Claude Code Routines

Claude Code Routines

Automatizza il tuo workflow di sviluppo con l’AI generativa di Anthropic

Indice dei Contenuti Claude Code Routines

1. Introduzione: cos’è Claude Code e perché importa
2. Cosa sono le Routines di Claude Code
3. A cosa servono: casi d’uso reali
4. Come si implementano: guida passo-passo
5. Esempi pratici con codice
6. Confronto con i competitor
7. Best practice, pro e contro
8. Conclusioni e formazione continua

1. Introduzione: cos’è Claude Code e perché importa

Il modo in cui gli sviluppatori scrivono software sta cambiando a una velocità che pochi anni fa sembrava impossibile. Claude Code, l’agente di coding di Anthropic, non è il classico strumento di autocompletamento: legge l’intera codebase, pianifica modifiche su più file, esegue test e itera sugli errori in modo autonomo. Il suo punto di forza è operare a livello di progetto, non riga per riga.

In questo scenario, Anthropic ha introdotto le Routines: una funzionalità che porta Claude Code su un piano superiore, trasformandolo da assistente interattivo in un vero collega digitale che lavora anche quando il tuo laptop è chiuso. In questo articolo vedremo cosa sono, come si configurano con esempi pratici, quali sono i pro e i contro e come si posizionano rispetto ai competitor del 2026.

2. Cosa sono le Routines di Claude Code

Una Routine è una configurazione salvata di Claude Code: un prompt, uno o più repository GitHub e un insieme di connettori MCP (Model Context Protocol), impacchettati una volta sola e poi eseguiti automaticamente su infrastruttura cloud gestita da Anthropic.

In parole semplici: si definisce cosa Claude deve fare, dove (su quali repo) e quando (tramite un trigger). Poi ci si può dimenticare di quel task: la Routine continuerà a girare anche senza connessione.

Le Routines sono in research preview dal 2026 e disponibili per i piani Pro, Max, Team ed Enterprise con Claude Code on the web abilitato. Si gestiscono da claude.ai/code/routines o dalla CLI con il comando /schedule.

2.1 I tre tipi di trigger

Ogni Routine può avere uno o più trigger combinati tra loro:

• Scheduled: esecuzione su cadenza ricorrente (oraria, notturna, settimanale) o una tantum a timestamp specifico.
• API: avvio on-demand tramite HTTP POST a un endpoint dedicato per Routine, autenticato con bearer token.
• GitHub: avvio automatico in risposta a eventi del repository (pull request, release, ecc.).

Un singolo workflow di PR review può ad esempio girare ogni notte, essere chiamato dallo script di deploy via API e reagire automaticamente a ogni PR aperta: tre trigger combinati, una sola Routine.

3. A cosa servono: casi d’uso reali

Le Routines sono progettate per task non supervisionati, ripetibili e con un outcome ben definito. I casi d’uso documentati coprono l’intero ciclo di vita del software:

Backlog maintenance

Un trigger schedulato gira ogni notte sul tuo issue tracker tramite connector. La Routine legge i ticket aperti dall’ultima run, applica label, assegna owner in base all’area di codice coinvolta e posta un summary su Slack prima che il team arrivi in ufficio.

Alert triage

Il sistema di monitoring chiama l’endpoint API della Routine quando supera una soglia di errore, passando il body dell’alert nel campo text. La Routine analizza lo stack trace, lo correla con i commit recenti e apre una bozza di pull request con la fix proposta. L’on-call trova una PR pronta invece di un terminale vuoto.

Code review personalizzata

Un GitHub trigger scatta su pull_request.opened. La Routine applica la checklist interna del team (sicurezza, performance, stile), lascia commenti inline e aggiunge un summary per i reviewer umani, che possono concentrarsi sul design invece dei controlli meccanici.

Deploy verification

La CD pipeline chiama l’endpoint API dopo ogni deploy in produzione. La Routine esegue smoke test sul nuovo build, scansiona i log per regressioni e posta un go/no-go nel canale di release.

Docs drift

Un trigger settimanale scansiona le PR merged, identifica la documentazione che referenzia API modificate e apre PR di aggiornamento contro il repository della docs.

Library port

Un GitHub trigger si attiva su pull_request.closed (merged) in un SDK. La Routine porta la modifica all’SDK parallelo in un altro linguaggio e apre la PR corrispondente, mantenendo sincronizzate due librerie senza intervento umano.

4. Come si implementano: guida passo-passo

La creazione avviene dal browser, dall’app Desktop o dalla CLI. Tutti e tre i canali scrivono sullo stesso account cloud, quindi una Routine creata in uno appare immediatamente negli altri.

4.1 Creare una Routine dal browser

10. Aprire claude.ai/code/routines e cliccare New routine.
11. Assegnare un nome descrittivo e scrivere il prompt. Il prompt è la parte più importante: la Routine gira in autonomia, quindi deve essere autocontenuto ed esplicito su cosa fare e come appare il successo.
12. Selezionare uno o più repository GitHub. Ogni repo viene clonato all’inizio di ogni run, partendo dal branch di default.
13. Scegliere un environment (Default = accesso Trusted a package registry, cloud provider API e domini di sviluppo comuni).
14. Configurare il trigger (Schedule, API o GitHub event) o combinarne più di uno.
15. Rivedere Connectors e Permissions: tutti i connector MCP collegati sono inclusi di default; rimuovere quelli non necessari.
16. Cliccare Create. La Routine compare nella lista e parte alla prima occorrenza del trigger. Run now avvia un’esecuzione immediata.

4.2 Creare una Routine dalla CLI

In qualsiasi sessione Claude Code, eseguire:

/schedule daily PR review at 9am

o, per un’esecuzione singola:

/schedule clean up feature flag in one week

Claude guida passo-passo raccogliendo le stesse informazioni del form web e salva la Routine sull’account. Nota: /schedule dalla CLI crea solo Routine schedulate; per aggiungere trigger API o GitHub occorre modificare la Routine dal browser.

Comandi CLI utili per la gestione:

• /schedule list — elenca tutte le Routine
• /schedule update — modifica una Routine esistente
• /schedule run — avvia immediatamente una Routine

5. Esempi pratici con codice

5.1 Triggering via API (curl)

Dopo aver generato il bearer token dalla UI, triggeriamo la Routine passando un contesto testuale nel body:

curl -X POST https://api.anthropic.com/v1/claude_code/routines/trig_01ABCDEFGHJKLMNOPQRSTUVW/fire \

  -H "Authorization: Bearer sk-ant-oat01-xxxxx" \

  -H "anthropic-beta: experimental-cc-routine-2026-04-01" \

  -H "anthropic-version: 2023-06-01" \

  -H "Content-Type: application/json" \

  -d '{"text": "Sentry alert SEN-4521 fired in prod. Stack trace attached."}'

La risposta JSON in caso di successo restituisce l'ID di sessione e l'URL per seguire il lavoro di Claude in tempo reale:

{

  "type": "routine_fire",

  "claude_code_session_id": "session_01HJKLMNOPQRSTUVWXYZ",

  "claude_code_session_url": "https://claude.ai/code/session_01HJKLMNOPQRSTUVWXYZ"

}

5.2 Routine di code review su PR — filtro avanzato

Supponiamo di voler eseguire la review solo sulle PR non in draft, dirette al branch main, provenienti da branch con prefisso feature/:

• Event: pull_request.opened
• Filtro Base branch: equals main
• Filtro Head branch: starts with feature/
• Filtro Is draft: false

Prompt di esempio per la Routine:

Sei un senior engineer. Leggi il diff della PR aperta e applica questa checklist:

1. Sicurezza: cerca vulnerabilità XSS, SQL injection, credenziali hardcoded.

2. Performance: identifica query N+1, allocazioni eccessive, loop inefficienti.

3. Stile: verifica aderenza alle nostre convention in .eslintrc e CONTRIBUTING.md.

Lascia commenti inline per ogni issue trovata. Aggiungi un summary comment finale.

Non approvare automaticamente: lascia il giudizio ai reviewer umani.

5.3 Scheduling da CLI con linguaggio naturale

Per un’esecuzione singola domani mattina:

/schedule tomorrow at 9am, summarize yesterday's merged PRs

Claude risolve la frase rispetto all’ora corrente, conferma il timestamp assoluto e salva. Le run one-off non contano contro il cap giornaliero delle Routine; consumano l’utilizzo standard della sottoscrizione.

6. Confronto con i competitor

Nel 2026 il mercato degli AI coding agent è popolato da tre grandi player, ognuno con una filosofia diversa:

6.1 GitHub Copilot

GitHub Copilot è lo strumento più diffuso in ambito enterprise grazie all’ecosistema GitHub e al pricing accessibile (da 10$/mese). La funzione Copilot Workspace aggiunge capacità agentiche per workflow issue-to-PR. Il punto di forza è l’integrazione nativa con VS Code, JetBrains e Neovim. Tuttavia Copilot Workspace è circoscritto ai workflow GitHub-centrici e non raggiunge l’autonomia operativa di Claude Code. Supporta modelli multipli (OpenAI, Anthropic, Google) grazie al BYOM parziale.

6.2 Cursor

Cursor è un IDE standalone (fork di VS Code) con AI integrata in ogni workflow. Conta oltre un milione di utenti e nel 2026 ha rilasciato Cursor 3, un runtime agente nativo con workspace paralleli. Il punto di forza è l’esperienza visuale: diff inline, review integrata, accettazione/rifiuto delle modifiche senza lasciare l’editor. Claude Code rimane superiore per operazioni autonome su codebase complesse, dove Cursor assume ancora che il developer stia supervisionando attivamente i cambiamenti.

6.3 Claude Code + Routines

Claude Code è l’agente più capace per task autonomi multi-file. Con le Routines aggiunge l’esecuzione asincrona su infrastruttura cloud: il laptop può essere spento. Non offre inline completion (non è il suo scopo) e non supporta BYOM. Il pattern più comune tra i developer esperti nel 2026 è usare Cursor o Copilot per l’editing quotidiano e Claude Code per i task complessi — refactoring massicci, audit di sicurezza, automazioni di repo. Non si escludono a vicenda.

6.4 Tabella di confronto sintetica

Caratteristica	Claude Code Routines	GitHub Copilot Workspace	Cursor 3 Cloud Agent
Esecuzione cloud senza laptop	Sì	Parziale	Sì (Cursor 3)
Trigger Schedule / API / GitHub	Tutti e tre	Solo GitHub	Partial API
Autonomia multi-file	Alta	Media	Alta
Inline completion	No	Sì	Sì
BYOM (modelli terzi)	No	Parziale	Sì
Prezzo base	~20$/mese	10$/mese	20$/mese
Ideale per	Task async, DevOps, CI/CD	Team GitHub enterprise	Dev quotidiano IDE

7. Best practice, pro e contro

7.1 Best practice

• Prompt autocontenuti e specifici: la Routine gira senza supervisione, quindi il prompt deve definire chiaramente il task, i criteri di successo e i limiti di intervento. Evita istruzioni ambigue.
• Principio del minimo privilegio: aggiungi solo i connector e i repository strettamente necessari. Claude agisce come te: commit e azioni su Slack/Linear appaiono con la tua identità.
• Inizia con trigger schedulati: sono i più semplici da debuggare. Aggiungi trigger GitHub o API solo quando la Routine è stabile.
• Monitora i run con occhio critico: lo stato verde indica che la sessione è partita senza errori infrastrutturali, non che il task sia riuscito. Apri la trascrizione per verificare cosa ha fatto Claude.
• Usa environment dedicati: isola le variabili d’ambiente (API key, token) in environment specifici per Routine, evitando di esporre credenziali non necessarie.
• Cron minimo a 1 ora: espressioni con frequenza superiore vengono rifiutate. Per task più frequenti, valuta /loop in sessione interattiva.
• Testa su branch dedicati: lascia disabilitato Allow unrestricted branch pushes finché non sei sicuro del comportamento della Routine. Di default Claude crea branch claude/ prefissati.

7.2 Pro

• Automazione reale: task ripetitivi escono dal backlog mentale dello sviluppatore e girano in modo affidabile su infrastruttura gestita.
• Trigger combinabili: una sola Routine può rispondere a schedule, eventi GitHub e chiamate API contemporaneamente.
• Integrazione MCP out-of-the-box: Slack, Linear, Google Drive e altri connector sono disponibili senza configurazioni aggiuntive.
• Nessun server da mantenere: l’infrastruttura è gestita da Anthropic; non serve un cron server o un CI runner dedicato.
• Visibilità completa: ogni run è una sessione navigabile dove si può vedere la trascrizione completa, rivedere le modifiche e continuare la conversazione manualmente.

7.3 Contro

• Research preview: l’API /fire è sotto beta header sperimentale; le interfacce possono cambiare. Pianificare migrazioni sui nuovi header datati.
• Nessun BYOM: si è vincolati ai modelli Anthropic. Chi ha requisiti di modelli specifici deve guardare ad altri tool.
• Cap giornaliero sui run: le Routine hanno un limite giornaliero di esecuzioni per account; superato il limite i run vengono respinti fino al reset.
• GitHub trigger con rate cap: gli eventi webhook sono soggetti a limiti orari per Routine e per account in fase di preview.
• Costo variabile: come ogni sessione Claude Code, le Routine consumano token. Task complessi su codebase grandi possono avere costi non trascurabili.
• Identità operativa: commit, PR e azioni sui connector appaiono con l’account dell’utente che ha creato la Routine. Importante in ambienti team con audit.
• Nessuna inline completion: Claude Code + Routines non sostituisce strumenti di autocompletamento come Copilot o Cursor per il coding interattivo quotidiano.

8. Conclusioni e formazione continua

Claude Code Routines rappresenta un cambio di paradigma nell’automazione dello sviluppo software: da agente interattivo a collega digitale asincrono, capace di gestire backlog, review, deploy verification e port di librerie senza supervisione continua. La combinazione di trigger multipli, infrastruttura cloud gestita e integrazione MCP lo rende uno strumento potente per team che vogliono recuperare tempo cognitivo dai task ripetitivi.

Il mercato degli AI coding tool è però in continua e rapida evoluzione. Anthropic, GitHub, Cursor e decine di altri player rilasciano aggiornamenti significativi ogni settimana. Le classifiche di oggi possono essere superate domani: come ha scritto Cursor 3.0 riscrivendo la propria architettura in aprile 2026, o come Claude Code ha portato il contesto a 1 milione di token senza premium aggiuntivo, il panorama cambia troppo in fretta per affidarsi a conoscenze statiche.

L’unico modo per mantenere un team di sviluppatori competitivo in questo scenario è la formazione continua. Non basta saper usare Claude Code oggi: occorre capire come orchestrare agenti multipli, come scrivere prompt efficaci per task autonomi, come integrare MCP connector nei workflow aziendali e come valutare criticamente i risultati prodotti dall’AI. Queste competenze non si acquisiscono leggendo documentazione: richiedono pratica guidata, esempi reali e un percorso strutturato.

Fondimpresa offre alle aziende italiane la possibilità di accedere a formazione finanziata per i propri dipendenti, abbattendo o azzerando il costo dei corsi. InnovaFormazione è un punto di riferimento per la formazione professionale su AI generativa, Claude Code, prompt engineering e strumenti di automazione per sviluppatori software e ingegneri informatici. I nostri corsi sono progettati per professionisti con esperienza media che vogliono portare il proprio team al livello successivo — con esempi pratici, laboratori hands-on e percorsi personalizzati.

Se vuoi sapere come strutturare un percorso formativo su Claude Code e AI generativa per il tuo team, o come accedere ai fondi Fondimpresa per la formazione finanziata, contattaci: siamo a tua disposizione per un colloquio gratuito e un preventivo su misura.

Richiedi informazioni e un preventivo gratuito!

• info@innovaformazione.net
• TEL. 3471012275 – Dario Carrassi

Per altri articoli tecnici di settore consigliamo di navigare sul nostro blog al seguente LINK.

(fonte) (fonte) (fonte)