет.
Результат: Основной агент получает готовую инструкцию: «Правь файлы A и B», не тратя память на процесс поиска.
Claude Code в больших проектах: ответы на частые вопросы
В: Зачем нужны локальные claud.md, если есть один глобальный? О: Глобальный файл быстро переполняется. Локальные файлы позволяют давать Claude специфические инструкции (например, правила валидации только для API) только тогда, когда он находится в этой папке. Это экономит токены и предотвращает путаницу в правилах.
В: Как Claude Code понимает, какой MCP-инструмент использовать? О: Через описание инструментов в MCP-сервере. Если вы просите «найти все ссылки на класс», Claude видит инструмент find_references в вашем кастомном MCP-сервере и выбирает его вместо обычного поиска по тексту.
В: Можно ли использовать эти стратегии в Cursor или Windsurf? О: Да, концепция иерархических правил (.cursorrules или аналоги) и использование MCP-серверов для контекста применимы к большинству современных AI-агентов, хотя Claude Code имеет наиболее продвинутую нативную поддержку этих функций.
В: Что такое "Quiet Investment Period" при внедрении AI в команду? О: Это период, когда небольшая группа инженеров (чемпионов) настраивает AI-слой: пишет базовые правила, создает скиллы и настраивает MCP. Это нужно, чтобы остальные разработчики получили готовый, работающий инструмент и не разочаровались в AI из-за плохих результатов на старте.
В: Как работает автоматическое обновление правил через хуки? О: Скрипт на onSessionStop берет диффы (изменения) вашего кода, отправляет их отдельному инстансу Claude в фоновом режиме и спрашивает: «Нужно ли обновить наши стандарты в claud.md на основе этого кода?». Если да — он генерирует предложение по обновлению.
Claude Code в больших проектах: инструменты и ссылки из видео
- Статья Anthropic — Оригинальный гайд по работе с большими кодовыми базами — упомянута в видео.
- Demo Repo (Helpline AI Layer) — Репозиторий с примерами хуков, скиллов и MCP-сервером —
упомянут в видео. - JetBrains Academy — Курсы по AI и LLM инженерии — JetBrains Academy.
- Claude Code Plugin Marketplace — Команда для установки плагинов —
claude /plugin marketplace add.
Конспект создан на основе видео «Claude Code: Strategies for Large Codebases» канала Cole Medin. Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/efRIrLXoOVA