Компания Anthropic продемонстрировала возможности проведения масштабных миграций кодовой базы с помощью системы AI-агентов и инструмента Claude Code, показав успешные кейсы переноса миллионов строк кода в кратчайшие сроки.
Что произошло
Anthropic провела успешные эксперименты по автоматизации миграции кода. Среди ключевых достижений — перенос проекта Bun с языка Zig на Rust (около 1 млн строк кода за 2 недели) и перевод Python-кода на TypeScript (165 тысяч строк за выходные). Процесс реализован через итеративный цикл: написание кода специализированной моделью (например, Claude Sonnet), проверка через набор тестов («судья») и последующее исправление ошибок более мощными моделями.
Контекст
В основе метода лежит подход «fix the process, not the code» (исправляй процесс, а не код). Вместо ручного редактирования отдельных фрагментов, система использует разработанный свод правил (rulebook) и автоматическую верификацию с помощью компиляторов и тестов, что позволяет превратить написание кода в управляемый инженерный процесс.
Почему это важно для индустрии
Для индустрии это означает фундаментальный сдвиг в экономике разработки ПО: переход от ручного рефакторинга к автоматизированным агентным циклам. Использование иерархических моделей (где менее мощные модели пишут код, а более мощные выступают в роли ревьюеров) позволяет сократить сроки миграции критических систем с нескольких лет до недель, минимизируя при этом человеческий фактор и риски регрессий.
Почему это важно для пользователей
Разработчикам и инженерам это дает инструмент для автоматизации рутинных, но крайне опасных задач по обновлению технологических стеков. Инструменты вроде Claude Code позволяют быстрее избавляться от технического долга и беспрепятственно внедрять новые языки и фреймворки в крупные проекты, превращая AI из простого помощника в полноценного агента, управляющего сложными инженерными задачами.
Что пока неизвестно / ограничения
Масштабная автоматизация кода создает новые вызовы в области управления интеллектуальной собственностью (IP) и усложняет аудит происхождения кода (provenance).
Источники
Автор
Look at AI, редакция