Transcription
皆さん、こんにちは。今回はループエンジニアリングという新しいAI活用のアプローチについて取り扱いたいなと思っています。
で、このループエンジニアリングというのは、ま、まだ日本ではあまりそこまで馴染みのないキーワードなんですが、海外では結構注目されているワードで、今後日本でもこれが取り入れられていく、流行っていくんじゃないかなと思いますので、ま、是非、え、最後まで見ていっていただければなと思います。
グループエンジニアリングというのはもう名前の通り自立的にAIが処理を実行しその精度を向上させ使えば使うほど賢くなるループを設計する人間が設計するという概念です。で、こちらの動画ではただ単にこの概念の紹介だけではなく、実際クロードコードとかコデxを使うとどういうループが構築できるのか、どういうタスクに向いてるのかなども含めて詳しくご紹介しますので、是非最後まで見ていっていただければなと思います。
改めまして今回この動画でご紹介する内容としましては、まずループエンジニアリングの定義。そして、え、ループエンジニアリングを前提としたAIの出力に対する人間の評価観点の変化、どういう風に変わるのかというところで、ハーネスエンジニアリングとの関係性とか位置づけについても触れます。ループエンジニアリング使う場面、使うべき場面がきちんとありますので、ま、その内容もご説明します。そして実際にループエンジニアリングの構成要素、ループエンジニアリングを作るためにはどういう要素が必要なのか。さらに、え、クロードコード、コデックスといったツールでどういう風にループエンジニアリングを具体的に組むのか。さらに1番最後に重要な内容としてこのループエンジニアリングの内側と外側のループについてのお話もしたいなと思います。
え、では本編に移る前に少しプロモーションさせていただきたいなと思っておりまして、こちらのYouTube動画では、ま、AI時代を一緒に生き抜くためのレベルアップというテーマでメンバーシップチャンネルを、え、最近解説しましたので、ま、よろしければ、え、概要欄のリンクの方から、え、参加いただければすごく嬉しいです。
で、こちらのチャンネルでは主に流行りのツールとか最新のトピック、公式に沿った正しいやり方、実体験に基づくリアルな地見、いつ見ても最新の情報、AI、AI時代のキャリア戦略、見て終わらせない再現性、手元で再現できるっていうところを重要視しています。
こちらのメンバーシップでは3つのギルドランクがありまして、3つの料金体系に応じたランクを設けさせていただいております。え、特にこの真ん中のAI技術のレベルではメンバー限定の動画とか新しい動画への早期アクセスとかは可能です。
で、こちらのAI戦略3のランクでは、え、この技術の特典に加えてさらにこの動画で取り扱ったAI活用の詳細とかドキュメント、ソースコード、設計書、サンプルなども合わせて公開ささえていただこうかなと思っております。
メンバーシップに参加いただいたら、在籍期間に応じてバッチの方もこんな感じでレベルアップしていきますので、え、是非ですね、概要欄のリンクの方からこちらのランディングページに飛んでいただいてメンバーシップに参加する、ま、もしくは、え、チャンネル登録でも構いませんので、え、是非していただけると嬉しいです。
では、本編の方に戻りまして、まずこのボリスチェルニーさんの最近の発信に注目しています。クリスチェルニーさんはよくXで登場してくる有名な方でアンソラピックの内部のクロードコードの責任者の方ですね。で、この方も自身でもクロードにプロンプトを打つっていうことはあまりしていないと。で、どういうことをしているかと言うと、クロードに何をさせるかの判断、何をさせるかを判断するループを設計していると。そのループの構築とかループの見直し、設計、改善っていうところに集中しているということを言っています。
で、さらに別の方も同じようなことを言っています。で、この方はエンジニアのピーターバーガーさんという方で、ま、この方もすごく有名な方で、Xでコーディングエージェントに指示するのはもうやめるべきだ。エージェントに指示するループを設計するべきだという風に言っています。
で、かなり、ま、この2名の方の、ま、言っている主張っていうのは重なる部分が多いかなと思います。この2人の発想自体がまさにループエンジニアリングという今言われるようになっていて、あの、今注目されている記事、ループエンジニアリングという記事ですね。この記事が、この記事によってこのループエンジニアリングの構成要素まできちんと体型建てて整理したのがアディオスマニさんのこのループエンジニアリングという記事ですね。で、こちらは2026年の6月7日に公開された記事で、本日の動画は、ま、こちらの記事なんかも参考にしながら、え、ご紹介していきたいなと思います。
では定義について見ていきます。これまでは人間がAIに1つずつ指示を細かく出していたと思います。これに関してループエンジニアリングでは人間が指示するのをやめて代わりにAIへ指示を出す仕組み、つまりループを作るという発想の転換なんですね。マニーさんの言葉だと指示を出す人としての自分自身を置き換える代わりにそれを行うシステムをあなたが設計するという風に書いています。人間の役割が指示する人から仕組みを作る人へ変わるということです。
ではそもそもループとは何かという話です。ループというのはこのオスマニさんは目的を定義してAIが完了するまで反復する最であるという風に言及しています。つまり目的を1度決めればあとはAIがその目的の達成まで自分自身で繰り返して自立的に動くという処理のことです。人間が1つずつ指示を出す代わりにこれが完了した姿だ。ゴールだという風に目的だけを渡すというやり方です。で、そこに至るまでの手順、さらにはその手順の改善とかそういった部分はAIが賄うということです。
ま、身近な例えで言うと、ま、料理のレシピを1つずつ口で指示するのをやめる感じですね。代わりに渡すのはこの1皿、この料理を完成させてっていう風に指示する。これぐらいの味になったら完成とか、こういう料理ができたら完成みたいな完僚条件だけを渡すようなイメージです。手順そのものは手順とか家庭というのは、ま、作る側つまりAIが自身で組み立てる。で、指示する人は出来上がりの基準とかこういうものが欲しいというゴールだけを知ってればいい、握ってればいいというニュアンスですね。
では、え、これまでの単発のプロンプトによる指示とループの違い、どういう違いがあるのかもうちょっと深がりしますと、単発のプロンプトっていうのは1回だけ指示をして結果を受け取ったらそれで終わり。一応往復なんですよね。でもループっていうのは発見、ま、取り味とかとも言ったりしますが、定期実行を起点としたこの発見から開始して実行フェーズ、検証フェーズ、記憶、再実行という風なこのフローの中に検証と記憶のフェーズが含まれていて、完了条件を満たすまで自分自身で走り続けでループの中で何かうまくいかなかった点はそのループのプロセスに対してフィードバックをし、次回以降より精度高く実行されるように改善も行ってくれるという、ま、この大きな違いでいくとこの部分ですね。
で、この仕組みを置き換えると当然その人間が評価する対象っていうのも変わってきます。今までの単一のプロンプトの指示だと1つ1つの実力内容っていうのを細かく人間がチェックするっていう観点だったんですが、このループエンジニアリングにおいては個々の出力ではなくて、その出力を出すに至ったプロセスに対して評価、改善、設計の見直しっていうのを行っていく、こういった観点の違いっていうのも生まれてきます。ワンショットでこうフロンプを1度投げてうまくいったとかうまくいかなかったこの出力をこう直してとかいう使い方だとこれはAIが登場し始めたブロンプトエンジニアリングとかコンテキストエンジニアリングとかその初期の段階のやり方のまま来てしまっているので、ま、今後はもっとこういった自立的に動いて改善してくれるような仕組みを設計できるっていう実際の経験っていうのが物を言うというか価値がある内容になってくるのかなと思います。
今までその自動化という概念自体はすでに存在していたかなと思います。スケジューラーを使った定期実行とかそういう仕組みはこれまでも存在したんですが、で、その単なる自動化とどういうところが違うのかという話なんんですが、ま、違いは大きく3つぐらいあるかなと思います。1つは検証手順が組み込まれてるということですね。そのループの中にただの自動化っていうのはシンプルな処理を単純に1回決まった内容を1回実行するっていうことだけなんんですが、このループの中には敵体的検証検証機構が内蔵されているという。ま、これによってAIエージェントの出力を担保したり、ある基準を満たすまではフィードワグループを繰り返してくれる。この品質の担保という仕組みが内蔵されてるという点ですね。
ま、2つ目は手順ではなくて目的をこのループに与えるということです。自動化は決まった内容をそのまま実行しますが、ループはゴールだけ渡して、手順はAIが組むと、手順はAIが回したり組んだりするというこの違いがあります。
さらに3つ目。これが1番大きなポイントなんですが、使えば使うほど自己改善していく、自立的に改善していくという点です。この点が1番大きいので、もう少し具体的にご説明します。ま、単なる自動化っていうのは100回実行しても100回同じこと同じ精度で繰り返すだけで賢くなる精度が上がるっていうことは基本的にないですね。でもループに関しては各ループごとに得た教訓とかうまくいかなかった点とか永続的な記憶つまり、え、ま、メモリといった機能を利用したりするんですが、そのメモリというところに永続的な記憶として残すことで次のループの精度 の向上に活用してくれる。そういう違いがあります。この仕組み自体が単なる定域実行とは違う自立的に精度を上げるという仕組みの正体ですね。これは動画の後半最後の方で紹介する内側と外側のループの仕組みに関連する内容になります。
で、この考え方自体は、ま、いきなり出てきたというよりかはこのアプローチの歴史というものがありまして、まず最初に出てきたのがプロンプトエンジニアリング。そういう風にプロンプトエアに投げてあげれば精度の高い出力を出すことができるのかここに工夫する余地がありました。で、その次にコンテキストエンジニアリングですね。指示書、プロジェクトの指示書であったり、ま、スキルとかを使ってうまくコンテキストをAIに与えてあげる。で、繰り返しのこのプロンプの入力を削減して効率化を測る。AIの精度を上げながら効率化を測るということが注目されてきました。
で、その次に登場したのがハーネスエンジニアリングですね。モデル以外のあらゆる機能ガードレールを構築することでモデルの単体の精度に依存しない精度の高い出力っていうのをいかに出すかっていうところ に観点が置かれてきました。アプローチの進化の家程で生まれたのがこのループのループエンジニアリングという概念で、このハーネスエンジニアリングで生まれたこの仕組み構築された環境っていうのをよりスケールさせていくか自動化とループごとによる改善によってこのハーネスもそうですしハーネスも含めたこのAIの出力の改善をどうもっとスケールさせていくか。人間の手を返さずにどうやってもっとスケールさせていくか。ここに観点が集まって、こういうループエンジニアリングっていう概念が出てきました。
で、このハーネスエンジニアリングとループエンジニアリングの関係はループエンジニアリングの元の記事にも書かれているんですが、ハーネスエンジニアリングの1つ上の段階にレベルアップしたのがこのループエンジニアリングであるという風に言及されています。結局のところこのハーネスっていうのも人間が主導で行う1回の実行の精度をいかに高めるかっていうところ に観点が置かれているので人間の手をできるだけ返さずに自立的に長時間作業させる。で、その上で精度も担保する。さらには使う、使えば使うほど改善されていくっていう、こういう要素を取り入れたもう1つワンランク上の考え方がこのループエンジニアリングというこういった位置付けにあります。
ループエンジニアリングは魔法のツールかと言われると、ま、そういうことでもないんですね。注意すべきはこのループエンジニアリングで効率化しようとしている作業、タスクが繰り返しを切る作業かということがかどうかっていうのが重要ですね。来週も再来週も繰り返し実行するような作業なのであればループ化を行う価値は一定あるのですが、単発の作業とか1回限りの作業っていうのをループするっていうのは少しやりすぎ感があるかなと思います。ま、理由としてはループエンジニアリングの旨み価値っていうのはやっぱり繰り返すごとに進化していくっていうところに良さがあるのであとはループの起点が自動実行であるということとあとはこのループを繰り返せば繰り返すほど進化していくっていうところにこのループエンジニアリングの良さが詰まっているの でそれらの良さが活かせない単発の作業とかっていうものに関してはそのコストとパフォーマンスが似合ってないかなと思います。
グループに向いているタスクと向いてないタスク例えばどういうものがあるかあくまでも例にはなるんですが、例えば開発で行くと何かしらメッセージツール例えばスラックとかチームズとか使っているかなと思うんですが、ま、そちらで例えば本番環境のログがスラックに通知されてくるというような仕組みを作っている場合にそのスラックの通知エラー通知なんかを定期的 に巡回してでその中から日時で取りジしてチケットを立てて、え、実装してプルリクエストを出してっていうようなこの自動のループっていうのを回すことが できるか。ま、まず思いつく、え、1番向いている例なと思います。使い捨てのタスク、1回切れタスクとか単発のタスク、簡単なタスク、これらに関してはあまり向いていないというイメージを持って いただければいいかなと思います。
ではここからは具体的なこのループを組むための部品構成要素を見ていきたいなと思います。で、このオスマニーさん、ループエンジニアリングの記事を書いたオスマニーさんは5つ5つあげています。まず1つ目は自動化のため定期実行の仕組み。2つ目はワークツリーギッドのワークツリー。3つ目はエージェントスキル。4つ目はコネクターとかプラグイン。そして5つ目はサブエージェントです。で、そしてこれらの5つを下から支える土台になっている記憶装置です。ま、大きく分けると5つの機能と記憶装置というような構成になっています。
順番に見ていきたいなと思います。1つ目は自動化期実行の仕組み。これがループの起動装置です。人間が毎回手導で立ち上げるんではなくて、毎朝とか毎日とか特定のイベントが起きた時とか自動で動き出して状況を発見して仕訳する。で、この自動化の仕組みで絶対に外せないのが目標とか完了条件。ま、完了条件の裏返しとして停止条件。なぜかと言うと、ま、自分自動で起動するということはきちんと停止条件を決めておいてあげないと永遠とループしてしまうっていうことが起きかねないからですね。なの でこの自動実行の仕組みには必ず停止条件 目標とかゴールっていうのをセットで与えてあげるというのが重要です。
次にギットのワーク3ですね。ただこれは、えっと、ま、主に開発とかギットで管理しているものに限定されるかなと思うので、毎回これが必要かと言われると、私はそうではないかなと思っています。どういう場面で必要かと言うと、ま、複数のエージェントを同時に走らせた際に作業がコンフリクトしてしまうことがあるんですね。例えば同じファイルを一方のエージェントが編集していて、もう片方のエージェントが編集しているってなった場合にこれがコンフリクトしてしまう。これが、ま、サブエージェント機能、クロードコードなんかのサブエージェント機能のよく言われるデメリットの1つなんですが、ま、これによって作業が衝突してしまう恐れがあるので、そうであるならばこのギットのワーク3を使ってそもそもこのワーク3を分けてしまえばワーク3が分かれてるので同じファイルに編集しに行ったとしても互いにコンフリクトし合わなていうことがこの記事で語られてるメリットとして上げられています。
3つ目はスキルです。これは、え、スキル自体はもうかなり広く知られているかなと思いますが、ま、このループを回すということは何かしらの作業のワークフローになると思うので、その作業のワークフローを実行するための手順とか、どういうサブエージェントを呼び出してとか、どういう流れでこれを使ってっていうような手順をちゃんと教えてあげないと いけないので、そこにぴったりはまってくるのがこのエージェントスキルになっています。ま、もしエージェントスキルについて、え、もっと詳しく知りたいという方は是非エージェントスキルの動画も、え、別で出してますので、そちらの方見ていただければなと思います。
次にコネクタープラグインです。で、ループエンジニアリングにおいてこのコネクタっていうのは非常に重要かなと私自身も感じています。コネクターというのは何かと言うと、ま、いわゆるそのMCPですね。AIエージェントが外部のサービスとかに接続するために必要な接続口企画のことをさしています。で、有名なサービスはこのMCPというものを提供してくれている、受け口を提供してくれてるので、簡単にアプリケーションとしてクロードデスクトップとかチャatGPTから接続できるようになっているんですが、ループエンジニアリングにおいて重要かと思っているかと言いますと、AIエージェントが外の世界に出て何かを確認したりできる術を持ってい るっていうことはこの制度最終的なこの出力とかプロセこのループの改善において非常に重要な意味を持っているんですね。具体的には例えば何かしらこう行動実装しました。このループの中で何かしら行動を実装したとなった場合、例えば画面があるものフロントエンドのソースコードなのであればこのChromeのChromeデブツールのMCPを使うことによってそのままブラウザで表示を確認してAIエージェントがそのままです。ブラウザーでスクリーンショットを取ってきちんとUIが整っているかソースコード上だけではなくちゃんとブラウザに表示した時にうまくコードが適用されているかっていうのを確認できる。こういう確認できるス術が 増えれば増えるほどこのループの精度っていうのは上がっていく傾向にあるので、このコネクターという概念っていうのは非常に重要ですね。
さらに、ま、例えばバックエンドの実装とかAPIの実装なのであれば実際にAPIに対してリクエストを投げたりとか、あとはデータベースに接続できるコネクターなどがある のであればそのコネクターを使ってデータベースの登録状況とかちゃんと きちんとデータが永続化されてるかって いうところまで確認テストできるので、 これができる手段が増えれば増えるほどループの価値制度っていうのが上がっていきます。
続いてサブエージェントですね。で、サブエージェントも非常に重要です。なぜかと言うと、ま、これも他の動画とかで色々ご説明させていただいてるんですが、単一のエージェントの出力っていうのは自己評価の甘さがあるので、自分自身の結果とかに対して生賛してしまうっていう傾向があります。ま、これを補うのがこのジェネレーターとベリファイアーという生成薬と評価薬、エバリューエーターとも言ったりしますが、このエバリューエーターとジェネレーターの関係性を構築するっていうのが非常に重要です。ま、生成薬の単一の出力と評価ではなかなか精度が甘かったりする場面が多いので、ま、これを補うのがこの評価薬のエージェントでその評価薬のエージェントを作るためにはこのサブエージェントというあかじめ用意された機能を使うっていうのが鉄板ですね。で、サブエージェントに関する詳しい動画も別で出しておりますので、え、気になる方は是非見ていただければなと思います。
そしてこの5つの構成要素を横で支える土台が記憶装置になります。ここで重要な前提がありまして、ま、AIエージェントはこの実行のセッション1回あたりでコンテキストをもらってその場限りではうまく動作するんですが、次のセッションになるとまた拍死の状態からコンテキストをもらって実行するというこのループの繰り返しになるんですが、これを実行するだけでは例えば1回目のループで失敗した内容とか、もしくは明治的にこれを省きたいという風に人間が指示した内容を次のループではその指示した内容を忘れて覗いて欲しい内容を取り込んでしまうとかそういったケースが結構あったりするんですが、え、この記憶装置の仕組みを使うことでこれら の次のセッションでもAIエージェントに覚えておいて欲しい内容というのを組み込むことができます。で、幸いクロードコードとかコーデックスなんかに はメモリー機能と言って、ま、これは仕組み的にはマークダウンファイルに書いてるだけにはなるんですが、Cloudとかコデxのセッションを超え て共有できる機能がありますので、ま、これらをここの仕組みを活用して構築するっていうのが良いかなと思います。
ここまで概念の話を色々としてきたんですが、実際のツールではどういう風に組めるかという話をしたいと思います。まず自動化の機能、定期実行の機能についてはクロードコードならルーティンズ、スケジュールタスク、ループコマンドやゴールコマンド、フックス、ギッターアクションなんかと連携できます。コデックスアプリも同様でオートメーションズタブというのがあるので、そちらを使ってスケジューリングを 設定することができます。
ワークツリーを使った作業分離も配分配分ワークツリーというコマンドを使ってロードを起動したりサブエージェントを定義する際にアイソolレーションワーク3というのを実行するとワーク3を使ったサブエージェントの起動が実現できます。コーデックスアップコーデックスに 関してもワーク釣りは使えます。
知識やワークフローの内容などを与えるのもスキルズが、え、それぞれのツールで利用できます。スキルズはMCPと同様に共通企画になりますので、どちらのツールから も実装して使うことができます。で、それぞれの際は細かいところはありまして、呼び出しの時の記述の違いとか定義するファイルの違いとか定義する方法の違いと か細かいところはいくつかあるんですが、 基本的にはエージェントスキル両方のツールで使えます。
接続外部ツールとの外部サービスとの接続に関してもMCPプラグインそれぞれのツールで用意されてますのでどちらでも対応できます。え、この動画の本題とはちょっとそれですが今後クロードコードに加えてコデックスアプリコデxなんかのチュートリアルとか実践的な使い方とかっていうのも別の動画で出していきたいなと思っておりますので、え、そちらも是非お楽しみにしていただければなと思います。
サウエージェント生成と検証役を分ける。こういった仕組みもクロードコードコードデックスアップ書き定義の仕方や呼び出し方違いますがどちらにも対応しています。記憶装置に関してもクロードコードコデックスアプリ同様にどちらもメモリ機能というのがありますのでどちらを使っても大きな差はなく実現することができます。
で、この動画でループを使うことのメリットとかどういう点が良いのかについて1つ強調する部分を上げろと言われるのであれば、ま、この部分をすごく強調したいんですが、ループは内側のループと外側のループがそれぞれあるということを覚えていただければなと思います。内側のループというのは簡単で、このタスクを実行する自動化から始ま、発見から始まって実行、検証、記憶、再実行とこのループのことです。ま、これは特にそこまで確信的な内容ではないかなと思います。
内側のループよりも重要な内容として、この外側のループですね。これはこの内側のループを1回回すたびに失敗とかそのループの中で起きた失敗とか今後の精度向上につがるようなフィードバック内容とかこれハーネスの改善とかそういったものをメモリ機能なんかを使って記憶装置に書き込み内側のループをどんどん改善していく役割としてのこの外側のループというのが重要です。で、今後はやっぱりどういう風に工夫して人間の介入する余地をできるだけ減らしつつ、長時間自立的にAIをうまく動かすかっていうところに焦点が当たってくるので、この外、そういう意味でそのこの外側のループっていうのの役割は非常に重要ですね。単にループを毎回回すだけではなくて、失敗した点は次に成功をするために改善点としてどんどんヒードバックしていく。使えば使うほど賢くなっていくループ、AI、そういうものを実現するために重要な概念になっています。
これは割と、ま、優秀な開発チームとか組織とかに似ているなと思っていて、やった学習サイクル、ま、何かミスとかヒードバックすべき内容っていうのを例えば1つの開発サイクルが終わったタイミングでちゃんとドキュメントに起こしたりとか負債を返却したりとか仕組み化をして次同じミスをしないように改善したりとか、ま、こういう改善、今まで人間の手で行われてきた改善のサイクルっていうのをAIエージェント自身にさせそういった、ま、違いになるかなと思っています。ま、そういった違いはありますが、基本的にこれまでやってきたことが人間がやってきたことがAIに置き変わるという意味合いでの違いになるかなと思います。
で、実はこの動画を撮影する、え、前にもこのループエンジニアリングというのがすごく関心があったので、実際自分でですね、クロードコードとcデックスでそれぞれ作ってみまして、で、まずどういうことをしようかなと思った時に、で、この動画でご説明するこのループの内容、ループを使ったこの技術記事を作成するという仕組みを作ろうと思いました。どういう風にやっているかと言いますと、え、普段から関、私は関心のあるキーワードとか内容っていうのは常にチケットとして登録するようにしています。で、チケットという のは具体的にはGitッハubの特定のレポジトに移としてどんどん登録するようにしていっています。で、クロードコードのスケジューリングタスクを使って、まずこの移の一緒に登録されてあるキーワードを定期実行で調査、調査というか発見ですね。どういうキーワードがあるかっていうのをまず見に行かせます。で、その上でどれか1つを選択させて、で、その内容に関する今Webに出ている情報とかXの情報とかっていうのを収集、え、複数のサブエージェント並列で起動して情報収集で、あらかじめ調査の観点とかも与えているので、ま、それらを元に大量の情報を収集させます。で、その収集させた情報をあらかじめ定義している生成薬の記事成薬のサブエージェントとその記事成役のエージェントが作った記事をチェックする検証用のサブエージェントが複数体存在してまして、で、これらのフィードバグループを繰り返し記事を作成し、ま、ファクトチェックなんかも行った上で記事を作成しまして、最後にChromeのMCPを使って実際にブラウザーで、え、レビュー用のHTMLをあらかじめ作ってます。そのHTMLの目次だったりとか見やすくレビューしやすいようなフォーマットと確UXを盛り込んだHTMLを用意してますので、それをChromeのMCPで最終的にCloudに開かせて、私がその内容とかを確認し、で、そこで指示した内容をまた修正してもらったりっていうので完成に持っていきます。
で、このループを回す中で結構いろんなつまづきポイントとか失敗するポイントとかここもうちょっとこういう風にして欲しいなとかいうポイントが色々あるのでそれらの観点こういう基準をクリアしてください。こういう品質を守ってくださいというのを、ま、編集用のエージェントと研修用、検証用のエージェントが持っているスキルに定義してあるので、そのスキルに定義してあるチェックリストを達成できなかったもの、無視されたものに関してはフィードバックとしてこのメモリもしくは適切な場所、スキル、エージェント、指示書、適切な場所にフィードバックするように指示をしています。
ここでポイントになるのが目標設定の方法ですね。で、目標設定はどういう風にするのかということなんです が、このワークフロー、このループを最初に起動する時、最初に呼び出すのはスキルを呼び出すんですが、で、実はクロードコードにもcデックスにもスラッシュゴールというコマンドが用意さ れてまして、このゴールの引数にセッション、クロードのセッションでの目標とか停止条件っていうのをこうなれば合格です。こうなれば終わりで すっていう停止条件を与えてあげるとその停止条件を、デフォルトではあの俳育のモデルがチェック機械的にチェックしてくれるようになっていてもし目標条件最初に設定した目標を達成していなければその目標を達成するまでループしてくれるというゴールコマンドというのがありまし てそちらを起点にしてこの全ての処理が終わった時に各フェーズで品質条件とか達成条件っていうのを、ま、主にスキルとかに書いてるんですが、そのスキルに書い てる内容を満たしてないものがあれば、このゴールコマンドがそれらを、確認して、それらの満たす性の条件とか基準というのを再度実行してから全てを達成して完了という風に、ま、どうしてもこれまでこうスキルに書いてあった基準とかクリア条件とかっていうのが無視されがち。ま、これも結局エアエージェントが守ってくれるか守ってくれないかっていうのはその時期になってくるので、ま、ここをいかに反復させて反強制的に見逃していた、見落としていた、取りこぼしていた内容をちゃんと純視させるかというのを助けてくれるための機能としてのこのゴールコマンドっていうのも1つ実際に運用する時にはポイントになるかなと思い ます。
ただこれが結構難しいと感じたのがこのゴールコマンドすごい使いたいんですがこのゴールコマンドをクロードから指び出すことがどうもできないみたいです。私が試した限りだと。で、これができると、え、本当に自動化期実行させてゴールコマンドを呼び出してっていうのができるんですが、ゴールコマンド はどうしても、あの、私、え、人間が明治的に呼び出さないといけないっていうような仕様になっているようで、ここができると、え、すごくスムーズに本当に完全に自立実行するループを作れるかなと思うんですが、ま、必ずしもこのゴールコマン ドっていうのを使う必要もないので、もし完全に自立実行させたいので、あはゴールコマンドを使わずに例えばスキル私がやってるようなスキルを呼び出してそこから調査編集検証でうまくいかなかった点はメモリーとして書き出して次のループに活かすこういったやり方が良いんじゃないかなと思います。
はい。いかがでしたでしょうか?今回の動画は最近注目され始めてきたループエンジニアリングという新しいアプローチについてご紹介しました。で、振り返りますとループエンジニアリングというのは、え、指示役人間が細かくAIに指示するのではなく、AIを動作させるループを設計する、ま、そういう手法のことをさせ ています。評価対象人間が評価すべきはAIの1つ1つの出力ではなく、このプロセス、この出力を出したプロセスを評価して改善して運用するっていうことが求められてきます。で、ループエンジニアリングっていうのは今まで登場してきたフロンプトエンジニアリング、コンテキストエンジニアリング、ハーネスエンジニアリングの1つ上のステップ、そういう位置付けにあるということですね。このループエンジニアリングがうまく刺さるユースケースっていうのはこの繰り返しを行われる作業、いくつかの複数のステップがあって繰り返しを行われるような作業に向いているという ことですね。で、このループエンジニアリングの構成要素としては5つの機能プラス記憶装置となるメモリ機能だったりが該当します。で、ループエンジニアリングには概念として内側のループ、タスクを実行する内側のループと、え、実行するごとに改善していくための外側のループが存在するということも覚えておいた方が良いかなと思います。で、参考文件の方も概要欄のリンクの方に載せておきますので、よろしければ見てみていただければなと思います。
え、こちらの動画が面白かったためになったと思っていただけた方は是非高評価とチャンネル登録、そしてよろしければ、え、メンバーシップへの参加もいただけるとすごく嬉しいです。ではまた次の動画でお会いしましょう。