Що саме оновили
Я люблю такі апдейти не за красивий список фіч, а за те, що вони прибирають мікро-гальмування у щоденній роботі. У Claude Code якраз підкрутили дві речі, які безпосередньо впливають на швидкість AI automation і на те, наскільки швидко я доводжу агент або скіл до притомного стану.
Перше: Ask Questions тепер показує не лише три варіанти відповіді, а й короткий попередній перегляд. На папері — дрібниця. У реальній сесії це економить купу зайвих кліків, бо я одразу бачу, який варіант ближчий до потрібного напрямку, і не розкриваю все підряд.
Судячи з доступного контексту, йдеться про механіку бічних запитань усередині Claude Code, близьку до /btw: можна уточнити щось щодо поточного коду чи рішення, не ламаючи основний потік. Якщо прев'ю справді вбудували глибше в цей сценарій, вибір став просто швидшим. Для тих, хто будує AI integration у продукті чи внутрішній розробці, це саме той тип поліпшення, який не потрапляє в прес-релізи, але відчувається щогодини.
Друга зміна мені подобається навіть більше. Skill creator, схоже, нарешті почав працювати так, як від нього й чекали: після створення скілу він одразу пропонує запустити self-improvement loop. Тобто не просто «ось вам заготовка», а відразу наступний логічний крок для поліпшення результату.
Тут, щоправда, я б тримав голову холодною. На сьогодні публічний контекст щодо self-improvement у Anthropic зав'язаний на research preview і ширшу історію про «dreaming» у керованих агентів, а не на повністю описаний масовий реліз для всіх сценаріїв Claude Code. Але сам вектор зрозумілий: менше ручного штовхання системи, більше автоматичного донавчання поведінки на основі минулих прогонів.
Що це змінює для бізнесу
Якщо я дивлюся на це очима команди, яка розробляє AI solution, ефект дуже приземлений. Ask Questions з прев'ю скорочує вартість неправильного вибору на кожному дрібному кроці. Менше холостих відкриттів, менше смикання контексту, швидша ітерація.
Автопропозиція self-improvement loop після створення скілу скорочує розрив між «зібрали чернетку» і «отримали щось стабільне». Виграють команди, де багато повторюваних агентних сценаріїв: сапорт, внутрішні асистенти, кодові помічники, операційні боти. Програють хіба що ті, хто сподівається, що автоматичний цикл сам магічно виправить слабку AI architecture.
Я у себе в Nahornyi AI Lab такі місця бачу постійно: інструмент уже майже корисний, але люди втрачають темп на ручних дрібницях між кроками. Якщо у вас схожа історія і ви хочете не просто погратися, а нормально зібрати AI automation під процес, можна розібрати ваш сценарій разом зі мною і перетворити його на робочу систему без зайвої метушні.