Anthropic: как научить ИИ-агентов работать днями без потери прогресса

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:

Создаёт структуру проекта при первом запуске:

init.sh;

claude-progress.txt с логом работы;

первичный git-коммит;

файл-список всех требований к проекту (часто сотни фич), все помечены как не реализованные.

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