エージェントエンジニアリング は何をしますか？
このスキルは、AIエージェントが実装の大部分を実行し、人間が品質とリスク管理を担うエンジニアリングワークフロー向けです。
運用原則
- 完了基準を実行前に定義する。
- 作業をエージェントサイズの単位に分解する。
- タスクの複雑度に応じてモデル階層をルーティングする。
- 評価と回帰チェックで測定する。
評価ファーストループ
- 機能評価と回帰評価を定義する。
- ベースラインを実行し、失敗シグネチャを取得する。
- 実装を実行する。
- 評価を再実行し、差分を比較する。
タスク分解
15分単位ルールを適用する:
- 各単位は独立して検証可能であること
- 各単位は単一の支配的リスクを持つこと
- 各単位は明確な完了条件を示すこと
モデルルーティング
- Haiku: 分類、定型変換、狭い編集
- Sonnet: 実装とリファクタリング
- Opus: アーキテクチャ、根本原因分析、複数ファイルにまたがる不変条件
セッション戦略
- 密結合な単位についてはセッションを継続する。
- 主要なフェーズ移行後は新規セッションを開始する。
- アクティブなデバッグ中ではなく、マイルストーン完了後にコンパクト化する。
AI生成コードのレビュー焦点
優先する事項:
- 不変条件とエッジケース
- エラーバウンダリ
- セキュリティと認証の前提
- 隠れた結合とロールアウトリスク
自動フォーマットやリントが既にスタイルを強制している場合は、スタイルのみの不一致にレビューサイクルを浪費しないこと。
コスト規律
タスクごとに記録:
- モデル
- トークン見積もり
- 再試行回数
- 経過時間
- 成功/失敗
明確な推論ギャップがあるために下位階層のモデルが失敗した場合にのみ、モデル階層をエスカレーションする。