ゲート付きビルド — 敵対的マルチエージェント構築法
「もっともらしい誤り」が高くつく作業のための手法。どんなに訓練された1つのエージェントでも、自身のエラーを確実に捕捉することはできません。バグを生み出した盲点が、そのバグをレビューすることになるからです。品質は「独立性」から生まれます。すなわち、NO-AGREEを言うことを仕事とする第二のエージェントが、すべてのステップを厳しく吟味し、明示的なAPPROVEDを得るまで続けます。
経済性:エージェントが読むものすべて(仕様、メモ、Grill用プロンプト)を圧縮することで、第二のエージェントを反論のために雇う余裕が生まれます。効率が冗長性を支えるのです。
1. 役割のキャスティング
3つの役割:オーケストレーター(アンカードキュメントを保持し、他者をキャスティングし、統合する)、作成者(Author)(コード/設計を起草する)、レビュアー(Reviewer)(APPROVEDまでGrillする)。習慣ではなくタスクごとにキャスティングします:
| 作成者 (Author) | レビュアー (Reviewer) | いつ |
|---|---|---|
| フロンティアエージェント(全リポジトリコンテキスト) | クロスベンダーのフロンティアエージェント | 設計重視、高リスクのビルド — コアパターン |
| 外部CLIエージェント(例:Codex) | オーケストレーター自身 | 機械的な大量タイピング作業;オーケストレーターがコンテキストと判断力を持つ |
| ローカルモデル(Ollamaクラス) | オーケストレーター | 厳密な仕様からのゼロコスト関数レベルのドラフト作成 |
| 安価層サブエージェント | 旗艦層 | 同一ファミリー内の経済性:安い手、高価な判断力 |
実行バインディング — 各キャストは、あなたのハーネス内に具体的なトランスポートが必要です。配管を新規に発明するのではなく、既存のものを使用します:
- ローカルモデル作成者 →
rjv-ollama-delegateスキル(バンドルされたランナー、プロンプト作成ルール、検証義務)。 - 外部CLI作成者/レビュアー(Codexクラス) → そのエージェントプラグイン、または薄いBash転送サブエージェント(例:Claude Code内のCodexレスキューサブエージェント) — 1回の呼び出し、stdoutを返す、転送エージェント自体は最も安いモデル。
- 同一ファミリー内の安価な作成者 → モデルを明示的に設定したサブエージェント起動(§7参照)。
キャストを計画に記録します。 キャスティングはビルド開始時に1回だけ行われ、アンカー計画の## Castセクション(rjv-feature-workflow参照)に書き込まれます:オーケストレーター、作成者、レビュアー、サブエージェント層、人間のゲート — モデル名を明示的に指定します。再開時は常にCastを読み、自分の役割を果たします。ゲート付きループは承認者を再交渉しません。再キャスティングは理由を添えてログに記録される決定です。
2つの厳格なキャスティングルール(証拠に基づく、曲げてはならない):
- レビュアーは作成者と同等かそれ以上でなければならない。 品質はレビュアーの強さから生まれます。作成者の強さは単なるタイピング速度です。弱いモデルは何もレビューしません — テスト済み:出荷されたコードの中で実際のバグを見つけるよう依頼したところ、35Bのローカルモデルは「バグなし」と言いました。
- Grillにはクロスベンダーを優先する。 異なるモデルファミリーは異なる障害モードを見逃します。同一ファミリーのレビューは、作成者の盲点を引き継ぎます。
人間もレビュアーです。 実際の実行では、ユーザーが両方のフロンティアモデルが4回のGrillラウンドで見逃していた穴(ブローカーのレイテンシ)を発見しました。フェーズ境界で設計を人間に提示します。人間のドメイン経験はモデルの事前情報よりも優れています。人間のライブ証拠が設計と矛盾する場合、設計は即座に更新され、その旨を明記します。
2. コードの前に仕様をGrillする
最も効果的なGrillは実装前に行われます。ソースプロジェクトでは、レビュアーの設計に対する初回判定は「記述されたままではビルド不可能」 — 10のランク付けされた攻撃シナリオのうち8つが有効でした。コード前の修正はドキュメントの書き直しで済みましたが、コード後の修正はビルド全体のコストになっていたでしょう。
- 仕様/設計をレビュアーに送り、「この設計をATTACKせよ。ランク付けされた障害シナリオを列挙せよ。判定:AGREE / NO-AGREE(ブロッカー付き)」と指示します。
- 仕様 → 攻撃 → 修正をAGREEになるまで繰り返します。各ラウンドをアンカードキュメントに記録します(v1 → v2 → v2.1 …)。どの異議が「メリットに基づいて」受け入れられ、どの異議が理由とともに却下されたかを明記します。
- 決してNO-AGREEと言わないレビュアーはレビューしていません。すべてのラウンドが即座に承認される場合は、プロンプトを sharpen するか(§4参照)、キャストを変更します。
3. ゲート付きループ(実装ステップごと)
仕様チェックポイント → 実装 → 自己レビュー + 煙テスト → レビュアーGrill → 修正 → 再Grill … → APPROVED → コミット → 次へ
- まず仕様。 コーディングする前に、ステップの合格基準をアンカードキュメントに書き込みます。コード中に発明した仕様で自分を評価することは、バグを祝福することです。
- 引き渡し前に自己レビュー + 使い捨て煙テスト — 馬鹿げたバグを安く捕まえ、レビュアーのラウンドを微妙なバグに集中させます。
- 明示的なAPPROVEDまでGrillする。 1往復はレビューではありません。
- 保留、決してゴム印を押さない。 ステップごとのGrillラウンドに上限を設けます(〜6)。それでもブロックされる → オープンブロッカーをアンカードキュメントに書き込み、そのステップを停止します。意図的な「保留、その理由」は、偽造された承認よりも勝ります — 金銭や安全がかかっている場合には譲歩できません。
- 生きた計画 / リーチバック。 Grillによって以前に承認されたステップが無効になった場合:それを再オープンし、修正し、再テストし、再Grillし、リーチバックをログに記録します。ロックインされた誤ったステップは、再オープンされたステップよりも悪質です。
4. レビュアーの駆動 — プロンプトルール
- REVIEW ONLY。 最初の行:「REVIEW ONLY — ファイルを変更しない、実装しない。」レビュアーは読み、推論し、投票します。
- テストはあなたが実行し、レビュアーは実行しない。 レビュアーのサンドボックスは実行にハングします。自分でスイートを実行し、結果をプロンプトに貼り付けます(「スイートは既に実行済み:N passed — コードを読んでレビューせよ」)。ファイルを読むのは問題ありませんが、実行はしません。
- 障害モードに名前を付ける。 正確なファイル、仕様セクション、番号付きハントリストを指し示します。金銭コードの場合:二重エクスポージャー、過剰販売、再起動をまたぐ意図の喪失/重複、順序の競合、冪等性、手数料/精度、今書いたばかりの特定の危険なパス。漠然としたプロンプトは漠然としたレビューを生みます。
- すべてのGrillに境界を設定し、タイムアウト時は先にキャンセルする。 壁時計の上限(〜12–15分)でバックグラウンド実行します。タイムアウト時:最初にジョブをキャンセルし、何も実行中でないことを確認してから、新たに再起動します。孤立プロセスを強制終了します。再起動の上限を設定します(〜3回)。持続的な判定不能 = ツール障害 → 保留、偽造しない。
5. アンカードキュメント(ビルドの真の記憶)
ビルドごとに1つの圧縮されたワーキングメモリドキュメント — リポジトリには多くのビルドがあります。単一のグローバルなRESUME.mdは保持しません。rjv-feature-workflowスキルのレイアウト(.plans/<name>.mdを作業ごとに、フィーチャーのロードマップからリンク)を使用します。これにより、複数のゲート付きビルドが同時進行でき、それぞれが名前でハイドレートされます。以下のセクションはその計画ファイルの内部に存在します。会話は使い捨て可能です。アンカードキュメントはそうではありません。「仕様だけがトークンを稼ぐ価値のある成果物です」(cavekit)。
所有セクション — 各ループフェーズは自分のものだけを書きます:
| セクション | 所有者 | 保持するもの |
|---|---|---|
| GOAL | 人間 + オーケストレーター | 1段落、要点、決して忘れない |
| CONSTRAINTS / VOCAB | 人間 | 合意された言葉、禁止語、ハードリミット |
| EVIDENCE LEDGER | オーケストレーター | ライブ結果を設計制約として — 反駁されたアイデアは「復活させない」とマーク |
| INVARIANTS | Grillラウンド | 出現した鉄のルール、それぞれがラウンドまたは死体にトレース可能 |
| DESIGN vN | 仕様-Grillループ | 現在の設計 + Grillの軌跡(v1 → v2 → …、誰が異議を唱え、何がメリットに基づいて受け入れられたか) |
| TASKS / PLAN | オーケストレーター | 合格基準付きのフェーズ。すべてのアイデアはHOMEを得るか、殺される |
| BUGS / CORPSES | 実装 | 最低レベルで研究され、分類された失敗 |
| TOMBSTONES | オーケストレーター | 解決済みの質問を「誰も再オープンしないように」見えるままにしておく |
| OPEN | 誰でも | 本当に未決定の項目。人間が決定しなければならない場合はUSERフラグを付ける |
レジスタルール — 対象読者で圧縮する:
- エージェントが読むものすべて(このドキュメント、RESUME、Grillプロンプト、メモ):洞窟人レジスタ。事実、file:line、命令。「send前にregister order(sync fill drop → oversell)」 — 散文ではありません。コンテキストがなく10秒しかない読者のために書きます。再読のたびに約75%安くなり、再読は繰り返し発生するコストです。
- 人間が読むものすべて(返信、ユーザー向けドキュメント):通常の散文、数字付きの具体例。理解の失敗は出力トークンよりもコストがかかります。
- 2対象読者の分割は明示的です:エージェントノートは、具体的で合意された場合にのみユーザー向けドキュメントに昇格します。
「後で」ルール禁止。 何かを「後で」とファイルしてはいけません。すべてのアイデアは名前付きフェーズにホームを得るか(なぜそこにあるのか理由付きで)、殺されます。ソースプロジェクトでは、「後で」が最も価値のある実験を隠していました — 表面化すると最初のビルド項目になりました。唯一許容される延期 = 明記された真の構造的依存関係。
圧縮メンテナンス。 アンカードキュメントとメモリファイルは再開のたびに再読されます — これらは繰り返し発生する入力コスト、つまり高価な種類です。定期的に(フェーズの終わり、またはドキュメントが肥大化したとき)それらをレジスタで書き換えます:散文を取り除き、事実を保持します。圧縮ルール:数字、識別子、file:line参照、コード、コマンド、エラーテキストには決して触れない(バイト完全一致)。EVIDENCE LEDGERの意味を決して圧縮しない — そこでニュアンスを失うと、反駁されたアイデアが再オープンされます。取って代わられた設計セクションは1行の墓石に縮小します。Grillの軌跡はラウンド + 判定 + 何が変わったかのみを保持します。
6. 生存 — 実行は切断に耐えなければならない
長い実行では、2つの障害モードが必ず発生します:レビュアーのハング、および応答中の自身の接続切断。防御は同じです:状態をライブ会話にのみ保持しないこと。
- 再開ポインタ + オープン時の調整。 アンカードキュメントのNext Stepsセクションは、各ステップの終了時に書き換えられます:現在のステップ + ステータス、正確な次のアクション、必読ファイル、ハードルール。再開のたびに — 圧縮後、切断後、スケジュール起床後 — 最初のアクションは
rjv-feature-workflowの調整儀式です:計画を読む → 各「完了」主張を実際のコード/DBに対して検証する → ずれを記録する → Next Stepsを書き換える → 「Last reconciled」スタンプを押す → それから行動する。期限切れのチェックボックスを決して信じない。切断によって、チェックボックスが主張する編集が失われている可能性があります。 - 頻繁かつ早期にコミットする。 承認された各ステップは即座にコミットします。そうすれば、切断によって失われるのは多くても進行中の編集だけで、一晩の作業全体ではありません。
- 自分の起床をスケジュールする。 制限付きGrillに引き継ぐときは、自己起床(〜15分)をスケジュールして、能動的に戻ってくるようにします。受動的な「ジョブが私を再呼び出しするだろう」監視は、静かに死ぬことがあります。
- 冪等なステップ。 切断後にステップの途中に再突入する可能性があります。副作用を再生しても安全にします(重複キーの排除、upsert、既に完了したチェック)。
7. モデル経済学 — 旗艦モデルをすべてに使うな
長い実行は、難しさで行き詰まる前に、予算/レート制限で行き詰まります。完遂は倹約にかかっています:
- デフォルトは安価。 機械的なサブエージェントには小規模/高速モデル(レビュアーFORWARDERは1回のbash呼び出し — 最も安く。Grillの品質はレビュアーのモデルであり、フォワーダーのモデルではない)。ルーチンコードと分析には中層。
- 仕様実装可能な関数にはローカルモデル — ゼロコスト、厳密な仕様から約90%のプロダクション品質を達成します。決してレビュアーとしては使わない(ハードルール1)。
rjv-ollama-delegateスキル参照。 - 旗艦モデルは 設計、統合、最終判断、そしてGrillそのもののために確保する。
- サブエージェントごとにモデルを明示的に設定する — 高価な親をデフォルト継承してはいけません。
8. スコープの正直さ — 特に金融システムの場合
「完了」が何を意味するかを明確に述べます。「レビュアー承認済み、ステップNまで」は、実行がシミュレーター/ペーパーパスのみを行使した場合、「実世界に対して検証された」ことを意味しません。危険なゲート — ライブトレーディング、本番デプロイ、破壊的操作 — は、別個の明示的な検証フェーズ(ペーパーパリティ、フィル比率バンド、フェイルクローズしきい値)が独自のゲートとともに行われるまで、物理的にオフにしておきます。「承認済み」を「出荷しても安全」と読ませてはいけません。
付録 — レビュアーがOpenAI Codex CLIの場合
CodexをGrillとして駆動するための、苦労して得た運用上の具体的事項:
- 先にキャンセル、決して再接続しない。 Grillタイムアウト時は、「作業を保存するために再接続」してはいけません — 再接続は即座に静かに死ぬ可能性があり、孤児ジョブが何時間も実行されている間、監視機能がなくなります。常に:ジョブをキャンセル → 何も実行中でないことを確認 →
--freshで再起動。 - 孤児プロセスをpkillする。 キャンセル/ハングしたジョブは
codex app-server、codex resume、app-server-brokerプロセスを残します。クリーンアップ中にpkill -9 -fでそれらを強制終了し、長時間の実行で累積しないようにします。 - そのサンドボックスはテストを実行できない(多くの場合、書き込み可能な一時ディレクトリがありません。「verifying」で永遠にハングします) — これが§4の「あなたがテストを実行する」ルールが存在する理由です。サンドボックス内でのファイル読み取り(grep/sed/cat)は問題ありません。
- ファイルを書き込めるが、gitは実行できない — 完了後、オーケストレーターセッションからコミットします。
- 出力からのセッション/スレッドIDは再開可能(
--resume-last/ IDで再開) — 前のラウンドのコンテキストが必要なフォローアップGrillに便利ですが、上記の先にキャンセルのルールに従います。
1行の不変条件: 独立したレビュアー + 圧縮されたディスク上の状態 + スケジュールされた自己起床 = ハング、切断、圧縮のすべてを乗り越えて収束し、正しさを達成する実行。
来歴:実際の高リスクビルド(オプション取引ボット、2026-07:6回以上のGrillラウンド、実際のNO-AGREE、人間が発見した設計の穴、ティックレベルで研究された損失)と検証済みローカルモデル委任スパイクから抽出。レジスタ + 仕様セクションのアイデアはcaveman/cavekitファミリー(github.com/juliusbrussee)に帰属します。