مهندسان شرکت Anthropic در یک بازه زمانی دو هفته‌ای در ماه اوت، موفق شدند سرعت وب‌سایت claude.ai و اپلیکیشن دسکتاپ آن را تقریباً سه برابر کنند. نکته قابل توجه این است که خودِ مدل Claude در شناسایی گلوگاه‌های عملکردی (Bottlenecks) و نوشتن کدهای اصلاحی نقش کلیدی داشته است.
فرآیند توسعه و اتوماسیون
تیم توسعه با ادغام بیش از 3,000 تغییر در کد، اعلام کردند که هیچ‌یک از این تغییرات منجر به بروز حادثه برای کاربران یا نیاز به بازگشت به نسخه‌های قبلی (Rollback) نشده است. این عملیات از طریق یک کانال Slack و با استفاده از یک مدل تحقیقاتی داخلی (مشابه Opus 5.5) مدیریت شد. در این روند، Claude وظایفی نظیر ساخت بنچمارک‌ها (Benchmarks)، ایجاد Pull Requestها و نظارت بر استقرار (Deploy) کدها را بر عهده داشت، در حالی که مهندسان انسانی اهداف را تعیین کرده و تصمیمات نهایی را تایید می‌کردند.
رویکرد داده‌محور در بهینه‌سازی
برای دستیابی به نتایج دقیق، تیم از معیارهای قطعی (Deterministic) به جای زمان‌سنجی‌های متغیر استفاده کرد. برای مثال، Claude بر روی تعداد دستورات CPU تمرکز کرد. در یکی از مسیرهای بحرانی (Hot Path)، کاهش 48 درصدی دستورات منجر به کاهش 78 درصدی زمان واقعی اجرا شد. برای تضمین پایداری این بهبود، یک بررسی CI (Continuous Integration) تعریف شد تا هر تغییری که باعث افزایش مجدد تعداد دستورات شود، رد شود.
رفع باگ‌های غیرمنتظره در موتور V8
برخی از کندی‌ها در نقاط غیرمنتظره‌ای نهفته بود. برای مثال، هایلایت کردن یک بلوک کد باعث توقف لحظه‌ای صفحه می‌شد. بررسی‌ها نشان داد که وجود کاراکترهای خارج از استاندارد Latin-1 (مانند em dash یا گیومه‌های خاص) باعث می‌شد موتور JavaScript کروم (V8)، کل پاسخ را به صورت UTF-16 ذخیره کند و عبارات منظم (Regex) مربوط به هایلایت سینتکس را در یک مسیر پردازشی کندتر اجرا کند. این مشکل تنها با یک تغییر ۲۰ خطی در کد برطرف شد.
مدیریت ریسک و استقرار
برای کاهش ریسک، تغییرات حساس پشت Feature Flagهای کوتاه‌مدت قرار گرفتند و ابتدا برای کارکنان داخلی تست شدند. در طول این دو هفته، نزدیک به 200 پرچم ویژگی (Feature Flag) اضافه شد که در نهایت بیش از نیمی از آن‌ها پس از تایید حذف شدند.
