Claude Code всё меньше спрашивает разрешения. Кажется, заканчивается эпоха AI-код-ассистентов

Ещё недавно работа с AI-программистом выглядела примерно одинаково: попросил прочитать проект — нужно подтверждение, изменить файл — снова подтверждение, запустить тесты — ещё одно, выполнить команду — опять вопрос. Если задача затрагивала десятки файлов, терминал и несколько итераций исправлений, разработчик в какой-то момент превращался не в программиста, а в оператора кнопки Approve.

Anthropic постепенно убирает и эту работу. И это интересно не как очередная новая функция Claude Code, а как часть более крупного изменения: AI-инструменты для программирования переходят от роли помощника к роли исполнителя, которому можно отдать целую задачу и вернуться уже к результату.

В Claude Code появился Auto Mode — режим, в котором агенту не нужно спрашивать разрешение перед каждым действием. Но Anthropic не просто включила аналог --dangerously-skip-permissions: между Claude и компьютером работает отдельный classifier, который проверяет действия агента. Обычные операции могут выполняться автоматически, а потенциально опасные действия, например выход за границы поставленной задачи или работа с неизвестной инфраструктурой, могут блокироваться. Сам Auto Mode пока остаётся research preview.

В результате меняется сам сценарий взаимодействия с AI. Вместо последовательности команд вроде «измени этот файл», «теперь поправь backend», «запусти тесты» можно дать задачу более высокого уровня: «Добавь авторизацию, обнови API, поправь frontend, запусти тесты и исправь ошибки». После этого Claude сам исследует проект, строит план, меняет файлы, запускает команды и проходит несколько циклов исправлений. Разработчик вмешивается уже не после каждого шага, а когда действительно требуется решение.

Если посмотреть на развитие Claude Code за последний год, направление становится довольно очевидным. Сначала AI хорошо дописывал отдельные функции, затем получил доступ к терминалу и всему repository. Потом появились subagents, способные выполнять отдельные части задачи, hooks для автоматического запуска действий и background tasks для процессов, которые должны работать независимо от основной сессии. Следующий шаг — дать агенту больше самостоятельности и перестать требовать подтверждение каждого действия.

Параллельно меняются и сами модели. Новые поколения Claude всё сильнее оптимизируются именно под agentic-сценарии: модель должна не просто хорошо отвечать на вопрос или генерировать функцию, а уметь самостоятельно планировать работу, пользоваться терминалом и другими инструментами, анализировать результат и продолжать задачу после ошибки.

То есть меняется не просто качество генерации кода. Меняется единица работы, которую мы отдаём ИИ. Несколько лет назад это была строка кода, затем функция, потом файл. Сейчас постепенно этой единицей становится полноценная задача.

Anthropic уже экспериментирует со сценарием, в котором Claude можно назначать задачи практически как ещё одному участнику команды. Компания рассказывала, что значительная часть кода некоторых внутренних продуктовых команд создаётся с помощью подобных агентных инструментов.

Это, конечно, не означает, что соответствующая часть работы программистов просто исчезла. Люди по-прежнему определяют архитектуру и требования, разбираются с неоднозначными бизнес-правилами, проверяют результат и принимают решения. Но непосредственно написание реализации всё чаще оказывается внутри автономного AI-цикла: агент изучает проект, вносит изменения, запускает тесты, получает ошибки и пытается исправить их самостоятельно.

И мне кажется, именно здесь происходит главное изменение.

Copilot первого поколения жил рядом с разработчиком по простой схеме: человек пишет код → AI подсказывает продолжение. Современные coding agents постепенно переворачивают эту модель: человек описывает желаемый результат → AI выполняет работу → человек проверяет результат.

Формулировка отличается всего несколькими словами, но для процесса разработки разница огромная. Следующим логичным шагом становится конвейер: задача из backlog → AI-агент → изменения в коде → тесты → pull request → review человеком. Причём технически большая часть элементов такого процесса уже существует. Главный нерешённый вопрос теперь не в том, способен ли AI написать код, а в том, насколько далеко мы готовы разрешить ему зайти без человеческого вмешательства.

У Auto Mode остаются ограничения, и даже Anthropic предупреждает, что подобные механизмы не дают абсолютной гарантии безопасности. Для работы с production-инфраструктурой, чувствительными данными и критическими изменениями человеческий контроль ещё долго будет необходим.

Но направление развития выглядит довольно очевидным. AI-программирование уже нельзя оценивать только вопросом «насколько хорошо модель пишет код?». Появляется второй, возможно более важный вопрос: «как долго модель способна самостоятельно работать над реальной задачей и не потерять цель?»

Раньше мы сравнивали Claude, GPT и Gemini по бенчмаркам программирования. Следующая гонка может идти уже за другой показатель: сколько минут или часов AI-разработчик способен исследовать проект, писать код, запускать тесты, исправлять собственные ошибки и двигаться к результату без вмешательства человека.

И возможно, именно это, а не очередные +3% на SWE-bench, станет главным показателем следующего поколения coding-моделей.

Больше про LLM и AI — в нашем Telegram-канале (@devgeek_sh). Разбираем новые модели, делимся опытом и полезными находками.