Назад към Новини
ПродуктAI Understanding брифинг

Изпълнителният директор на Shopify заплашва да забрани Claude Code заради поддръжката на AGENTS.md

New Stack съобщава, че главният изпълнителен директор на Shopify Тоби Лютке е заплашил да забрани Claude Code, защото не чете AGENTS.md, което създава допълнителна работа по синхронизиране за екипи, използващи множество кодиращи агенти.

5 min readRead the linked source
Source-provided image accompanying Shopify CEO threatens to ban Claude Code over AGENTS.md support
ИзточникИзточникът е записан
Издател
thenewstack.io
Изходна връзка
thenewstack.iohttps://thenewstack.io/shopify-claude-code-agentsmd/
Тип източник
Свързан източник — статусът на първичен източник не е установен.
КонтекстРазберете това за 60 секунди

Започнете тук

Ключови термини

Характеристика
Входна променлива, използвана от модел за правене на прогнози.
Тествайте себе сиAI Агенти Викторина

Какво стана

The New Stack съобщава, че главният изпълнителен директор на Shopify Тоби Лютке е заплашил да забрани Claude Code, освен ако Anthropic не добави естествена поддръжка за AGENTS.md и свързани файлове с умения на агенти. Спорът засяга как кодиращите агенти получават постоянни инструкции за хранилище, а не общата способност за кодиране на Claude Code.

New Stack съобщава, че главният изпълнителен директор на Shopify Тоби Лютке каза на X, че обмисля забрана на Claude Code в Shopify, докато Anthropic не промени начина, по който инструментът обработва файловете с инструкции за хранилище. По-конкретно, Lütke възрази срещу липсата на собствена поддръжка на Claude Code за AGENTS.md и свързаните с него .agents/skills файлове. Статията представя спора като проблем със съвместимостта и работния процес, включващ агенти за кодиране на AI, а не като преценка, че Claude Code създава лош код.

Според The ​​New Stack, Shopify има хиляди разработчици, работещи в голямо монорепо, и тези разработчици не всички използват едни и същи инструменти за кодиране на AI. Файловете с инструкции за хранилище могат да указват команди за изграждане, изисквания за тестване, конвенции за кодиране и други правила, които агентът трябва да следва. Тъй като тези файлове могат да съществуват на различни нива на дърво на директория, агентът може да получи насоки въз основа на частта от хранилището, която обработва.

В статията се казва, че Claude Code използва CLAUDE.md файлове за инструкции на проекта и може да открие подходящи файлове в различни части на хранилище, но не чете AGENTS.md нативно. Новият стек съобщава, че Anthropic предлага заобиколни решения, включително импортиране на AGENTS.md от CLAUDE.md или използване на символни връзки. Тези подходи изискват екипите да поддържат множество представяния на инструкции синхронизирани, което може да създаде допълнителна работа по поддръжката в голяма кодова база.

New Stack също така съобщава, че заявките за поддръжка на AGENTS.md са продължили почти година. Той идентифицира по-нова заявка относно рекурсивно откриване на AGENTS.md, което Anthropic маркира като „непланирано“. Докладваните изявления, състоянието на заявка за функция и вътрешната автоматизация на Shopify не са потвърдени независимо от първичната документация в предоставения материал.

Детайли за източника: thenewstack.io ↗

Защо има значение

В големи монорепо различни агенти могат да следват различни инструкции за изграждане, тестване и кодиране. Новият стек казва, че Shopify е изградил автоматизация за синхронизиране на тези инструкции, но Лютке счита, че това може да бъде избегната сложност за екипите на платформата.

Практическият проблем е, че AI кодиращите агенти зависят от местния контекст. Ако един агент прочете приложимите инструкции на хранилището, а друг не, двата инструмента могат да направят промени при различни предположения относно тестване, форматиране, архитектура или разрешени работни процеси. New Stack съобщава, че Lütke описва това като „данък върху сложността“ за инженерните екипи, тъй като Shopify трябва да компенсира разликите между инструментите.

Това има най-голямо значение в организации, където няколко агента работят срещу една и съща кодова база. Един разработчик може потенциално да поддържа просто решение, но екип от платформа, поддържащ хиляди разработчици, трябва да разпространява, актуализира и проверява тези решения в много директории и инструменти. Сметката на New Stack предполага, че разходите са толкова организационни, колкото и технически: инженерите, отговорни за вътрешната инфраструктура, стават отговорни за превода или синхронизирането на инструкции, които доставчиците не интерпретират последователно.

Разногласието също така илюстрира проблем със стандартизацията на пазара на инструменти за разработчици на AI. New Stack съобщава, че OpenAI въведе AGENTS.md през август 2025 г. за специфични за проекта инструкции за кодиращ агент и че OpenAI по-късно каза, че форматът е използван от повече от 60 000 проекта с отворен код и агентни рамки, с поддръжка от инструменти, включително Codex, Cursor, Gemini CLI, GitHub Copilot, Jules и Visual Studio Code. В статията се казва, че форматът по-късно е прехвърлен на Agentic AI Foundation под Linux Foundation. Тези цифри за осиновяване и подробности за управлението идват от доклада на The New Stack и не са независимо проверени тук.

Проблемът не е доказателство, че един формат на файл с инструкции е универсално превъзходен, нито установява, че Claude Code е по-малко способен при разработването на софтуер. Той показва, че заобикалящият контролен слой - как агентът получава и прилага правилата на хранилището - може да повлияе на използваемостта на предприятието. New Stack също така разкрива, че неговият собственик, Insight Partners, е инвеститор в OpenAI и Anthropic, подходящо съображение при оценката на независимостта на магазина от история, включваща и двете компании.

Interactive Mechanism

Интерактивен механизъм: как всъщност работи

Разгледайте интерактивно основната технология зад тази разработка.

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
Интерактивна проверка на концепцията+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

Какво да гледате след това

Гледайте дали Anthropic променя начина, по който Claude Code обработва AGENTS.md, дали други големи инженерни организации повдигат същото безпокойство и дали форматите на инструкции за хранилище се сближават между доставчиците на кодиращи агенти. Акаунтът на New Stack и докладваните публикации не бяха независимо потвърдени тук.

Непосредственият въпрос е дали Anthropic ще добави собствено откриване на AGENTS.md или ще предостави друг механизъм, който избягва дублирането на файлове и ръчната синхронизация. New Stack съобщава, че съответната заявка за функция е затворена като „непланирана“, но предоставеният материал не установява дали това решение остава актуално или дали критиката на Shopify е променила пътната карта на Anthropic.

Инженерните организации също ще следят за по-широко сближаване между инструментите за кодиращи агенти. Ако AGENTS.md стане широко поддържана конвенция, екипите могат да намалят броя на файловете с инструкции, специфични за доставчика, които поддържат. Ако доставчиците продължат да предпочитат отделни формати, екипите на платформите може да се нуждаят от слоеве за превод, автоматизация на хранилището, символни връзки или контроли на правилата, за да поддържат агентите в съответствие. Статията не предоставя сравнителни измервания на разходите, надеждността или степента на неуспех на тези подходи.

Друг проблем е проверката. New Stack съобщава, че Shopify вече използва автоматизация за справяне с несъответствието, но статията не описва тази автоматизация достатъчно подробно, за да оцени колко добре работи, колко често се проваля синхронизацията или дали променя поведението на агентите в производството. Той също така не предоставя записан отговор от Anthropic на заплахата на Lütke или независимо документира историята на заявката за функция.

По-широкият практически тест ще бъде дали файловете с инструкции остават надеждни, тъй като хранилищата стават по-сложни и повече агенти работят в тях. Полезно последващо отчитане би установило кои инструменти поддържат рекурсивно откриване, как се определя приоритетът, когато файловете са в конфликт, дали разработчиците могат да одитират инструкциите, които агентът действително е приложил, и дали основните клиенти третират съвместимостта на форматите като изискване за доставка. Този доклад не установява такива резултати.

Свързани ръководства и викторини

AI агентиОбяснени модели на AIPrompt EngineeringТествайте какво знаете — опитайте безплатен тест с изкуствен интелектПотърсете термин за AI в нашия речникСледвайте програмата за проследяване на пускането на AI модел
Намирате ли това за полезно?