Skip to main content

Claude Code у production: чого я навчився за 6 місяців

Пів року Claude Code як основного інструменту — які воркфлоу реально економлять час, які тихо його з'їдають, і яку конфігурацію більшість команд так і не налаштовують.

Claude Code у production: чого я навчився за 6 місяців

Я використовую Claude Code як основний coding-агент пів року в двох production-кодових базах — одна .NET, інша TypeScript. Достатньо, щоб зрозуміти, що працює, що — маркетинг, і що більшість команд налаштовують неправильно. Ось чесний розбір.

Це не туторіал. Це пост, який мені хотілося б отримати в перший день.

Головна помилка

Більшість інженерів ставляться до Claude Code як до розумнішого ChatGPT — відкривають, просять «виправ баг у user.service.ts», вставляють відповідь і оцінюють інструмент за якістю цієї однієї відповіді.

Це не про Claude Code. Це agent loop з tools, hooks та постійною project memory. Використовувати його як чат-вікно — як купити Tesla і слухати в ній радіо. Отримуєте 5% цінності.

Інженери, які отримують максимум, зробили чотири конкретні речі:

  1. Написали CLAUDE.md, що описує, що проєкт насправді є
  2. Додали pre/post-tool hooks, які автоматично запускають лінтер і тести
  3. Налаштували allowlist у settings.json, щоб перестати отримувати prompt’и на дозволи
  4. Додали 1–2 MCP-сервери, прив’язані до реальних систем (БД, трекер задач)

Без цього ви використовуєте інструмент за $20/міс для роботи на $2.

У чому він реально хороший

Після пів року воркфлоу, де він стабільно економить реальний час, уже вужчий, ніж підказує маркетинг, але все ж істотний:

Багатофайлові рефакторинги з зрозумілою формою. «Перейменуй getUserById на findUserById всюди, онови тести і перенеси файл з services/ у repositories/.» Такі механічні зміни з передбачуваними межами — там, де агент блищить. За 30 секунд робить те, що в мене займає 15 хвилин акуратної роботи.

Читання чужого коду. Коли онбордюся на кодову базу або дебажу щось у сервісі, який не торкався 8 місяців, попросити Claude Code «поясни потік даних від цього контролера до БД» швидше і надійніше, ніж читати код згори донизу. Головне — він розповідає про реальний код, а не про доку, що відстає на три релізи.

Скаффолдинг тестів. «Напиши інтеграційні тести для цього endpoint: happy path, 404, 401 і duplicate-email.» Отримуєш тести на 80% коректні, дописуєш 20%. Підсумок: пишеш більше тестів, ніж без нього. Уже це окуповує вартість.

One-shot скрипти. Міграції, парсери логів, утиліти cleanup. Те, що написав би за 20 хвилин і використав один раз. Агент пише за 2, я читаю за 1.

У чому він тихо поганий

Не менш важливо — і рідко обговорюється:

Що вимагає смаку. Імена, дизайн API, рішення про те, що абстрагувати. Агент дасть щось робоче, але майже завжди на рівень гірше, ніж зробив би senior. Я перестав делегувати це.

Довгі задачі без чекпоінтів. «Зроби цю фічу end-to-end» без розбиття на шматки народжує розростання. Агент створить файли, які ви не просили, абстракції, яких ви не хочете, і feature-флаги під гіпотетичні майбутні випадки. Plan mode — антидот (про це нижче).

Розмиті критерії успіху. «Зроби швидше» без бейзлайн-метрики або конкретного боттлнека — рецепт змін, які неможливо оцінити. Спочатку зафіксуйте метрику.

Production-дебаг без observability. Він уміє читати логи і стектрейси, але не бачить ваші Datadog-дашборди й distributed traces. Якщо для розуміння бага треба знати, що сталося в проді — агент це junior-інженер, який вгадує. Корисний тільки після того, як ви звузили область.

Конфігурації, які рухають стрілку

Якби мені треба було онбордити тіммейта на Claude Code за 30 хвилин, ось що я б реально налаштував:

1. Реальний CLAUDE.md

Не три рядки. Реальний. Що робить проєкт, архітектурні рішення, неочевидні підводні камені, конвенція тестування, що НЕ чіпати. Мій для .NET-проєкту — 90 рядків, рятує легко 50% часу «пояснення контексту» між сесіями.

2. Hooks на лінтер і тести

PostToolUse:Edit хук, що запускає лінтер на зміненому файлі. Stop хук, що запускає unit-тести для модуля. Агент отримує миттєвий зворотний зв’язок, чи зламав щось, а ви перестаєте його няньчити.

3. Реальний allowlist у settings.json

За замовчуванням агент питає дозвіл на кожну shell-команду. Через два дні ви апруваєте ті самі 20 команд. Включіть в allowlist read-only (git status, npm test, dotnet build, gh pr view) і inner-loop команди. Деструктивні (git push, git reset --hard, rm) тримайте за стіною.

4. Plan mode для всього нетривіального

Plan mode — це review-перед-виконанням. Агент показує, що збирається робити, ви апруваєте або редагуєте, потім запускається. Використовуйте на будь-яку задачу більше двох файлів. 30 секунд читання плану економлять 30 хвилин розмотування поганих рішень.

5. Один-два MCP-сервери

Головний апгрейд для мене — прив’язати MCP-сервер до нашої внутрішньої документації і трекера задач. Агент тепер відповідає «який design doc для фічі X» без копіпасти посилань. Їх будувати просто — глибоко покрито в курсі Побудова MCP-серверів та AI Tool Integrations.

Sub-agents — коли їх реально використовувати

Sub-agents (Explore, Plan, general-purpose тощо) потужні, але легко переборщити. Мої правила:

  • Explore — коли треба щось знайти в незнайомій кодовій базі. У нього окремий context window, не засмічує основну сесію.
  • Plan — перед нетривіальною реалізацією. Та сама причина, плюс письмовий артефакт для рев’ю.
  • General-purpose — для паралелізованої незалежної роботи (наприклад, «дослідь X, поки я роблю Y»).
  • Не використовуйте sub-agents на те, що закінчите за 5 хвилин самі. Накладні витрати оркестрації реальні.

Економіка

Для соло-роботи Claude Code за $20/міс окуповується в перші пів дня. Для команди математика тонша:

  • Junior’и отримують найбільший абсолютний приріст (50%+), але й коду для рев’ю продукують більше.
  • Senior’и отримують менший відсоток (15–25%), але приріст у high-leverage роботі — звільняються від рутини, не від архітектури.
  • Навантаження на рев’ю росте, не падає. Плануйте. Або частіше ротуйте чергування рев’ю, або вводите політику «PR від агента обов’язково містить обґрунтування».

Команди, які виграють, змінюють процес, а не лише інструменти. Команди, які програють, впроваджують це як productivity hack і шиплять більше поганого коду швидше.

80/20 якщо читаєте лише це

Якщо винесете одну річ:

Витратьте пів дня на конфігурацію, а потім — тиждень на використання. Серйозний CLAUDE.md, реальний allowlist, два добре підібрані хуки і один MCP-сервер дадуть 80% цінності. Більшість інженерів цього не роблять і судять інструмент за неконфігурованим досвідом. Це як судити Linux за live-USB.

Якщо хочете структурований шлях по hooks, slash commands, sub-agents та MCP — це зміст курсу Claude Code Mastery: agentic coding для інженерів. П’ять тижнів, десять занять, фокус на пришвидшенні на реальних проєктах, а не іграшкових демо.

Де я б посперечався з хайпом

Claude Code не перетворює junior’а на senior’а. Він робить junior’а швидшим у тій роботі, яку junior продукує — що в основному нормально, але обмежувальний фактор кар’єри junior’а — це судження, не швидкість набору. Інструмент не вчить судженню. Менторство і code review — учать.

Він також не скасовує уважного читання коду. Інженери, які пропускають read-and-understand, бо «агент написав», копичуть борг, який поки не бачать. Рахунки приходять через квартал-два, коли ніхто в команді вже не знає, як реально працює система.

Використовуйте. Але з тими ж стандартами, що до контрактора: ви відповідаєте за те, що зашипилося, навіть якщо набирав хтось інший.


Хочете концентрований шлях по фічах Claude Code? Почніть з Claude Code Mastery: agentic coding для інженерів. Уже шипите з ним? Побудова MCP-серверів та AI Tool Integrations — природний наступний крок: пишете свої MCP-сервери, щоб експонувати внутрішні tools і дані команди Claude.

Поділитися
X LinkedIn
Наступний крок

Закріпіть цю тему на курсі

Структурований шлях від теорії до production-коду — з проєктами та код-рев'ю.

Oleksii Anzhiiak

Автор статті

Oleksii Anzhiiak

Софтвер-архітектор, Senior .NET інженер та співзасновник

Олексій Анжіяк — софтвер-архітектор, Senior .NET інженер та співзасновник ToyCRM.com і ProfectusLab. Має понад 15 років досвіду у розподілених системах, хмарній інфраструктурі, high-load backend-розробці та identity-платформах. Проєктує складні архітектури, створює безпечні системи автентифікації та розробляє сучасні освітні програми, які допомагають студентам досягати реальних кар'єрних результатів.

LinkedIn →

Рекомендуємо подивитися

Підібрані сторонні відео за темою. Відкриваються на YouTube.

~1:56:00
Просунутий Andrej Karpathy

Створюємо GPT з нуля

Рідкісний практичний розбір внутрішньої архітектури GPT — від теорії до коду.

~11:00
Початківець DeepLearning.AI

Пояснення Large Language Models

Чітке та структуроване введення в LLM.

~32:00
Середній Sebastian Raschka

Як працюють Transformer-моделі

Інженерно точне пояснення архітектури трансформерів.

Зв'язатися з нами