要約 / ポイント
AnthropicのトップAIエンジニアたちは、手動プロンプトを捨て、数時間稼働する自律的な「ループ」に移行している。しかし、この新しいパラダイムには、あらゆるプロジェクトを頓挫させる可能性のある隠れたコストと信頼性の罠が伴う。
手動プロンプトの終焉か？
Anthropic（Claude Codeの本拠地）とOpenClawのエリートエンジニアたちは、AIとの対話方法を再定義し、単一のプロンプトを超えて完全に自律的なシステムへと移行している。彼らは、絶え間ない人間の入力なしに動作するインテリジェントなマシンを構築しており、これは従来のプロンプトとは大きく異なるパラダイムシフトである。
ループエンジニアリングと名付けられたこの新しい手法は、AIの労働力全体を編成する。高レベルのオーケストレーターエージェントが、専門のワーカーエージェントに継続的なサイクルでプロンプトを送り、複雑なタスクの段階的な進捗を推進する。これはまさに人間ではなく、エージェントがエージェントにプロンプトを送るのである。
Claude CodeのリーダーであるBoris Chernyは、こう明言した。「もうClaudeにプロンプトを送ることはない。私はループを書き、ループが仕事をする。」これは、高レベルでの人間のプロンプトを最小限に抑え、AIシステムに実行を任せることを意味する。
Claude Codeは、強力な組み込み機能でこれを実証している。`/loop`コマンドはプロンプト実行の間隔を設定し、5分ごとにGitHubのイシューをスキャンするなどの繰り返しチェックを可能にし、入ってくるタスクを自律的に処理する。
同様に、`/routines`はジョブをスケジュールし、おそらく1時間ごとに、より大きな仕様書を段階的に処理する。特定の完了基準を定義する`/goal`と組み合わせることで、これらのツールはAIエージェントがタスクを完了するまで追求することを可能にし、高度な「ラルフループ」を模倣する。この体系的なアプローチにより、AIは複雑なプロジェクトを自律的に管理し、継続的で目標指向の進捗に焦点を当てることができる。
あなたの新しいAI請求書：ミリオン・トークン・ラン
AnthropicのClaude CodeとOpenClawのThe Creatorsが提唱する直接的なプロンプトからの移行は、驚くべき新しいコストモデルを導入する。この「ループエンジニアリング」パラダイムは、かなりの推論税を発生させる。オーケストレーターエージェントは、単一のプロンプトを受け取る代わりに、計画、並列ワーカーへのタスク委任、出力のレビュー、そして反復的な再計画のためにトークンを継続的に消費する。エージェントが他のエージェントにプロンプトを送るこの多段階フィードバックループは、控えめなプロジェクトでさえ、単一セッションで急速にミリオン・トークン・ランを蓄積し、計算費用を劇的に膨らませることを意味する。
この自律的なエージェントアプローチは、信頼性と品質に関する重大な疑問も提起する。何千ものプロンプトなしのエージェントが、エラーを累積したり、精巧な幻覚を生成したりすることなく数時間動作できるという考えは、推測的な飛躍のように思える。OpenClawのPeter SteinbergerとClaude CodeのBoris Chernyがこれらのシステムを研究するにつれて、微妙な不正確さが雪だるま式に増大し、壊滅的な障害につながるリスクは、自律層が追加されるごとに増大する。
さらに、コンテキストの肥大化は、固有の実用的な制限をもたらす。継続的な自己プロンプトループは、LLMの有限なコンテキストウィンドウを急速に圧倒する。エージェントが広範な内部モノローグと中間ステップを生成するにつれて、パフォーマンスが低下し、無関係な出力、指示の見落とし、そして最終的には壊滅的な障害につながる。一見シンプルなワークフローでさえ、数回の反復でClaudeやKimiのようなモデルを使い果たし、堅牢なコンテキスト管理なしでは持続的で複雑な操作を困難にする。
ループからハーネスへ：制御を取り戻す
エージェントが際限なくエージェントにプロンプトを送り続ける、純粋なAI駆動ループの時代は、より制御されたパラダイムであるハーネスに道を譲りつつある。Anthropic（Claude Code）とOpenClawのエリートエンジニアたちは、自律ループによる天文学的なトークン消費を認識している。これらのシステムは強力である一方で、オーケストレーターが計画、委任、再計画を行う際に、しばしば高額な「推論税」を発生させる。
ハーネスは常識を覆します。AIに次に「何を」すべきかを尋ねて高価な曖昧さを生み出す代わりに、ハーネスは事前に定義された信頼性の高い構造内でAIに何をすべきかを「指示」します。このアプローチは、LLMをその核となる強みである推論と、コード生成のような創造的なタスクにのみ活用します。
データ取得、テスト実行、成果物デプロイといった予測可能なステップは、標準的な決定論的コードに戻ります。このハイブリッドモデルにより、ClaudeのようなLLMは、その知能が不可欠な場合にのみ機能し、高価でオープンエンドなフィードバックループを最小限に抑えます。この規律あるオーケストレーションは、AIの可能性を予測可能で費用対効果の高いワークフローに変革します。Anthropicのエージェント型コーディングシステムに関するより深い洞察については、Claude Code | Anthropic's agentic coding systemをご覧ください。
Enjoying this? Get one like it in your inbox each morning.
one email a day · unsubscribe in two clicks · no third-party tracking
オーケストレーション、監視、最適化
これらの自律システムをオーケストレーションするには、可観測性が不可欠です。複雑な実行の監視、ステップごとのトークン使用量の追跡、システム全体の障害の迅速なデバッグには、専用のダッシュボードが必須です。このきめ細かな可視性がなければ、「推論税」はすぐに手に負えなくなり、最適化と継続的な改善は不可能になります。
堅牢なハーネスは、個別のサブタスクに対して分離されたサンドボックス化されたエージェントセッションを管理します。オーケストレーターエージェントは次のタスクを決定し、ワーカーを起動してそれらを並行して実行します。これは高度なRalphループで見られます。重要なのは、これらのエージェント間で必要なコンテキストのみが渡されることで、プロンプトの肥大化を防ぎ、決定論的で信頼性の高い実行のために複合的な幻覚を抑制します。
このアプローチを実装するには規律が必要です。自信を築くために小さな決定論的ワークフローから始め、初日からコスト追跡を統合し、エージェントごとのトークン消費量を綿密に監視します。Pi (Kimi上) のような安価なモデルをより単純なタスクにデプロイし、高価なフロンティアモデル (Claudeのような) を複雑な問題解決のために予約することで、予算を最適化します。この戦略的なモデル階層化は、エージェントに単にエージェントをプロンプトさせるだけではない、持続可能なAI開発の鍵となります。
よくある質問
AIにおけるループエンジニアリングとは何ですか？
それは、「オーケストレーター」AIが他の「ワーカー」AIへのプロンプトを継続的なループで自動化し、絶え間ない人間の介入なしに大規模で複雑なタスクを完了させる手法です。
ループエンジニアリングはなぜそんなに高価なのですか？
オーケストレーターAIが、計画、ワーカーへの委任、出力の処理、次のステップの再計画といった推論タスクを繰り返し実行するため、膨大な量のトークンを消費します。
純粋なループエンジニアリングよりも優れた代替手段は何ですか？
プロセスを事前に定義する決定論的なワークフロー、または「ハーネス」です。このアプローチは、AIをコーディングのような特定の創造的なタスクにのみ使用し、予測可能なステップには通常のコードを使用することで、コストを節約し、信頼性を高めます。
ループエンジニアリングの概念を先駆けているのは誰ですか？
主要な人物には、AnthropicのClaude Code責任者であるBoris Cherny氏と、OpenClawエージェントの作成者であるPeter Steinberger氏がいます。