Anthropic научила ИИ-агентов работать непрерывно
Команда Anthropic опубликовала подробное исследование о том, как научить ИИ-агентов работать часами и днями, не теряя прогресс после каждой сессии. Проблема старая: каждый запуск модели — это история без памяти о предыдущем контексте. В рамках Claude Agent SDK инженеры нашли способ заставить агентов продолжать работу так, будто они один непрерывный процесс.
Современные модели опираются на ограниченные контекстные окна. Когда задача выходит за их пределы — например, создание веб-приложения, — агент неизбежно теряет часть истории. Компакция контекста помогает, но не решает проблему полностью.
В экспериментах Claude допускал два типичных сбоя:
Пытался сделать всё сразу, начинал реализацию большой фичи, заканчивал окно токенов и передавал управление следующей сессии в полуразрушенном состоянии.
Преждевременно объявлял победу, видя часть готовых фич, и решал, что работа завершена.
Anthropic разложила задачу на две роли — и это сильно улучшило устойчивость:
1. Initializer agent.Создаёт структуру проекта при первом запуске:
init.sh;
claude-progress.txt с логом работы;
первичный git-коммит;
файл-список всех требований к проекта (часто сотни фич), все помечены как не реализованные.
2. Coding agent.Каждая следующая сессия:
выбирает одну фичу;
делает инкрементальные изменения;
оставляет репозиторий в чистом, рабочем состоянии;
пишет git-коммит и обновляет claude-progress.txt.
Такой workflow позволяет следующему агенту «прийти на смену» и сразу понимать, что сделано, что сломано и что делать дальше.
Отдельное внимание уделили файлу с фичами в формате JSON. Агенту строго запрещено менять или удалять тесты: он может только переключать поле passes после успешной проверки. Такой подход оказался намного стабильнее использования Markdown — модель меньше ломает структуру.
Без жёсткого запроса на end-to-end-тестирование агенты отмечали задачи как выполненные, даже если фича не работала полностью. Anthropic встроила браузерную автоматизацию через Puppeteer MCP: Claude запускает локальный сервер, открывает страницу, кликает кнопки, отправляет сообщения и получает ответы — как реальный пользователь.
Это значительно уменьшило число скрытых багов.
Запуск Coding Agent начинается с рутины, знакомой каждому разработчику:
pwd;
чтение git-лога;
чтение claude-progress.txt;
просмотр списка фич;
запуск init.sh и dev-сервера;
базовая проверка чата, загрузки диалогов, переключения темы и т. д.
Если базовые функции сломаны — агент сначала чинит их, а не продолжает разработку поверх ошибок.
Anthropic выделила четыре типичных сбоя и показала, как новый подход решает их:
Проблема
Решение Initializer
Решение Coding Agent
Агент объявляет проект завершённым
Создание списка всех фич
Выбор одной фичи и работа только над ней
Среда разрушается между сессиями
Начальный git-репо + прогресс-файл
Каждый запуск: чтение логов, базовое тестирование
Фичи отмечаются как готовые преждевременно
Жёсткая спецификация в JSON
Проверка через браузерную автоматизацию
Агент не знает, как запустить проект
init.sh
Использование скрипта при старте
Anthropic утверждает: такой подход существенно повышает надёжность и помогает моделям работать над крупными задачами почти бесконечно — пока остаются фичи, которые надо реализовать.
