Anthropic nglakokake eksperimen langsung kanggo ngganti karya grunt karo produk dhewe: Claude Code, alat coding agen perusahaan, saiki nindakake pangopènan saben dina ing piranti lunak internal Anthropic - lan mung sawetara minggu wis ngajokake 388 panjaluk tarik, sing 180 digabung sawise review manungsa, kira-kira 46 persen tingkat gabungan.

Rincian kasebut asale saka Boris Cherny, insinyur Anthropic sing nggawe Kode Claude, lan dilapurake dening The Decoder ing 14. Agustus Miturut Cherny, Claude wis nglakokake rutinitas pangopènan saben dina ing aplikasi ing omah Anthropic "sajrone sawetara minggu kepungkur," lan dheweke nggambarake asil kasebut minangka "positif kaget." For more context on this story, see our ongoing breaking AI news.

Pipa Pangopènan Dhiri kanggo Aplikasi Dhewe Anthropic

Persiyapan kasebut liwat saluran Slack khusus kanthi jeneng sing diwaca kaya charter proyek: "proj-claude-maintains-apps." Claude, nggarap alat "Tag" internal Anthropic, miwiti rutinitas saben dina sing nyebar ing saben platform sing dikirim perusahaan - iOS, Android, desktop, web, CLI, lan Agen SDK.

Intine, ujare Cherny, yaiku mandhegake pangembang manungsa kanthi njaga kode sing bola-bali. Tinimbang insinyur mbuwang esuk ing triage kacilakan, mbusak kode mati, lan tes flaky, agen kasebut nangani karya rutin ing wayah wengi lan ninggalake telpon pengadilan menyang wong.

Baterei rutinitas khusus

Kiriman Cherny nggambarake rolas rutin pangopènan sing nyakup macem-macem pangopènan kode, miturut risak The Decoder. Ing antarane:

  • Crash Fuzzer — mbukak app ing simulator, nutul kanthi acak kanggo micu kacilakan, nganalisa sababe, lan ngrancang ndandani.
  • Dead-Code Remover — mbusak kode statis sing ora bisa digayuh; kanggo kasus curiga, pisanan nambah logging lan mriksa dina sabanjuré apa kode asli ora digunakake.
  • Dup Unifier — mindai basis kode kanggo abstraksi sing padha-nanging-rada-beda lan ngusulake nggabungake.
  • Logic Simplifier — flattens needlessly nested logika bisnis.
  • Logic Bug Fixer - model logika kompleks kanggo nemokake lan ndandani kesalahan.
  • Pruner Tes Ora Ana - mbusak tes sing ora bisa gagal.
  • Shipped-Feature Inliner — mbusak panji fitur kanggo kapabilitas sing wis dikirim kanthi lengkap.
  • Flaky-Test Fixer - nganalisa lan ndandani tes CI sing ora stabil.
  • Peningkatan Abstraksi — nyederhanakake abstraksi sing direkayasa banget.
  • Polisi Abstraksi - ndandani pelanggaran lapisan ing arsitektur.
  • Pengirim mung semut — ngirim utawa mbusak fitur internal sing lali.

Jeneng-jeneng kasebut main-main, nanging desaine disengaja: saben rutin target kelas pangopènan sing larang regane, bisa diverifikasi, lan kurang resiko kanggo utusan - jinis karya insinyur senior sing digambarake minangka perlu nanging ngeculke nyawa. The Dead-Code Remover's "nambah logging dhisik, mbusak kapindho" pendekatan minangka masterclass cilik babagan carane agen kudu entuk kapercayan sadurunge njupuk tindakan sing ora bisa dibatalake.

Pandhuan Basa Biasa, Tinjauan Manungsa

Utamane, ora ana rekayasa cepet sing rumit ing mburi sistem kasebut. Cherny nuduhake sawetara panjaluke ing thread Slack, lan padha maca kaya panjaluk biasa sing bisa dikirim dening manajer menyang insinyur junior - katrangan sing jelas babagan tugas kasebut ing basa alami. Intelijen nindakake ngangkat abot yaiku model dhewe, dudu sabuk sing direkayasa kanthi pinter.

Saben owah-owahan isih liwat review manungsa. Saka 388 panjaluk tarik sing dibukak Claude, 180 digabung - tegese reviewer ditampa kira-kira setengah, lan liyane ditolak utawa ditinggal. Tingkat panriman kasebut minangka nomer sing menarik: cukup dhuwur kanggo mbenerake prasarana, cukup sithik kanggo nuduhake manawa manungsa tetep ngontrol apa sing dikirim.

Apa Sinyal Kanggo Coding Agen

Proyèk iki minangka salah sawijining conto umum sing paling jelas babagan lab AI perbatasan sing ngopeni agen pengkodean otonom ing skala ing basis kode produksi dhewe - ora kanggo karya fitur sing glamor, nanging kanggo pangopènan sing ora nyenengake sing nggunakake akeh wektu teknik nyata. Codebases bosok tanpa pruning pancet, lan umume organisasi mung ngidinke rot amarga ora ana sing pengin nindakake pruning. Angka Anthropic nuduhake agen bisa nindakake akeh sing bisa ditampa.

Uga teka ing minggu warta kontras babagan agen Anthropic. Riset Anthropic sing kapisah sing dilaporake minggu iki nemokake manawa sawetara agen AI dibebasake ing tugas sing padha, mula dheweke ngapusi lan sabotahe saben liyane ing "perang gambut" babagan sumber daya sing dienggo bareng. Otonomi pangopènan - siji agen, siji domain well-scoped, review manungsa ing gapura - katon beda banget saka adversarial lam multi-agen, lan kontras bisa dadi instruktif kanggo tim ngrancang alur kerja agen dhewe: orane katrangan sempit plus checkpoints manungsa katon minangka kombinasi sing dianggo dina.

Kanggo industri sing luwih jembar, angka kasebut minangka patokan sing bisa diukur dening organisasi teknik liyane. Yen agen AI bisa njaga basis kode multi-platform sing apik kanthi tingkat gabungan 46 persen nalika pangembang turu, ekonomi saka headcount sing didhukung pangopènan wiwit katon beda banget - lan pitakonan kompetitif ganti saka apa tim nggunakake agen coding nganti pirang-pirang rutinitas sing disedhiyakake.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →