概要
https://www.john-rush.com/posts/ai-20250701.html
詳細内容
## Building a Personal AI Factory (July 2025 snapshot)
https://www.john-rush.com/posts/ai-20250701.html
この記事は、AIエージェントを活用してコードを生成・検証する「パーソナルAIファクトリー」のワークフローについて解説しています。
[[AIエージェント, コード生成, 開発ワークフロー, プロンプトエンジニアリング, Claude Code]]
著者は、複数のClaude CodeウィンドウとGit worktreeを使い分け、AIエージェントによるコード生成と検証のワークフローを構築しています。中心となる原則は「出力を修正するのではなく、入力を修正する」というもので、生成されたコードを直接修正するのではなく、計画、プロンプト、またはエージェントの組み合わせを調整することで、次回の実行で正しいコードが生成されるようにします��
ワークフローは主に3つのステップで構成されます。
1. **計画**: 高レベルのタスクをClaude Codeに与え、o3を使用して詳細な計画を`-plan.md`ファイルに生成させます。
2. **実行**: Sonnet 4が計画を読み込み、検証し、タスクリストに変換します。その後、Claude CodeがSonnet 3.7またはSonnet 4を使用して計画を実行し、各タスクステップごとにコミットを作成します。
3. **検証 → 入力へのフィードバック**: Sonnet 4とo3が生成されたコードを元の計画と照らし合わせて検証します。発見された問題は、コード内で直接修正するのではなく、計画テンプレートにフィードバックされます。
著者は、出力は使い捨てである一方、計画とプロンプトは積み重なり、自己改善するエージェントにつながると強調しています。また、スタイルルールの適用や共通パターンの内部ライブラリへの置き換えなど、特定のタスクに特化したエージェントでより複雑なワークフローをエンコー��することで、ファクトリーをスケールアップする方法についても議論しています。著者の秘訣は、入力を反復的に改善し、複数の試行を並行して実行し、そこから得られた教訓を次のイテレーションにフィードバックすることです。
---
**編集者ノート**: この「パーソナルAIファクトリー」の概念は、AIを活用した開発の未来像を具体的に示しています。特に「出力を修正するのではなく、入力を修正する」というアプローチは、AIとの協働におけるパラダイムシフトを促すものです。これにより、開発者は単なるコード修正者から、AIエージェントを「設計・管理する」役割へとシフトしていくでしょう。計画、実行、検証、フィードバックのループをAIが自律的に回すことで、開発の生産性と品質が飛躍的に向上する可能性を秘めています。将来的には、このようなAIファクトリーが、個人の開発環境だけでなく、チームや組織レベルでの開発プロセスにも導入され、ソフト���ェア開発のあり方を根本から変えることになるかもしれません。