Video Title: Claude Code + GitHub WORKFLOW for Complex Apps
Video ID: FjHtZnjNEBU
Video URL: https://www.youtube.com/watch?v=FjHtZnjNEBU
Export Date: 2026-06-19 09:13:51
Channel: Greg Baugues
Format: plain
================================================================================

Ключевые выводы и инсайты
• Представлен эффективный рабочий процесс с использованием Cloud Code и GitHub, основанный на четырех фазах SDLC: планирование, создание, тестирование и деплой.
• Главная ценность — детальное планирование и дробление больших задач на мелкие атомарные шаги, что улучшает качество и управляемость разработки.
• Интеграция AI-ассистента (Claude Code) с GitHub CLI и Puppeteer позволяет автоматизировать создание, тестирование и деплой кода.
• Важна роль человека в уточнении требований, ревью кода и принятии решений, что подтверждает необходимость совместной работы человека и AI.
• Использование GitHub flow, проверенного временем рабочего процесса, адаптированного для взаимодействия с AI.
• Тестирование и CI/CD (GitHub Actions) — ключевые элементы, обеспечивающие надежность и стабильность кода, написанного AI.
• Практика использования AI для написания коммитов и PR с последующим ревью человеком помогает ускорить процесс, сохраняя контроль качества.
• Очистка контекста работы AI после завершения задачи помогает работать с каждым issue "с нуля" и экономить токены.
• Работа с несколькими параллельными ветками (work trees) возможна, но может потребовать дополнительного контроля и не всегда оправдана на ранних этапах проекта.

Практические стратегии
• Создавайте GitHub issues для всех задач с максимально детальным и атомарным описанием.
• Используйте Cloud Code slash-команды для автоматизации обработки issues по этапам: планирование, написание кода, тестирование, деплой.
• Для взаимодействия Cloud Code с GitHub используйте GitHub CLI, установленный в среде.
• На этапе планирования применяйте scratch pads для разбивки задачи на мелкие подзадачи и поиска предыдущих PR по теме.
• Внедряйте тестирование через встроенный тестовый фреймворк (например, Rails) и автоматизируйте запуск тестов в CI (GitHub Actions).
• Используйте Puppeteer для автоматизированного тестирования UI путем симуляции кликов и взаимодействий в браузере.
• Делегируйте AI создание кода, коммитов и открытие pull requests, но всегда проводите ревью и оставляйте комментарии.
• Для ревью кода можно использовать отдельную slash-команду с «стилем» известного эксперта (например, Sandy Mets) для улучшения читаемости и поддержки кода.
• После завершения работы по issue используйте /clear для очистки контекста Cloud Code, чтобы избежать накопления лишной информации.
• Не злоупотребляйте параллельной работой с work trees, если проект небольшой и задачи тесно связаны.

Конкретные детали и примеры
• Автор проекта начал с диктовки требований через Super Whisper, затем сформировал требования совместно с Claude, а из них создал GitHub issues.
• В проекте создано 30–40 issues, которые пришлось детализировать и уточнять, чтобы достичь хороших результатов.
• Используется Rails (MVC-фреймворк) для удобства модульного кода и интегрированной системы тестирования.
• Puppeteer подключен через локальный MCP сервер для UI-тестирования.
• CI настроен через GitHub Actions, автоматически запускающий тесты и линтер при каждом коммите.
• Для ревью PR используется AI с командой, настроенной под стиль Sandy Mets.
• Автор приобрел план Claude Max ($200/мес) для неограниченного доступа к API.
• Пример комментариев в процессе ревью: “Это не совсем то, что я хотел”, “Пожалуйста, переделай”.

Предупреждения и распространённые ошибки
• Не стоит сразу переходить к написанию кода из созданных issues без их детальной проработки и дробления — это приведет к плохому качеству.
• Излишняя доверчивость к AI при коммитах без ревью может привести к ошибкам.
• Использование GitHub Actions для запуска Claude на большие задачи может привести к высоким счетам за API.
• Работа с несколькими work trees требует постоянного подтверждения разрешений, что усложняет процесс и увеличивает нагрузку на разработчика.
• Игнорирование тестов и CI приводит к частым поломкам при изменениях.
• Переоценка параллельной работы с AI без четкого разделения задач усложняет управление конфликтами и процессом.

Ресурсы и дальнейшие шаги
• Рекомендуется прочитать статью Thomas Tacic «All of My AI skeptic friends are nuts» для понимания этики и практик AI-кодирования.
• Использовать GitHub CLI для интеграции AI с репозиторием.
• Ознакомиться с документацией и best practices по Cloud Code и slash-командам от Anthropic.
• Посмотреть видео автора по «Claude Code pro tips» для углубленного понимания работы с AI.
• Настроить тестирование и CI/CD с использованием GitHub Actions и Puppeteer.
• Практиковать ревью AI-кода с помощью специализированных prompt-стилей для улучшения качества.
• Следить за балансом между автоматизацией и ручным контролем в процессе разработки.

Основные темы
• Использование Cloud Code и GitHub для AI-ассистированного веб-разработки.
• Рабочий процесс на основе четырех фаз SDLC: планирование, создание, тестирование, деплой.
• Важность детализированных GitHub issues и их дробления.
• Интеграция с GitHub CLI и использование slash-команд для управления AI.
• Автоматизация тестирования с использованием Rails и Puppeteer.
• CI/CD через GitHub Actions и автоматический запуск тестов.
• Роль человека в ревью AI-кода и контроле качества.
• Управление контекстом AI с помощью очистки окна (/clear).
• Особенности работы с параллельными work trees и их ограничения.
• Практические советы и ошибки при использовании AI для кодирования.