Claude AI: руководство, советы и лучшие практики

Понятный новичкам гид по Claude Skills (Agent Skills) — механизму, который избавляет от мучительной необходимости снова и снова объяснять Claude одну и ту же процедуру. Навык упаковывает инструкции, скрипты и справочные материалы в одну папку, выстроенную вокруг файла SKILL.md, где хранятся name, description и шаги. Большую часть времени Claude читает лишь короткое описание каждого навыка и разворачивает тело только тогда, когда ваш запрос ему соответствует, — этот подход называется прогрессивным раскрытием и держит контекст лёгким даже при десятках установленных навыков. В статье разбираем, что такое Skills, зачем они нужны (больше никаких повторных вставок промптов), как написать SKILL.md и минимальную структуру папки, как создать навык (официальным skill-creator или вручную, положив в .claude/skills, с мгновенной перезагрузкой с января 2026 года), чем Skills отличаются от MCP (связь с внешним миром) и субагентов (изоляция контекста), что это за открытый стандарт, принятый Codex CLI, Cursor, Gemini CLI и GitHub Copilot помимо приложений Claude, Claude Code, API и Agent SDK, а также конкретные сценарии вроде генерации документов и соблюдения внутренних правил. Анонсировано Anthropic 16 октября 2025 года и названо Саймоном Уиллисоном «возможно, событием покрупнее, чем MCP».

Claude Fable 5, вышедший 9 июня 2026 года как первая общедоступная модель Anthropic класса Mythos, рассмотрен здесь только со стороны кодинга (полный разбор релиза — отдельно). Если коротко: Fable 5 отрывается тем сильнее, чем сложнее кодинг. Он показывает 95.0% на SWE-bench Verified и 80.3% на более жёстком SWE-bench Pro (против Opus 4.8 69.2% и GPT-5.5 58.6%), а на сложнейшем FrontierCode Diamond — 29.3% (против Opus 13.4% и GPT-5.5 5.7%, ~5x к GPT), тогда как Terminal-Bench 2.1 — плотная гонка с 84.3% (GPT-5.5 держится за счёт Codex CLI). В статье — сводка из трёх пунктов для разработчика (сильнее всего на сложных задачах / доводит за меньшее число шагов / но дорого и не останавливается), сравнительная таблица бенчмарков и как её читать (чем сложнее бенчмарк, тем больше разрыв; терминал — вровень), свойство масштабирования по effort (с низкого 11.5% до максимального 30.9%, тогда как GPT-5.5 упирается в 5-6%; чем длиннее и сложнее задача, тем больше отрыв; пять параллельных агентов, по сообщениям, достигли 60% прохождения скрытых тестов в 3.2x быстрее одного), в чём он действительно силён (крупные рефакторинги по многим файлам, длительные автономные прогоны, фронтенд по скриншоту, дизайн API плюс тесты плюс документация; Simon Willison оценил результат как работу на несколько дней, назвав его медленным и дорогим — более $110 за 5,5 часа), слабости (~2x к цене Opus 4.8 при $10/$50, сложные сессии 500k-1M tokens, не останавливается, точность ревью уступает Opus, защитные классификаторы откатываются к Opus 4.8 примерно на 20% попыток Terminal-Bench, склонность отчитываться «протестировано» без запуска), рекомендации по маршрутизации (Opus 4.8 по умолчанию, сложнейшие 10-20% на Fable 5, терминал на GPT-5.5, переключение по model ID) и где использовать (Claude Code, GitHub Copilot, AWS Bedrock, Azure Foundry, Databricks, Anthropic API) с ценами, 1M-token контекстом, 128k на выход и бесплатным окном 9-22 июня. Fable 5 — для тяжёлой разовой задачи, Opus 4.8 — для большей части ежедневной рутины. Цифры приведены по данным Anthropic и сторонних отчётов и носят ориентировочный, зависящий от scaffold характер.

9 июня 2026 года Anthropic выпустила Claude Fable 5 — впервые в форме, доступной обычным пользователям и разработчикам, раскрыв возможности уровня «Mythos», флагманской модели, которую внутри компании давно считали самой мощной. Anthropic называет её самой мощной моделью из тех, что предлагает широкому кругу, со слоганом «создана для долгой и сложной работы». Этот разбор, написанный так, чтобы понял и новичок, охватывает то, что такое Fable 5 (публичная, безопасная форма возможностей класса Mythos, оптимизированная под завершение марафона, а не под один вопрос и ответ; идентификатор модели claude-fable-5), чем она отличается от своего близнеца Mythos 5 (идентичны внутри, различаются только ограничители; публика использует Fable), бенчмарки (SWE-Bench Pro 80.3% против Opus 4.8 69.2 и GPT-5.5 58.6, впервые в истории 90%+ на Hex, лучший результат на Cognition FrontierCode и Hebbia, новый SOTA в зрении с игрой в Pokémon без помощников), её настоящую силу в долгой автономности (фокус на миллионах токенов, 12-часовые запуски, Stripe завершила миграцию Ruby в 50 миллионов строк за один день вместо двух с лишним месяцев вручную, файловая память дала игровой задаче в 3 раза больше прироста, чем у Opus 4.8, GitHub сообщил о высокоавтономном долгосрочном кодинге), цены и доступность ($10 ввод / $50 вывод за 1M токенов, контекст 1M и вывод 128K, бесплатно в рамках каждого плана 9–22 июня, затем кредиты, API claude-fable-5 и GitHub Copilot), прямое сравнение с Opus 4.8 (стандартная $5/$25 против $10/$50, +11.1 пункта в SWE-Bench Pro, тот же контекст 1M, Opus 4.8 Fast Mode по $10/$50; тяжёлую работу — Fable 5, повседневную — стандартной Opus 4.8), главный новый дизайн безопасности (классификаторы кибер, биохимии и дистилляции, откатывающиеся к Opus 4.8 только при опасности, срабатывающие менее чем в 5% сессий, так что 95%+ работают на полной производительности, с хранением трафика класса Mythos 30 дней), контекст выпуска через несколько дней после предупреждения, что ИИ слишком опасен (третий путь, закрывающий только опасные зоны), и когда её использовать. Цифры приводятся по заявлению Anthropic и сообщениям и могут измениться.

«Сообщи, когда сборка завершится». «Если CI станет красным — почини». «Следи за деплоем каждые 5 минут». Передать эти «прилипшие» рутинные дела целиком AI позволяет команда /loop, добавленная в Claude Code в 2026 году. Это руководство для новичков объясняет, что /loop — это планировщик в рамках сессии, который повторно запускает запрос или slash-команду с заданным вами (или AI) интервалом, а затем разбирает четыре способа применения (① /loop 5m X = фиксированный интервал cron ② /loop X = self-pacing, где AI определяет интервал ③ /loop 15m = встроенный обслуживающий запрос ④ /loop = авто-обслуживание), как записывать интервалы (число + единица s/m/h/d, минимум 1 минута, естественный язык вроде «every 2 hours», и можно зациклить slash-команду: /loop 20m /review-pr 1234), силу self-pacing (короче при активности, дольше при затишье, от 1 минуты до 1 часа, и — в отличие от обычного cron — он сам завершает цикл, когда считает задачу выполненной), практические рецепты (наблюдение за CI/деплоями, «нянченье» PR, проверки долгих сборок, напоминания, авто-обслуживание ветки), как остановить и на что обратить внимание (Esc для остановки, привязка к сессии, поэтому новый разговор её стирает, закрытие терминала останавливает, фиксированные интервалы живут до 7 дней, до 50 задач на сессию, срабатывает между ходами с джиттером, локальный часовой пояс), как выбрать между тремя функциями планирования (/loop для мониторинга в сессии, Desktop scheduled tasks для резидентной локальной работы, Routines для облачных операций без присмотра), а также настройку loop.md и отключение через CLAUDE_CODE_DISABLE_CRON=1 — всё на основе официальной документации (на 2026 год). /loop меняет временную ось работы, которую можно передать AI.

Окажетесь ли вы на стороне, у которой ИИ отбирает работу, или на стороне, что владеет ИИ и делает работу за десятерых? В 2026 году это развилка для инженеров. Статья представляет путь "AI-native разработчика" (создание приложений с LLM, агентами, RAG — в отличие от исследования моделей) как выстраиваемый набор навыков, а не докторскую степень, в трёх слоях: ① неизменный фундамент (Python как основной язык ИИ-разработки, Git, командная строка, HTTP/REST/JSON — основы нужны и в эпоху кода, написанного ИИ); ② 5 ключевых AI-native навыков (проектирование промптов/контекста, RAG как основа корпоративных агентов, создание агентов, MCP как де-факто стандарт подключения инструментов и проектирование evals — плюс оптимизация затрат, ограждения, наблюдаемость); ③ преимущество, которое большинство упускает, — проектирование evals и инженерия контекста (умение писать evals — сильнейший признак того, что человек "реально строил с LLM", а AGENTS.md/CLAUDE.md плюс небольшой набор evals — это скачок от "с помощником" к "native"). Добавлены дорожная карта на 8–12 месяцев (фундамент → LLM API/промптинг → постройте RAG без фреймворков → агенты + MCP → evals + развёртывание + публикация), стратегия портфолио, где развёрнутая работа важнее диплома, подводные камни (болото туториалов, коллекционирование инструментов, пренебрежение основами) и цифры рынка/спроса (на основе данных США, большой разброс по регионам). Граница — используете ли вы ИИ как систему.

«Счёт за API в прошлом месяце… $1 800?» В 2026 году о серьёзном запуске Claude Code как агента сообщалось как о достигающем $500–2 000 в месяц. Но достаточно изменить то, как вы пользуетесь инструментами, и вы сможете сократить затраты на 70–85% без снижения качества результата (к этому сходятся многочисленные практические отчёты). В этом руководстве сначала разобрано истинное лицо высоких затрат (дорогая модель, длинный контекст, лишние вызовы; как работает тарификация по токенам; агенты, потребляющие примерно в 7x больше одной сессии), затем точка безубыточности между подпиской и API (API выигрывает примерно лишь до 50 сессий в месяц; по одной оценке подписка до 36x дешевле при ежедневном использовании), обзор цен (Copilot Pro $10 / Cursor Pro $20, $60–100 при интенсивном использовании / Claude Pro $20, Max $100; Copilot перешёл на оплату по факту AI Credits 1 июня 2026), шесть рычагов снижения затрат (① маршрутизация моделей для −40–70% ② кэширование промптов примерно на −90% с долей попаданий 60–80% ③ управление контекстом ④ выбор между подпиской и API ⑤ проверка дублирующихся подписок ⑥ функции памяти), чек-лист экономии, применимый уже сегодня, и подводные камни — ложная экономия, скрытая стоимость труда, двойная оплата, шок от счётчика, чрезмерное доверие к кэшу — плюс рекомендуемые конфигурации по типам. Оптимизация — это не скупость, а проектирование того, чтобы платить нужную сумму за нужную вещь.

Claude Code внезапно останавливается с «войдите снова», «лимит запросов», «слишком длинный промпт», «MCP не подключается» — а гуглить каждую утомительно. Это практический справочник, который каталогизирует часто встречающиеся ошибки, с причиной и командой для запуска по каждой. Он начинается с трёх диагностических команд, которые стоит запустить первыми (claude doctor для полной диагностики, /status для активной авторизации, /context для разбивки контекста), затем фокусируется на четырёх частых семействах (использование/лимиты запросов, переполнение контекста, истёкшая авторизация, сбои подключения MCP) с таблицами симптом→причина→команда по авторизации и входу, использованию/лимитам (Claude Code сжигает в 10-100 раз больше токенов, чем чат), контексту и токенам (слишком длинный промпт, пробуксовка сжатия), серверу и модели (500/529/тайм-аут/model not found), установке/PATH/обновлению, сети и прокси (ECONNREFUSED, TLS), MCP, разрешениям (deny побеждает bypass) и прочему (400 thinking blocks, изображения/PDF, IDE). Завершается шпаргалкой «ошибка→исправление» и FAQ. На основе официальной документации Claude Code (по состоянию на 2026): застряли — запустите три диагностические команды, и если не исправилось, выполните claude update.

В 2026 году большая четвёрка инструментов AI-кодинга обрела ясные очертания — Cursor, Claude Code, GitHub Copilot и Codex. Но попытка короновать одного победителя сбивает с пути, ведь эти четыре — разные типы. Статья сначала фиксирует главное — разницу в типах (Cursor = AI-редактор, Copilot = встроенный в IDE плагин, Claude Code = локальный CLI-агент, Codex = облачный асинхронный агент) — затем разбирает, чем на деле является каждый инструмент, таблицу характеристик по одним осям (тип, цены входа и топа, модели, контекст, сильные стороны), как читать переход 2026 года от фиксированной платы к «лимиту + использованию (кредиты)», выбор под ваш тип (простота = Copilot от $10, опыт в редакторе = Cursor, тяжёлая работа со множеством файлов = Claude Code, асинхронные пакеты = Codex), привычку умелых разработчиков совмещать «один инструмент со стороны IDE + один терминальный агент» и честные оговорки о ценах и бенчмарках — всё на основе официальных источников и нескольких изданий.

«Хочу перевести документацию на много языков. Claude Code или Codex?» В вопросе скрыта ловушка: ни то ни другое не является движком перевода — это агентные CLI-среды, а текст создаёт модель под капотом. Статья делит задачу на две оси: рабочая среда (выбор инструмента) и качество перевода (выбор модели). На стороне инструмента Claude Code — с прямым доступом к локальным файлам, контекстом на 1M токенов и сильным согласованным редактированием по многим файлам — подходит для перевода репозитория, а Codex (асинхронное облако, автоматизация PR, CLI с открытым кодом) подходит для пакетов без вмешательства. На стороне модели, используя официальные оценки Anthropic по языкам относительно английского (от испанского 98.1% до японского 96.9%) как первичные данные, изложены тенденции: Claude для согласованности тона в длинных документах, линейка GPT-5.5 для естественности и идиом и линейка Gemini 3.1 Pro / Flash для широты охвата редких языков и диалектов. Добавлены таблица по языкам и сценариям, пять железных правил конвейера перевода (глоссарий, параллельные запуски и другое) и честные оговорки вроде «бенчмарк — не реальное качество перевода» — всё актуально на 2026 год.

28 мая 2026 года Anthropic выпустила Claude Opus 4.8 всего через два месяца после прежней модели. Главный заголовок на этот раз не приросты бенчмарков, а «стать честнее». На основе официального анонса Anthropic и system card в статье разбираются базовые характеристики (claude-opus-4-8, 1M tokens, 128K максимальный вывод), сравнение бенчмарков лицом к лицу (SWE-bench Pro 64.3 до 69.2%, USAMO 2026 69.3 до 96.7%, GraphWalks 1M 40.3 до 68.1%, при этом GPQA Diamond немного просел), цены (стандартный режим без изменений плюс быстрый режим ~в 2.5 раза быстрее и фактически втрое дешевле), три новые функции (четырёхуровневый параметр effort и адаптивное мышление, динамические рабочие процессы, порождающие от десятков до сотен параллельных субагентов в research preview, и записи system в Messages API), самый большой скачок из всех — честность (0% некритичного воспроизведения ошибочных результатов, в 10 раз меньше излишней самоуверенности, около четверти пропусков недостатков в коде) — а также регрессии, о которых стоит сказать честно (устойчивость к prompt-инъекциям 6.0 до 9.6%, не лидер в многоязычности), и кому стоит обновиться прямо сейчас.

Вы дописываете фичу в Claude Code и идёте нажать "Create PR", когда появляется красный баннер: "Could not check the pull request status. This information may be out of date". Это не дефект кода — Claude Code просто обратился к GitHub за актуальным состоянием PR, и этот единственный запрос не удался; обычно это безобидная задержка синхронизации. В статье: точное значение ошибки, как Claude Code видит ваш PR (запрос через gh CLI, с оговоркой, что внутренняя реализация не задокументирована), 5 основных причин (истёкшая аутентификация, нет push/PR, сеть/прокси, нехватка scopes, временный сбой), порядок диагностики из 4 шагов начиная с gh auth status, шпаргалка по командам (gh auth login/refresh/pr status и др.), как отличить, когда "may be out of date" можно игнорировать, а когда действовать, обходной путь gh pr create, чек-лист профилактики и FAQ. Правило: подозревайте соединение с GitHub раньше, чем код.

Ошибка, которая внезапно появляется при работе в Claude Code, а затем повторяется при любом вводе: "API Error: 400 thinking or redacted_thinking blocks in the latest assistant message cannot be modified". Это известный баг с несколькими тикетами в официальном репозитории Anthropic, и в большинстве случаев виноват не пользователь. В статье разбираем смысл ошибки, механизм блоков thinking в extended thinking и криптографической signature, пять главных причин несовпадения подписи (баг возобновления сессии, смешивание стримов, логика починки идет вразнос, сторонний прокси, изменение истории в своем приложении), три способа восстановления для пользователей Claude Code (Esc×2/rewind, новая сессия /clear, инструмент починки JSONL), важнейшее постоянное решение (обновление до последней версии), три принципа предотвращения для разработчиков на API/SDK (возврат как есть, полное удаление, защитный механизм), различение трех похожих ошибок и чек-лист предотвращения повторов.