AI コーディングについて知っていたことは全て間違いだった

BeemadやSpeckitなどのAIコーディングフレームワークが多数存在するが、実際に試すと約束を果たせないことが多い。これは手法が悪いのではなく、特定のユースケースに適合していないことが原因である。アプリ構築では既製のワークフローに頼るのではなく、独自のワークフローを作成する必要がある。独自のプロセスに合わせたワークフローを構築するには、すべてのフレームワークが使用している特定の原則を知ることが重要である。

AIツールの原則を理解する前に、コンテキストウィンドウの中身を知ることが不可欠である。コンテキストウィンドウとは、モデルが一度に記憶できる情報量のことで、ウィンドウから外れた情報は作業メモリから消える。Anthropicのモデルは20万トークン、Geminiは100万トークンのコンテキストウィンドウを持つが、実際にはシステムプロンプト、過去のメッセージ、メモリファイル、ツール、MCP呼び出しなど多くのものが含まれるため、思ったほど大きくない。この限られた作業スペースを最大限に活用する方法を学ぶことで、モデルが望み通りの動作をするようになる。

プログレッシブ・ディスクロージャー(段階的開示)は最も重要な原則であり、LLMに重要なものだけを明らかにし、今実際に必要なものにモデルの注意を集中させることである。Sonnet 4.5のような高度なモデルには組み込みのコンテキスト編集機能があるが、曖昧な指示を与えると不要なものを読み込んでしまう。バックエンドのエラーを全て一度に修正させるのではなく、エンドポイントを1つずつチェックさせる方が効果的である。Claudeのスキル機能はプログレッシブ・ディスクロージャーの具現化で、すべてをコンテキストに読み込むことなく各スキルをいつ使用すべきかをAIが知るのに十分な情報を提供する。MCPは外部データが必要な場合のみ使用し、それ以外はスキルを使うべきである。

今すぐ必要でない情報はコンテキストウィンドウに含めるべきではなく、これを実現するために構造化されたノート取りを使用する。AIツールに決定事項、問題、技術的負債を文書化する外部ファイルを提供することで、エージェントは複雑なものを構築する際に失われる可能性のある重要なコンテキストを維持できる。コンテキストがリセットされた場合も、圧縮サマリーだけでなくこれらのノートを使って完了したことと未完了のことのコンテキストを得られる。agent.mdは全エージェントがセッション開始前に読み取る標準的なコンテキストファイルで、これを使って外部ファイルの構造化方法や記述内容をエージェントに指示できる。

エージェントが長時間実行タスクの途中でランダムに一時停止するのは、コンテキストが制限の70%を超えているためである。コンテキストウィンドウが70%を超えると、モデルはより集中しなければならず、ハルシネーション(幻覚)の可能性が高まり、ツールを効果的に使用できなくなる。これを解決するために、圧縮機能を使ってモデルに適切なサマリーと縮小されたコンテキストウィンドウで新たに開始させることができる。90%まで埋めて自動圧縮をトリガーするのではなく、自分でコンテキストウィンドウに注意を払うべきである。Claudeの巻き戻し機能を使って不要な部分を削除したり、新しいタスクごとにコンテキストをクリアすることも重要である。

プログレッシブ・ディスクロージャーから派生するもう1つの概念は、サブエージェントがバックグラウンドでタスクを実行し、メインのコンテキストウィンドウを汚染しないことである。サブエージェントは独自の分離されたコンテキストウィンドウで動作し、出力のみをメインエージェントに報告する。これは互いに分離されたタスクに取り組む場合に特に役立ち、メインのコンテキストウィンドウはサブエージェントのツール呼び出しや検索で肥大化することから保護される。エージェントはバックグラウンドで実行されるため、メインエージェントとのやり取りを続けることができる。新しいフレームワークのルールなどを調査してほしい場合、サブエージェントを使うことでツール呼び出しや検索が分離され、答えだけが返される。

異なるファイル形式はトークン数に影響を与えるため、ワークフローの効率に関わる。YAMLは最もトークン効率が高く、データベーススキーマ、セキュリティ設定、API詳細に使用され、そのインデントはモデルが情報を適切に構造化するのに役立つ。Markdownはclaud.mdのようなドキュメントに適しており、見出しレベルによりモデルがセクション間を移動しやすい。XMLはClaudeモデル向けに最適化されており、Anthropicはモデルがこれらのタグをコンテナとして認識するようファインチューニングされていると述べている。JSONは中括弧と引用符により最もトークン効率が悪いため、タスク状態のような小さなものにのみ使用し、ほとんどの場合推奨されない。

Gitはプログラミングの基本的なツールであり、コンテキストワークフローにおいてもプロジェクト全体や単一タスクの進行状況のリマインダーとしてコミット履歴を使用するトレンドがある。進行状況の保存に使用しない場合でも、コンテキストエンジニアリングワークフローはgit初期化されたリポジトリで使用すべきである。コンテキストエンジニアリングワークフローでは、モデルにすべてを一度に実行させるのではなく、計画されたステップを一つずつ実行させる。どの段階で問題に遭遇しても、gitを使えばどのバージョンに戻すかを制御でき、どの変更が問題を引き起こしているかを評価できる。また、gitのワークツリーを使って並列処理を実装し、サブエージェントが専用のワークツリーで並列作業を行うワークフローも存在する。

どんなワークフローでも一般的な手順のために指示を繰り返すケースが発生するが、ほぼすべてのAIツールには最も繰り返し使用するプロンプトを再利用する方法がある。カスタムコマンドはClaudeに再利用可能なガイドを提供し、catchupコマンドにはコンテキストウィンドウの外でメモリをどのように構造化するかの指示が含まれているため、Claudeはすべてのファイルを読むのではなくプロジェクトの状況を把握できる。これらは構造を強制するのにも優れており、commitコマンドを使うことでコミットとドキュメントが定義された形式に従うようになる。このようにして、/commandsはすべてを標準化し、好む方法でタスクを実行するようClaudeに何度も指示する必要がなくなる。

MCPは外部データが必要な場合に使用すべきである。Jiraは最も広く使用されているチーム管理ソフトウェアで、チケットから情報を取得したい場合はJira MCPを使用することでチケットに直接アクセスして変更の実装を開始できる。同様に、Figma MCPを使用してClaudeにアプリのスタイルガイドを提供し、それをデザインの構築に使用させることができる。モデルの組み込み機能が不十分なタスクでは、外部ソースと効率的に対話するためにMCPが不可欠である。これらのMCPを/commandsに直接含めることで、ワークフロー全体の一部にすることができる。

動画の終わりに、チャンネルをサポートして動画を作り続けられるよう応援してほしい方には、下のスーパーサンクスボタンの利用を呼びかけている。いつも視聴してくれることへの感謝を述べ、次の動画での再会を約束している。視聴者とのつながりを大切にし、継続的なコンテンツ制作への支援を求める標準的なクロージングである。