AI ENGINEERING / TECHNO·BIBI
AIエージェント開発・
開発自動化の経験と取り組み
フリーランスのAIエンジニア・ソフトウェアエンジニア、テクノビビです。AIエージェント開発プロジェクトへの業務委託での参画と、自社サービスの開発・運営を行っています。ここでは、開発工程の自動化に関する経験と、個人で取り組むLLMの研究を紹介します。
01 / AGENT WORKFLOW
IssueからPR提出までをつなぐハーネス設計
AIエージェントがソフトウェア開発の工程を自走するための、ハーネスと実行ループを設計しています。ハーネスは、AIに渡すタスク・ツール・完了条件・検証方法をつなぎ、作業を進めるための仕組みです。
タスクと完了条件を明確にする
人間がIssueに要件、ゴール、受け入れ条件、スコープ外を記載します。AIが独立して作業できる単位に整理するところから始めます。
計画から実装へ引き継ぐ
AIがIssueを読み、機能・テストの設計と実行順を決めます。実装担当のAIへ計画を渡し、テストとコードの作成につなげます。Claude CodeやCodexを用いた開発に取り組んでいます。
検証結果を添えてPRを提出する
テスト・静的検査に加えて、必要な画面や実際の動作を確認します。完了条件ごとの検証結果とレビューの証跡を残し、PRの提出とCIの確認までつなげます。
02 / VALIDATION & REVIEW
AIの実装を、別の視点で検証する
実装担当とは別の複数モデルが、独立したセッションで差分をレビューする構成をとっています。同じ対象に対する一致と不一致を突き合わせ、単一モデルの見落としを減らすための設計です。
PRのレビュワーにはCI・静的検査・AIレビューを組み込みます。安全と判断できる変更を自動マージし、危険な変更を人間のレビューに回すCI/CDゲートも開発経験の一つです。自動化する範囲と人間が判断する範囲を分けて考えます。
03 / OPERATIONS
リリース後のエラーや脆弱性対応までつなげる
開発工程の自動化は、コードを生成する段階だけではありません。マージ後のデプロイとマイグレーション適用、CVEの検知から修正パッチの生成・検証・デプロイまでのパイプラインにも取り組んでいます。
Sentryで検出したアプリケーションエラーから、Issueの起票と修正PRの提出までを自動化する経験もあります。要件定義・設計・実装から、リリース後の監視と改善までを含めてソフトウェアを扱っています。
04 / INDEPENDENT RESEARCH
ローカルLLMとクラウドモデルの評価・ルーティング
個人研究では、タスクに応じてローカルLLMとクラウドモデルを使い分ける構成を研究・設計しています。似たタスクの領域ごとに、成功率・実行時間・クラウド枠の消費を比較して振り分けを判断する考え方です。
公開している評価ハーネス「master-llm」では、LM StudioのローカルLLMとClaudeを組み合わせたオーケストレーションを、Claude単体と同じタスク・同じ指示で比較します。精度、クラウドコスト、実時間を測定し、HumanEval・MBPPの取り込みとルーティング学習データの生成を扱います。
評価ハーネス master-llm をGitHubで見る日本語命令の最適化も研究テーマです。敬語や婉曲表現、前提が省略された指示を、モデルが実行できる形へ補完する方法を考えています。これらは個人研究であり、現在は研究に十分な時間を割けていません。
05 / PROFILE & CONTACT
AIエンジニアのプロフィールと、お仕事のご相談
AIを組み込んだシステムの開発に加え、Go・Python（FastAPI）、TypeScript・React・Next.js、Flutterなどを用いて、アプリ・Webサービスを開発・運営しています。運営中のサービスは「いこストック」と「あさよむ テック」です。
業務にAIを組み込むための整理、試作、実装についても対応しています。ご相談の際は、取り組みたい課題と、現在のシステムや開発工程をお知らせください。