Wie man ein Claude-Code-Projekt wie einen Ingenieur zum Laufen bringt

Entwickler nutzen Claude Code als erweitertes Autovervollständigungssystem. Sie öffnen eine Datei, geben eine Eingabeaufforderung ein und hoffen auf das Beste. Das System erzeugt eine ordentliche Ausgabe, die teilweise eine hervorragende Qualität erreicht. Die Ausgabe weist inkonsistente Ergebnisse auf. Das System verliert den Überblick über den Kontext und wiederholt seine anfänglichen Fehler.

Die Lösung braucht mehr organisiertes Projektnicht ein erweiterte Eingabeaufforderung.

In diesem Artikel wird eine Projektstruktur vorgestellt, die sich zu einem KI-gestützten System für die Reaktion auf Vorfälle entwickelt, das den Greatest Practices von Claude Code folgt.

Die Lüge, an die die meisten KI-Entwickler glauben

Das größte Missverständnis, das Entwickler heutzutage in Bezug auf KI haben, ist:

„Einfach LLM nutzen und fertig!“

Falsch! KI ist ein System. Kein Function.

Ein KI-System in Produktionsqualität erfordert:

• Datenpipelines: Aufnahme → Chunking → Einbettung
• Abruf: Hybridsuche mit Re-Rating
• Erinnerung: Semantisches Caching, In-Reminiscence-Recall
• Routing: richtige Quellenauswahl mit Fallbacks
• Technology: strukturierte Ausgaben
• Auswertung: offline und on-line
• Sicherheit: Ein- und Ausgangssicherungen
• Beobachtbarkeit: Vollständige Rückverfolgbarkeit der Abfrage
• Infrastruktur: asynchron, Container-basiert

Die meisten Entwickler bleiben bei API-Aufrufen stehen. Das ist nur das erste Degree! Was selten diskutiert wird:
Die Repository-Struktur bestimmt, wie intestine Claude Code Sie beim Aufbau dieser Ebenen unterstützt.

Korrigieren Sie die Struktur. Alles andere passt zusammen.

KI-System zur Reaktion auf Vorfälle

Bei diesem Projekt handelt es sich um ein cloudbasiertes, auf KI basierendes Vorfallmanagementsystem. Ich werde es anrufen antworten.

• Funktionen: Alarmaufnahme, Schweregradklassifizierung, Runbook-Generierung, Vorfallweiterleitung, Lösungsverfolgung.
• Fokus: nicht das System, sondern das Repository-Design.
• Zweck: Zeigen Sie, wie Struktur es Claude Code ermöglicht, mit Kontext, Regeln und Arbeitsabläufen zu arbeiten.
• Verzeichnisstruktur: Referenzmuster unten. Anwendbar auf jedes KI-System.

Lassen Sie uns analysieren, wie die Gesamtstruktur zu einem besseren Erlebnis mit Claude Code führt, und analysieren wir dann jeden Teil der Struktur.

Die vier Dinge, die jedes Claude Code-Projekt braucht

Bevor wir uns mit der Erstellung von Ordnern befassen, werfen wir einen Blick auf das Wesentliche von Claude Code. Um wie ein Ingenieur zu denken, benötigt Claude Code im Wesentlichen vier Informationen:

• Das Warum – was diese Komponente tut und warum sie existiert
• Die Karte – wo sich alles befindet
• Die Regeln – was erlaubt und was verboten ist
• Der Workflow – wie die Arbeit abgeschlossen wird

Alle darin enthaltenen Ordner respondly/ Das Verzeichnis übernimmt eine der oben genannten Rollen. Es gibt keine versehentliche Ordnerplatzierung.

CLAUDE.md: ROOT-Speicher

CLAUDE.md ist eine der wichtigsten Dateien für dieses Projekt, nicht die Dokumentation, sondern im Grunde der Speicher des Modells. Claude schaut zu CLAUDE.md wann es jedes Mal startet. Man kann es sich so vorstellen, als würde man einem neuen Ingenieur am ersten Tag einen Überblick über das System geben (außer Claude wird es jedes Mal gegeben). Sie sollten sich kurz und prägnant fassen und sich auf maximal drei Abschnitte beschränken.

Was respondly/CLAUDE.md enthält:

Das ist alles. Es gibt keine Philosophien oder ausführlichen Beschreibungen. Es ist alles nur so Informieren Sie das Modell.

Wenn CLAUDE.md Wird die Zeitspanne zu lang, ist das Modell nicht mehr in der Lage, die kritischen Anweisungen zu befolgen, denen es folgen soll. Klarheit ist immer wichtiger als Größe.

.claude/abilities: Wiederverwendbare Expertenmodi

In diesem Ordner lässt sich intestine erkennen, wie Claude Code vom Generalisten zum Spezialisten wird. Wiederverwendbare Anweisungscodes ermöglichen es Claude, wiederholbare Arbeitsabläufe zu erstellen.

Wenn Claude einen neuen Prozess lernt, muss er ihn nicht jedes Mal erklären. Definieren Sie es einmal, dann lädt Claude diesen Prozess bei Bedarf. Claude verfügt über drei einzigartige Fähigkeiten:

1. triage-review/SKILL.md: Wie Sie den Schweregrad von Warnungen genau überprüfen, eskalieren und auf falsch-positive Muster überprüfen und ob die Warnung über einen Klassifizierungscode verfügt, der die Warnung genau beschreibt.
2. runbook-gen/SKILL.md: So generieren Sie ein Runbook. Einzelheiten zum Ausgabeformat, den erforderlichen Feldern und dem Ton finden Sie in den Anweisungen.
3. eval-run/SKILL.md: So führen Sie die Offline-Bewertungspipeline aus. Enthält zu verwendende Metriken, Schwellenwerte, die eine Überprüfung auslösen, und Anweisungen zum Protokollieren von Ergebnissen.

Dadurch erhält jeder, der mit Claude Code an dem Projekt arbeitet, eine konsistente, qualitativ hochwertige Ausgabe aller Benutzer, was die Verwendung und Ausführung von Claude betrifft.

.claude/guidelines: Leitplanken, die man nie vergisst

Wie Sie wissen, werden Fashions es oft vergessen. Haken und Regeln werden es nicht geben. Das Regelverzeichnis enthält die Regeln, die IMMER eingehalten werden MÜSSEN, ohne dass jemand daran erinnert werden muss.

• code-style.md stellt sicher, dass alle Anforderungen an Formatierung, Importreihenfolge, Typ und Kind für ALLE Python-Dateien eingehalten werden.
• testen.md definiert, wann Exams ausgeführt werden sollen (und welche Module geschützt werden sollen) und wie viel Testabdeckung erreicht werden muss, um zu bestehen (dh es legt den Maßstab für die Abdeckung fest, nach dem nichts anderes mehr von Bedeutung ist).

Beachten Sie die Regeln, die von Natur aus Teil des Projekts sind. Daher enthält jedes mit Claude erstellte Projekt automatisch die Regeln, ohne dass es einer Erinnerung bedarf.

.claude/Docs: Progressiver Kontext, keine sofortige Überlastung

Sie müssen nicht alle Informationen in einer einzigen Eingabeaufforderung zusammenfassen. Dadurch entsteht ein Anti-Muster. Erstellen Sie stattdessen eine Dokumentation, damit Claude zum richtigen Zeitpunkt auf die erforderlichen Abschnitte zugreifen kann. Der Antwort/Dokumente Verzeichnis besteht aus:

• Architektur.md – Gesamtdesign, Beziehung zwischen Komponenten, Datenflussdiagramme
• api-reference.md – Endpunktspezifikationen, Anforderungs-/Antwortschema, Authentifizierungsmuster
• Bereitstellung.md – Infrastruktur-Setup, Umgebungsvariablen, Docker Compose-Setup

Claude muss sich diese ganze Dokumentation nicht merken; Es muss lediglich wissen, wo es die benötigten Informationen erhalten kann. Daher wird allein dadurch eine erhebliche Anzahl von Fehlern reduziert.

Lokale CLAUDE.md-Dateien: Kontext für Gefahrenzonen

Es gibt bestimmte Bereiche einer Codebasis, die verborgene Komplexität enthalten. Obwohl sie oberflächlich betrachtet zunächst recht einfach erscheinen, sind sie es nicht.

Für antworten/Diese Komplexitätsbereiche sind wie folgt:

• App/Sicherheit/ – Mechanismen zur Verhinderung von Immediate-Injection, Methoden zur Inhaltsfilterung, Prozesse zur Ausgabevalidierung
• app/agenten/ – Orchestrierungslogik für LLMs, Aufruf externer Instruments und adaptives Routing von Anfragen
• Auswertung/ – Gültigkeit des goldenen Datensatzes, Korrektheit der Bewertungspipeline

Jeder dieser Bereiche hat seinen eigenen Ort CLAUDE.md Datei:

App/safety/CLAUDE.md
app/brokers/CLAUDE.md
analysis/CLAUDE.md 

Anhand dieser Dateien erhält das CLAUDE-System einen klaren Überblick darüber, welche Aspekte dieses Bereichs eine Bedrohung darstellen, welche Fehler vermieden werden sollten und welche Konventionen zum Zeitpunkt der Arbeit von CLAUDE innerhalb der Grenzen dieses Verzeichnisses unerlässlich sind.

Dieser isolierte Prozess reduziert das Auftreten von LLM-fähigen Fehlern in Modulen mit hohem Einsatz erheblich.

Warum ist die Agenten-/Schicht die Actual-Intelligence-Schicht?

Antworten/ hat ein Multi-Agenten-Framework erstellt. Im Inneren antworten/agenten/ Ordner sind 4 Dateien:

• triage_agent.pydas Warnungen nach Schweregrad klassifiziert und eine strukturierte Ausgabe und einen goldenen Datensatz nutzt, um sich kontinuierlich neu zu kalibrieren;
• runbook_generator.py um Vorfall-Runbooks zu erstellen, indem man herausfindet, was die Aufgabe ist, und dann Schritt-für-Schritt-Anweisungen basierend auf einem „Lernen und Anpassen“-Modell unter Verwendung von LLMs sowie Vorlagen und validierten Ausgaben erstellt;
• adaptive_router.pydas basierend auf dem Kontext eine geeignete Datenquelle für die Abfrage auswählt (z. B. PagerDuty, Datadog oder interne Wissensdatenbank);
• Werkzeuge/Hier befinden sich alle externen Integrationen, die an das System angeschlossen sind. Jedes Software ist ein eigenständiges Modul, sodass zum Erstellen einer neuen Integration lediglich eine Datei hinzugefügt werden muss.

Es sind diese Merkmale, die ein KI-Produktionssystem von einem KI-Demosystem unterscheiden (z. B. die Fähigkeit, hinsichtlich der Intelligenz modular zu sein, verschiedene Exams für jede einzelne Komponente des Programs durchführen zu können und die Fähigkeit, die Kette von Ereignissen anzuzeigen, die zu einer bestimmten Entscheidung geführt haben).

Der Wandel, der alles verändert

Was die meisten Menschen übersehen:

Aufforderung ist ein vorübergehendes Maß, während Struktur ein dauerhaftes Kriterium ist.

Eine fachmännisch verfasste Eingabeaufforderung reicht nur für eine einzelne Sitzung aus, ein fachmännisch erstelltes Repository hingegen reicht für die gesamte Projektdauer.

Wenn Ihr Projekt richtig strukturiert ist:

• Claude versteht den Zweck des Programs, ohne dass es ihm gesagt werden muss.
• Claude hält sich stets an die etablierten verwendeten Codierungsstandards.
• Claude meidet schädliche Module, ohne ausdrücklich vor der Verwendung dieser Module gewarnt zu werden.
• Claude kann komplexe Arbeitsabläufe sitzungsweise mit gleichmäßiger Geschwindigkeit umsetzen

Dies ist kein Chatbot. Dies ist ein Ingenieur, der mit dem Projekt vertraut ist.

Abschluss

Der größte Fehler, den Menschen bei der Entwicklung von KI machen, besteht darin, sie als praktische oder erweiterte Suchfunktion zu betrachten. Claude ist das nicht; Es handelt sich um eine Argumentationsmaschine, die Kontext, Struktur und Gedächtnis erfordert. Jeder Antwort-/Ordner beantwortet eine Frage: Was braucht Claude, um in diesem Second sein Urteil zu fällen? Wenn Sie mit Ihrer Antwort konsistent sind, wird es nicht mehr nur ein Werkzeug sein; Sie haben einen Ingenieur in Ihrer Codebasis erstellt.

Der Ausführungsplan ist unkompliziert: Erstellen Sie ein Grasp-CLAUDE.md, entwickeln Sie drei Fähigkeiten, die für sich wiederholende Prozesse wiederverwendet werden können. Legen Sie dann Regeln für das fest, was Sie nicht ändern können. Legen Sie einen Satz lokaler Kontextdateien in Ihren vier größten Modulen ab, um mit der Erstellung Ihrer Architektur zu beginnen. Nachdem Sie diese vier Dateien erstellt haben, haben Sie Ihre Grundbausteine ​​für die Entwicklung festgelegt. Dann sollten Sie sich auf die Einrichtung Ihrer Architektur konzentrieren, bevor Sie die Anzahl der Dateien und/oder Funktionen erhöhen, die Sie zur Unterstützung Ihrer Anwendung erstellen. Sie werden feststellen, dass sich alles weitere von selbst ergeben wird.

Häufig gestellte Fragen

Knowledge Science Trainee bei Analytics Vidhya
Derzeit arbeite ich als Knowledge Science Trainee bei Analytics Vidhya, wo ich mich auf die Entwicklung datengesteuerter Lösungen und die Anwendung von KI/ML-Techniken zur Lösung realer Geschäftsprobleme konzentriere. Meine Arbeit ermöglicht es mir, fortschrittliche Analysen, maschinelles Lernen und KI-Anwendungen zu erforschen, die es Unternehmen ermöglichen, intelligentere, evidenzbasierte Entscheidungen zu treffen.
Mit einem starken Fundament in den Bereichen Informatik, Softwareentwicklung und Datenanalyse ist es mir eine Leidenschaft, KI zu nutzen, um wirkungsvolle, skalierbare Lösungen zu schaffen, die die Lücke zwischen Technologie und Geschäft schließen.
📩 Du kannst mich auch erreichen unter (electronic mail protected)