Как получить непредвзятый ответ от Claude Code: опыт создания изолированного окружения
Habr AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Автор столкнулся с проблемой предвзятости ответов ИИ-агента из-за его пользовательских настроек и разработал скилл /ccu. Этот инструмент запускает чистые инстансы Claude Code в изолированных временных папках, позволяя получать объективные рекомендации без влияния контекста пользователя.
Материал демонстрирует практический подход к решению проблемы «предвзятости» LLM-агентов, вызванной накопленным пользовательским контекстом. Это полезно для разработчиков, использующих ИИ-инструменты в рабочих процессах, так как показывает, как технически обеспечить нейтральность ответов при необходимости объективной оценки.
В ходе экспериментов с Claude Code автор обнаружил, что ответы агента часто зависят от его собственных пользовательских настроек. Когда разработчик попросил рекомендовать CMS, система предложила Drupal. После уточнения причин выяснилось, что ИИ проанализировал пользовательские скиллы и настройки, сделав вывод о том, что автор работает с этой системой. Хотя логика была справедливой, для получения непредвзятой рекомендации требовался «чистый» агент, не знающий ничего о пользователе.
Поиск решения привел к обнаружению флага --safe-mode, который отключает загрузку CLAUDE.md, скиллов и плагинов. Однако даже в этом режиме Claude Code продолжал рекомендовать Drupal. Анализ логики показал, что агент использовал email пользователя из контекста, определил домен amazee.io и связал его с компанией-хостингом Drupal. Это подтвердило, что даже минимальный доступ к метаданным аккаунта может искажать результаты.
Для решения проблемы был создан скилл /ccu (Claude Code, Unbiased by me). В отличие от полноценной сессии, этот инструмент предназначен для быстрой проверки: основной агент формирует промпт, копирует необходимые файлы в пустую временную папку и запускает там изолированный инстанс. Такой подход позволяет получить ответ, основанный исключительно на тексте запроса и предоставленных данных, без влияния истории взаимодействий или профиля пользователя.
Техническая реализация обеспечивает строгую изоляцию. Каждый запуск создает новую временную директорию с подпапками work и home. Команда запуска использует env -i для очистки переменных окружения, что предотвращает утечку данных из основного шелла. Домашняя директория остается пустой: в ней отсутствуют конфигурационные файлы, память и история сессий. Аутентификация осуществляется через токен из macOS Keychain, при этом профиль аккаунта не загружается, так как файл .claude.json отсутствует в чистой домашней папке.
Особое внимание уделено управлению правами доступа. Поскольку режим -p отклоняет инструменты, требующие подтверждения, основной агент заранее определяет необходимые разрешения (например, WebFetch или Bash) и записывает их в settings.json внутри рабочей директории. Чтобы эти настройки не были проигнорированы как недоверенные, /ccu помечает рабочую папку как доверенную в конфигурации чистой домашней директории.
После завершения работы скилл генерирует читаемый транскрипт сессии. Основной агент использует только финальный ответ изолированного инстанса, не анализируя полный лог, что сохраняет его нейтральность. Пользователь же получает доступ к полному транскрипту для детального анализа при необходимости.
В итоге, повторный запрос через /ccu привел к рекомендации другой CMS — Payload. Этот результат подтвердил эффективность метода: устранив влияние пользовательского контекста и метаданных аккаунта, разработчик получил объективную рекомендацию, свободную от предвзятости, заложенной в его рабочем окружении.