AI-гайд

Claude Research + расширенное мышление

У Claude есть три инструмента, которые легко перепутать: обычный чат, Claude Code Desktop и Research. И есть параметр thinking — то, насколько долго модель «думает» перед ответом. Эта статья — про то, чем они отличаются, как формулировать запросы для Research, чтобы не получить подкрашенный отчёт, и как сшить результаты Research с твоим проектом бота через Claude Code.

1. Что это за режимы и как они соотносятся

Research — Claude сам идёт в интернет

Research — отдельный режим в claude.ai. Ты задаёшь вопрос, Claude сам ищет источники, читает их, сравнивает, выдаёт развёрнутый отчёт со ссылками. Время — от 5 до 45 минут в зависимости от глубины. Это не обычный чат — это медленный, но тщательный инструмент.

Extended thinking — модель явно «думает дольше»

Extended thinking — режим, в котором модель строит цепочку рассуждений до того, как написать ответ. Эта цепочка видна тебе как отдельный блок «думаю…», а финальный ответ опирается на неё. Полезно для математики, кода, многошаговых рассуждений; бесполезно и даже вредно для коротких разговорных запросов («перефразируй одно предложение»).

Adaptive thinking — модель сама решает, сколько думать

Adaptive thinking — актуальная схема для современных моделей (Opus 4.7, Sonnet 4.6). Модель сама решает, нужно ли «думать дольше» в этом конкретном запросе. В Claude Code Desktop есть slash-команда /effort со слайдером: low / medium / high / xhigh / max. Это верхняя планка усилий — внутри неё модель сама регулирует. Дефолт для Opus 4.7 в Claude Code — xhigh.

В Research adaptive/extended thinking включается автоматически — режим Research всегда с глубоким размышлением, отдельно тумблер крутить не надо.

Памятка о трёх инструментах

• Обычный чат claude.ai — быстрый ответ на вопрос, разговор, перефразирование, мелкая помощь.
• Claude Code Desktop — работа с твоим проектом: файлы, код, тесты. Имеет своё CLAUDE.md, своё окно контекста, свой /effort.
• Claude Research — отдельный инструмент для серьёзных вопросов с источниками. Не путай с обычным чатом и не путай с Claude Code.

2. Unbiased-запросы: как не получить подкрашенный отчёт

Главные уязвимости отчётов Research — те же, что у любого человека, который ищет в гугле:

• Confirmation bias (предвзятость подтверждения) — ищешь то, что уже думаешь, и находишь.
• Cherry-picking — из всех источников выбираются те, что согласуются между собой; противоречащие тихо выпадают.

Если задать Research вопрос «почему aiogram лучше python-telegram-bot», он добросовестно соберёт пять причин «почему лучше». Это не ответ на твой реальный вопрос — это валидация твоего предположения.

Шесть контрмер

1. Нейтральная формулировка. Не «почему лучше X», а «сравни X и Y по таким-то критериям». Не «как тренировать внимание у людей с СДВГ», а «какие методы тренировки внимания при СДВГ изучены, какие метаанализы есть, где между ними расхождения».
2. Цитаты + источники. Структура промпта: «Найди 5–7 источников. По каждому — 1–2 прямые цитаты с ссылкой. Потом синтез». Сначала материал, потом выводы. Так модель не сможет «забыть» о цитатах в синтезе.
3. Противоположная точка зрения. «Покажи аргументы за и против. Где источники расходятся — отметь». Это самый сильный приём против cherry-picking.
4. Приоритет первичных источников. Документация, рецензируемые публикации, официальные стандарты — выше, чем блоги, статьи на медиумах, треды в твиттере. Это особенно критично для медицинских тем.
5. Скажи прямо: не выдумывай. «Если данных нет — напиши "нет данных", не реконструируй правдоподобно». Это работает (см. фундамент LLM, раздел про галлюцинации).
6. Перепроверка критичных фактов. Если отчёт лёг в основу решения — задай тот же вопрос ещё раз, в другой формулировке, в обычном чате. Совпало — растёт уверенность. Разошлось — копай.

Шаблон хорошего промпта для Research

Тема: <конкретный вопрос>

Что мне нужно:
1. 5–7 источников. Приоритет — документация, рецензируемые публикации.
2. По каждому источнику — 1–2 прямые цитаты с ссылкой.
3. Синтез: что общего у источников, где расходятся, какие открытые вопросы.
4. Аргументы за и против. Не выбирай сторону, покажи спектр.
5. Если по какому-то аспекту данных нет — напиши «нет данных», не додумывай.

Формат — markdown.

3. Как использовать результаты в Claude Code

Research-отчёт — это просто markdown. И самое полезное, что с ним можно сделать — сохранить в проект как файл, рядом с кодом. После этого Claude Code может подтянуть его @-ссылкой в любой сессии, и выводы исследования становятся частью контекста, в котором пишется код.

Конвенция в твоём проекте бота

project-root/
  CLAUDE.md
  bot.db
  bot/
    handlers/
    db/
    prompts/
  research/
    2026-04-27_aiogram-error-handling.md
    2026-05-03_openai-cost-comparison.md
    2026-05-10_adhd-crisis-protocol-best-practices.md

Папка research/ — отдельная, не смешивается с кодом. Имя файла — YYYY-MM-DD_тема-через-дефисы.md: дата впереди, потому что одна и та же тема может всплывать снова через полгода с обновлением.

Шаблон файла отчёта

# <Тема одной строкой>

**Дата:** 2026-MM-DD
**Модель:** Claude Opus 4.7 (Research mode)
**Effort:** high

## Промпт

> <запрос целиком, как ты его отправила>

## Ключевые выводы
- ...
- ...

## Источники
1. [Заголовок](URL) — что взяли отсюда
2. [Заголовок](URL) — что взяли отсюда

## Что делать дальше в коде
- ...
- ...

Зачем такая структура

• Промпт сверху. Через полгода видно, откуда взялся файл, и можно повторить запрос с уточнениями. Без этого файл превращается в загадку: «откуда я это взяла?»
• Источники. Есть откуда перепроверить, если в чём-то засомневаешься. И есть что показать, если кто-то спросит.
• «Что делать дальше». Это мост между Research и Claude Code. Эту секцию ты будешь цитировать в чате с Claude Code:

  @research/2026-04-27_aiogram-error-handling.md
  Применим выводы из секции «Что делать дальше» к hello/handlers/messages.py

  Claude Code прочитает файл, увидит выводы и контекст, и будет работать в рамках уже принятого решения, а не переоткрывать его.

4. Когда Research не нужен

• Простые вопросы. «Как написать хендлер на aiogram для команды /start» — обычный чат или Claude Code, не Research. Research медленный.
• Вопросы про сам код проекта. «Почему у меня ломается tests/test_db.py» — это Claude Code, у него есть файлы. У Research нет твоего проекта, он будет гадать.
• Срочные вопросы. Если ответ нужен через 5 минут — Research не успеет.
• Вопросы вкуса. «Какой синий цвет лучше для кнопок» — Research выдаст обзор статей про UX, но твою конкретную картинку он не оценит. Спроси чат с приложенным скриншотом.

Памятка

• Чат / Claude Code / Research — три разных инструмента. Не путай.
• Adaptive thinking сама регулирует «думанье» внутри планки /effort. В Claude Code дефолт — xhigh на Opus 4.7.
• Хороший Research-промпт — нейтральный, с требованием цитат, противоположных точек зрения и «не знаю» вместо выдумки.
• Сохраняй отчёты в research/YYYY-MM-DD_тема.md по шаблону: промпт, выводы, источники, что делать в коде.
• Цитируй @research/...md в Claude Code, когда работа над фичей опирается на это исследование.