我们在Claude Code之上构建了一个流程层,用于处理任务间的上下文和协调
摘要
团队在Claude Code之上构建了一个流程层,以管理工程任务间的上下文和协调,通过确保每一步都提供正确的上下文来提高代码质量。他们将这个问题视为流程/协调问题,而非工具问题。
在过去的一年里,我们一直在不同的项目团队中使用各种AI编码工具,包括Claude Code。我们发现个人生产力提高了,但这些收益并没有像我们希望的那样在团队之间产生叠加效应。我们认为原因在于编码过程中的许多环节仍然大致相同,从冲刺计划到每日站会再到PR审查(只是加入了一些AI点缀)。在交接点上,损失尤为明显。上下文在每次交接时都会丢失,并且必须反复重建。这开始显现出副本的副本效应,导致悄无声息的漂移和维护问题,侵蚀了最初的生产力提升。因此,我们在Claude Code之上构建了一个层,用于处理任务间的上下文和协调。工程流程中的每个步骤都声明其读取和产生的内容。架构评审消耗规范,生成ADR和模块指南。开发任务接收该ADR以及其所涉及模块的陷阱文件。评审者获得规范、ADR和差异(diff)。每个会话都会在精确加载正确上下文的情况下进行调度。这使得项目的上下文能够随时间增长,并且使上下文的正确部分能够提供给正确的任务,而无需工程师越来越努力地实现这一点。反过来,这使我们能够依赖这个流程层来获得更高质量的代码,而不是依赖工程师的个人纪律。对于更简单的任务,我们仍然直接使用Claude Code,因为对于较小的spike,其开销计算是不同的。还有其他人将这个问题视为流程/协调问题而非工具问题吗?
相似文章
我在 Claude 中搭建了一支多智能体产品团队——CEO、CPO、CTO、高级开发人员、QA、代码审查员全部串联在一起
作者描述了一个在 Claude 内部构建的多智能体系统,该系统模拟了一支完整的产品团队(包括 CEO、CPO、CTO、开发人员、QA),以简化软件开发和决策流程。该配置利用特定角色的技能和严格的验证来减少返工,并已打包以便于安装。
Claude Code 在大型代码库中的工作原理
Anthropic 的博文详细介绍了在大型复杂代码库中使用 Claude Code 的最佳实践,阐述了代理搜索以及如 CLAUDE.md 文件等扩展的“利用”如何在大规模下提升导航和性能。
@tom_doerr:基于多智能体团队和 TDD 的 Claude Code 脚手架 https://github.com/alinaqi/claude-bootstrap…
Maggy v5.0 是一款开源 CLI 框架,它将 Claude Code 升级为具备多智能体编排、TDD 循环及内置安全协议的自主工程平台。该框架通过容器化智能体团队、跨机器同步和自动化质量门禁,实现了结构化的工作流。
Claude Code: 智能体编程最佳实践
本文介绍了使用 Anthropic 的 Claude Code 这一智能体编程环境的最佳实践,重点包括管理上下文窗口、为代码提供验证标准,以及将探索与执行分离以提升性能。
@Saboo_Shubham_: Codex 负责构建,Claude Code 负责审查与优化,Hermes 负责协调与交接。这一切……
演示了一个多智能体工作流:Codex 构建代码,Claude Code 进行审查,Hermes 管理协调工作,所有流程均通过看板(Kanban)进行跟踪。