Кодовая модель Anthropic Claude Code уже работает в продакшн для миллионов строк кода, устаревших систем и распределенных архитектур. Масштабные проекты ставят сложные задачи: команды сталкиваются с разными командами сборки в каждом подкаталоге или разбросанным наследственным кодом без общего корня. В статье описаны паттерны успешного внедрения. Понятие «большой код» включает монорепозитории, системы десятилетиями, десятки микросервисов или комбинации этих элементов, поддерживаемых на языках вроде C, Java или PHP, где Claude Code показывает лучшие результаты, чем ожидалось.
ИИ работает как инженер: проходит файловую систему, читает файлы и использует grep. Инструмент работает локально и не требует индексации на сервере. Старые методы, полагавшиеся на RAG с эмбедингами всего репозитория, часто падают из-за задержки обновления индекса — команда может переименовать функцию, а поиск все еще вернет устаревшие данные. Метод agentic search избегает этих проблем, используя прямой доступ к коду без центрального индекса. Качество работы зависит от контекста: команды, настраивающие CLAUDE.md файлы и навыки (skills), получают лучшие результаты.
Экосистема (harness) важнее самой модели. Он состоит из пяти компонентов: CLAUDE.md файлы, хуки, навыки, плагины и серверы MCP, а также интеграция LSP и субагенты. Файлы CLAUDE.md дают общий контекст. Хуки делают систему самовосстанавливающейся: стоп-хуки предлагают обновить конфигурацию, а стартовые загрузят нужный контекст. Навыки загружаются по требованию для специфических задач, не засоряя контекст. Плагины объединяют настройки и их легко распространять через управляемые маркетплейсы. LSP дает навигацию на уровне символов, позволяя переходить к определениям функций, что критично для языков C и C++. Субагенты разделили задачи исследования и редактирования на отдельные процессы.
Успешные команды следуют трём паттернам настройки. Файлы CLAUDE.md должны быть лаконичными: корневой файл содержит только важное, остальное — в подкаталогах. Команды сборки и линтеров нужно определять на уровне директории. Исключаемые файлы и артефакты сборки стоит прописывать в .gitignore или .claude/settings.json. Если структура папок не дает ориентиров, лучше создать карту репозитория. При эволюции моделей правила в CLAUDE.md могут устаревать, поэтому их нужно пересматривать каждые три-шесть месяцев.
Организация внедрения требует отдельного ответственного. Быстрое распространение происходит, когда инфраструктура готова заранее, а первый опыт разработчика продуктивен. Роли типа «менеджер агентов» появляются, но минимум — назначить владельца (DRI), отвечающего за настройки и политики. В больших компаниях нужно создавать рабочие группы с участием инженеров, безопасности и госсектора. Anthropic помогает внедрять эти паттерны через свою команду Applied AI.