ساعد Claude Code في بناء نظام CRM عملي من 46 ألف سطر — ويوجد دليل بالفعل

На Habr AI вышел подробный кейс о том, как команда из двух человек собрала коммерческую crm-систему почти целиком через Claude Code. За полтора месяца они получили 46 тысяч строк кода, рабочий продукт и набор правил, без которых такой режим быстро превращается в хаос.

Что они построили

Авторы описывают не учебный прототип, а рабочую crm-систему для обработки входящих заявок и ведения сделок. Система умеет автоматически отвечать на письма, ставить задачи и двигать клиента по воронке. Проект писали два человека: один совмещал роль менеджера и аналитика, собирал задачи с созвонов через ReadAi и раскладывал их в Jira через MCP, второй управлял самим процессом разработки, реализации и тестирования.

В качестве стека выбрали NestJS, NextJS, ShadCN UI и PostgreSQL. Ключевой вывод из этого эксперимента простой: впечатляет не сама цифра в 46 тысяч строк, а то, что проектом уже пользуется клиент. Это важная разница на фоне привычного скепсиса к vibe coding, который часто ассоциируют либо с демками на выходные, либо с ускоренным производством техдолга.

В этом кейсе авторы показывают противоположный сценарий: если заранее ограничить задачи, роли и правила работы, ИИ может быть не игрушкой, а вполне практичным инструментом для коммерческой разработки.

Как организовали процесс

Главным артефактом команды стал короткий файл claude.md — не свалка знаний, а точка входа с описанием проекта, стека, ссылками на документацию и базовыми правилами. Все остальное вынесли в отдельные md-файлы по модулям: сделки, обработка почты, API и другие части системы. Для backend, database и других областей сделали собственных «агентов» в виде инструкций с паттернами, ограничениями и типичными ошибками. Идея в том, чтобы Claude читал только тот контекст, который нужен прямо сейчас, а не тратил токены на весь проект целиком.

• Короткий claude.md с самым важным Отдельные md-файлы по крупным модулям Специализированные инструкции для backend и database Один контекст на одну задачу Обязательное ревью после генерации Второе правило — не смешивать задачи в одном окне. Авторы советуют держаться схемы «один контекст = одна задача», после завершения делать clear, а для возврата использовать resume. Причина в том, что при переполнении контекста Claude сжимает историю и теряет детали в самый неподходящий момент. Для крупных кусков работы они включали plan mode, чтобы разбить реализацию на независимые подзадачи. По их оценке, даже базовой подписки за 20 долларов хватает на 3–5 часов активной работы, если документация и структура проекта уже подготовлены.

Где возникают проблемы В статье отдельно разобраны типичные сбои.

Claude может путать методы библиотек, забывать уже обсужденное, плодить дублирующийся код или предлагать архитектурные решения, которые плохо стыкуются с остальной системой. Отдельный источник ошибок — внешние API. Если каждый раз тянуть документацию из интернета на лету, модель и тратит больше токенов, и чаще ошибается в параметрах или сценариях использования.

Поэтому для каждой интеграции команда сначала просила ИИ собрать отдельный md-файл по официальной документации, а уже потом переходила к коду. Авторы также советуют не пропускать discovery, не доверять без проверки ТЗ, которое клиент сгенерировал через ИИ, и не ждать идеального результата с первого раза. Для сложных архитектурных задач они подключали Sequential Thinking, чтобы модель сначала проходила цепочку рассуждений, а не бросалась сразу писать код.

Для навигации по большой кодовой базе пригодилась Serena, которая экономит контекст на поиске файлов. Общий принцип они формулируют очень прямо: > «Главное — понимать, что ты хочешь получить на выходе и не генерировать хаос».

Что это значит

Кейс с Habr AI хорошо показывает, что главный дефицит в vibe coding — не генерация кода, а управляемость процесса. Claude Code ускоряет разработку, но только если у команды есть дисциплина в документации, дроблении задач, ревью и работе с контекстом. Для студий и продуктовых команд это, по сути, новый операционный навык: мало уметь писать промпты, нужно уметь проектировать среду, в которой ИИ не расползается по проекту, а двигает его вперед.