Claude Code lanseras – Anthropics programmeringsagent arbetar direkt i terminalen

Claude Code lanseras – Anthropics programmeringsagent arbetar direkt i terminalen

Den 24 februari 2025 lanserade Anthropic Claude Code som en forskningspreview. Verktyget kördes i utvecklarens terminal och kunde läsa en kodbas, redigera filer, köra tester, använda Git och genomföra längre programmeringsuppgifter under mänsklig kontroll.

Marketplace sammanfattar lanseringen i efterhand. Claude Code var inte bara en chatt som skrev kodsnuttar. Agenten fick tillgång till repositoryts faktiska struktur och de kommandon som utvecklaren tillät. Det gjorde verktyget kraftfullare – och ökade behovet av tydliga behörigheter, versionskontroll och granskningsbara ändringar.

Claude Code i korthet

| Punkt | Uppgift vid lanseringen |
|---|---|
| Lanseringsdatum | 24 februari 2025 |
| Status | Forskningspreview |
| Gränssnitt | Terminal och kommandorad |
| Modell | Lanserades tillsammans med Claude 3.7 Sonnet |
| Huvuduppgifter | Kodförståelse, redigering, testning, Git och felsökning |
| Arbetssätt | Agenten planerade och utförde flera steg i ett repository |
| Kontroll | Användaren kunde granska kommandon och ändringar |
| Risk | Bred terminalåtkomst kunde påverka filer, hemligheter och system |

Skillnaden mot en kodchatt

En vanlig kodchatt ser bara den text som användaren klistrar in. Claude Code kunde arbeta direkt med projektets filer och kommandon.

Ett typiskt flöde var:

1. utvecklaren öppnade projektet i terminalen
2. Claude Code kartlade repositoryt
3. användaren beskrev målet
4. agenten hittade relevanta filer
5. den föreslog eller genomförde ändringar
6. tester och linters kördes
7. resultatet sammanfattades för granskning

Det gjorde verktyget bättre på förändringar som berörde flera filer och beroenden.

Förstå hela kodbasen

Claude Code kunde söka genom repositoryt och svara på frågor som:

• var autentisering implementeras
• vilka tester som täcker en funktion
• hur data rör sig genom systemet
• vilka filer en förändring påverkar
• varför ett fel uppstår

En agent kan samtidigt misstolka arkitekturen. Viktiga förklaringar bör hänvisa till konkreta filer och kodrader, inte bara ge en plausibel berättelse.

Redigera och testa

Agenten kunde skriva kod och därefter köra projektets egna tester. Det skapade en snabb återkopplingsloop:

• implementera
• köra test
• läsa felet
• justera
• köra igen

Automatiska tester är avgörande, men de bevisar endast det som faktiskt testas. Claude Code kunde få en svag testsvit att passera samtidigt som ett verkligt kantfall eller säkerhetsproblem återstod.

Git och versionskontroll

Claude Code kunde arbeta med Git-kommandon och hjälpa till att skapa commits eller förbereda pull requests.

En säker process bör kräva:

• separat branch
• tydlig diff
• inga direkta pushes till skyddad huvudgren
• mänsklig review
• automatiska CI-kontroller
• möjlighet att återställa varje förändring

Agenten bör inte få administratörsbehörighet i repositoryt bara för att den behöver läsa och ändra kod.

Terminalåtkomst är känslig

En terminal kan ge åtkomst till betydligt mer än projektets filer. Miljön kan innehålla:

• SSH-nycklar
• molncredentials
• databaskonfiguration
• andra repositories
• personliga dokument
• produktionsverktyg

Utvecklaren bör därför köra agenten i en avgränsad miljö och undvika att exponera onödiga hemligheter.

Minimikrav:

1. projektmapp med begränsade rättigheter
2. inga permanenta produktionsnycklar
3. separata testkonton
4. tillåtna kommandon
5. nätverkskontroll
6. loggning
7. granskning före destruktiva steg

CLAUDE.md och projektinstruktioner

Claude Code kunde använda en projektfil med instruktioner, ofta `CLAUDE.md`. Där kunde teamet beskriva:

• hur projektet byggs
• testkommandon
• kodstandard
• katalogstruktur
• filer som inte får ändras
• säkerhetskrav
• definitionen av färdig uppgift

En aktuell instruktionsfil minskar fel. En gammal eller motsägelsefull fil kan i stället få agenten att arbeta efter fel regler.

Instruktionerna bör versionshanteras tillsammans med koden och granskas som annan viktig konfiguration.

Flera typer av koduppgifter

Claude Code kunde hjälpa till med:

• buggrättningar
• nya funktioner
• refaktorering
• testgenerering
• migreringar
• dokumentation
• felsökning av CI
• kodgranskning

De säkraste första uppgifterna var ofta dokumentation, tester och avgränsade interna verktyg. Betalningar, autentisering och datamigreringar krävde betydligt högre kontroll.

Agenten kunde göra för mycket

En vanlig risk med kodagenter är att de löser uppgiften genom att ändra mer än nödvändigt. Claude Code kunde exempelvis:

• skriva om en stor modul
• byta bibliotek
• ändra testet i stället för produkten
• ta bort en kontroll
• introducera ett nytt beroende

Teamet bör därför ange begränsningar som:

• ändra endast dessa kataloger
• lägg inte till paket
• rör inte databasschemat
• skapa först en plan
• stoppa om mer än ett visst antal filer påverkas

Säker kodgranskning

Genererad kod behöver granskas för:

• inputvalidering
• autentisering och auktorisering
• injektionsrisker
• loggning av känslig data
• race conditions
• felhantering
• licens och beroenden

En agent kan producera kod som ser professionell ut men bygger på ett osäkert mönster. Automatiska säkerhetsskannrar och mänsklig expertis kompletterar modellens egna kontroller.

Produktivitet och granskningsskuld

Kodagenter kan skapa ändringar snabbare än ett team hinner granska dem. Det kan skapa granskningsskuld: ett växande lager av kod som ingen helt förstår.

Mät därför:

• andel accepterade ändringar
• tid för review
• återöppnade buggar
• incidenter efter release
• mängd kod som skrivs om
• utvecklarnas förståelse av lösningen

Målet är inte maximal kodvolym utan snabbare leverans av säker och underhållbar funktionalitet.

Jämförelse med OpenAI Codex

| Claude Code | OpenAI Codex vid 2025-lanseringen |
|---|---|
| Terminalnära och interaktivt | Molnbaserade isolerade uppgifter i ChatGPT |
| Arbetade i utvecklarens miljö | Arbetade i en separat molnsandlåda |
| Tät dialog under arbetet | Passade parallella bakgrundsuppgifter |
| Stor kontroll men större lokal risk | Starkare separation från den lokala datorn |

Båda modellerna kunde kombineras med Git och tester. Valet berodde på datakrav, arbetsstil och säkerhetsmodell.

Läs vår historiska artikel om OpenAI Codex och molnbaserade kodagenter.

Svenska utvecklingsteam

Ett svenskt team kunde börja med:

1. ett mindre internt repository
2. avidentifierade testdata
3. uppdaterad `CLAUDE.md`
4. skyddad huvudgren
5. automatiska tester och scanning
6. krav på mänsklig review
7. mätning av faktisk tidsvinst

Företagshemligheter och personuppgifter behöver hanteras enligt avtal, GDPR och organisationens informationsklassning.

Vanliga frågor

När lanserades Claude Code?

Anthropic lanserade forskningspreviewn den 24 februari 2025.

Var kördes verktyget?

Claude Code arbetade från terminalen i den miljö som utvecklaren gav åtkomst till.

Kunde agenten ändra flera filer?

Ja. Den kunde kartlägga repositoryt och genomföra flerledsändringar.

Kunde den köra tester?

Ja. Agenten kunde köra projektets test-, bygg- och analyskommandon.

Behövdes mänsklig review?

Ja. Tester och modellens sammanfattning ersatte inte granskning av säkerhet, arkitektur och affärslogik.

Vad är CLAUDE.md?

En projektfil där teamet kan beskriva kommandon, kodstandard och begränsningar för agenten.

Sammanfattning

Claude Code lanserades den 24 februari 2025 som en terminalbaserad programmeringsagent. Den kunde förstå repositoryn, redigera kod, använda Git och köra tester i ett sammanhängande arbetsflöde.

Den stora nyttan var snabbare iteration över en hel kodbas. Den stora risken var bred lokal åtkomst och en mängd förändringar som människor inte hann förstå. Isolering, skyddade grenar, tydliga projektinstruktioner och mänsklig pull request-granskning var därför avgörande.

Faktaunderlag: Anthropic, ”Claude 3.7 Sonnet and Claude Code”, publicerad 24 februari 2025. Artikeln är en historisk sammanfattning publicerad i efterhand.