主にClaudeを使って複数のエージェントを作り、ワークフローを設定して設計・開発・テストまで自動で行う、という話をよく聞きます。そうした方法についての記事は多いですが、実際にどのように動くのかが気になっています。設計、開発、テストなどを別々のモデルで行い、どのモデルがどの作業に向いているかについての記事も多いです。
現在はCursorというものを使っていますが、言及されているすべての作業をモデルが自動で設定し、これ一つで全部やってくれます。ただ、ずっと見守りながら対話して方向性を示してあげる必要があります。Claudeを上で述べたような方法で使えば、完全に自動化できるのかが気になります。経験上、プロジェクトが大きいほど、継続的に方向性を示さないと見当違いだったり不十分になったりしがちです。「完全自動」の方法について詳しく解説した記事や動画はあるでしょうか。そうした記事や動画を見ても、実際に真似できるような詳しい方法は見つけられませんでした。
4件のコメント
完全な全自動化状態を目指すよりも、作業を分解して各作業の担当を定義してみるのが、まだ現実的な戦略だと思います。パターン認識や意味抽出、一般的な知識との結び付けはLLMに任せ、意味付け、文脈の追加、意思決定は人が行う、というのがその例です。これをコーディングの場面に当てはめると、反復的なコード生成やテストケース作成はLLMに委任し、アーキテクチャの決定やドメインモデリングは人が担うことになります。そうすると問題は、意思決定をどこまで自動化できるのか、という点に絞られ、もう少し具体的な事例も見つけやすくなるのではないかと思います。
ご回答ありがとうございます。元の投稿で触れたように、そのような記事が目についたのですが、具体的な方法については論じられていなかったので、もしかするとよく知られている文書や情報があるのか気になりました。
景気のせいかどうかは分かりませんが、最近はAIエージェントであらゆることを解決できるかのように語る記事や講義が多いものの、現時点ではAIだけですべてを100%やり切るのは現実的に難しいです。分野によっては最大で70〜80%程度だと見ており、これ以上を目指すにはその分野の専門家が不可欠だと思います。
「完全自動」の方法論について説明する文章や動画は、今のところまだ見たことがありませんが、
これに関連する議論や実験は、部分的に行われているようです。
以下の記事が、投稿者の質問に対するヒントになると思います！
https://anthropic.com/engineering/…
https://openai.com/ko-KR/index/harness-engineering/
https://github.com/karpathy/autoresearch
https://www.minimax.io/news/minimax-m27-en