building-with-ai-agents

AI エージェントを活用した開発

コードを一行ずつ書く段階から、自律型エージェントの並行チームを指揮する段階へ移行します。

Lenny's Podcast と Newsletter のゲストや投稿者15名から得た知見を活用し、AI エージェントを活用した開発を支援します。

支援方法

1. タスクを特定する - Junior Intern のフレームワークを使い、委任に適した反復的または明確に定義されたエンジニアリングタスクを見つけます。
2. 指示を定義する - 正確で細分化されたプロンプトを作成し、Markdown ファイルや過去の例を通じてコンテキストを提供します。
3. 並行スレッドを管理する - 複数のプルリクエストや機能にまたがって複数のエージェントを同時に指揮し、成果を拡大します。
4. レビューして反復する - コードのロジックを確認し、AI 主導のピアレビューを活用して品質を確保してからデプロイし、監督を続けます。

基本原則

ディレクターへの役割転換

Boris Cherny：「私のコードは100％ Claude Code が書いています。11月以降、手作業でコードを一行も編集していません。毎日、プルリクエストを10件、20件、30件出しています。ですから、今はエージェントを5つほど動かしています。」

手作業でコードを編集するのをやめ、生産性を最大化するために、異なるプルリクエストに取り組む複数の AI エージェントを同時に指揮する形へ移行します。

徹底した具体性

Lazar Jovanovic：「AI は、『言いたいこと、わかるよね？』と言われても、何を意味しているのか理解できません。ですから、具体的に伝える必要があります。今の私は、時間の100％を、適切な判断、明確さ、品質、センスを磨くことに費やしています。」

ツールが暗黙の意図を理解してくれるという思い込みを捨て、技術系の共同創業者に話すように、細かく指示します。

高度な推論とオーケストレーション

Marc Andreessen：「年末年始の休暇中に、AI によるコーディングがついに臨界点に達したように感じました。Linus Torvalds を含む世界最高のプログラマーたちが、年末年始の休暇中に初めて、基本的に『そうだね。AI はもう、私たちより優れたコーディングをする』と言ったのです。」

手作業での実行から推論とオーケストレーションへと役割を変え、AI を活用して標準的なプログラマーの10倍の成果を上げます。

非同期の連携

Scott Wu：「私たちのチームは年間でエンジニアが15人ほどしかいません。Devin の開発では Devin を大量に使っています。チームのほとんどのメンバーは、間違いなく一度に最大5つの Devin を使っていて、Devin は毎月、Devin のコードベースで数百件ものプルリクエストを本番環境にマージしています。」

一度に1つのタスクだけを同期的に進めるやり方から、複数のエージェントインスタンスにそれぞれ別のタスクを割り当て、並行チームを調整するやり方へ移行します。

手作業への逃げ道をなくす

Sherwin Wu V2：「OpenAI では今、100％ Codex が書いたコードベースを維持する実験を実際に行っているチームがあります。彼らは、あなたが説明しているのとまったく同じ問題に直面しています。普通なら、『よし、袖をまくって自分で解決しよう』となるところです。このチームには、その逃げ道がありません。」

エージェントが苦戦しているときに、手作業でコードを修正したくなる気持ちを抑えます。代わりに、AI だけで問題を解決するために必要なモデル誘導の技術を習得することに取り組みます。

複数モデルによるピアレビュー

Zevi Arnovitz：「間違いを見つけるのはとても難しいです。私なら、基本的には /review を実行します。これで Claude にコードのレビューを開始させますが、さらに便利なのは、Codex と Cursor も開いていることです。それぞれにコードをレビューさせます。」

デプロイ前に異なる AI モデル同士で相互確認させ、ロジックの誤りを見つけることで、技術的な知識の不足を補います。

テンプレートとフレームワーク

• AI エージェントビルダー用メタプロンプト（AI エージェントでプロダクトマネジメントを再び楽しく） - 詳細な調査機能を備えた LLM（o3 Deep Research または Perplexity Deep Research）に貼り付ける包括的なプロンプトです。プラットフォーム固有の、ste
• Devin（自律型 AI エンジニア）の 10 のユースケース（Devin を 1 年間無料で利用：世界最先端の自律型 AI ソフトウェアエンジニア） - チームが Devin を活用できる具体的な方法を 10 個挙げています。基本的なエンジニアリングタスクから、より広範なプロダクトや分析業務へと進んでいきます。
• タスク委任のためのジュニアインターンテスト（AI エージェントでプロダクトマネジメントを再び楽しく） - どのタスクを AI エージェントに委任するかを見極めるためのメンタルモデルです。経験ゼロでも賢く意欲的なジュニアインターンに任せるタスクかどうか、自問してみましょう。
• /peer review コマンド（Zevi Arnovitz） - Claude を、他のチームリード（他の AI モデル）からコードレビューのフィードバックを受け取る開発リードとして位置付け、判断を擁護するかどうかを指示するプロンプトです
• AI プロジェクト計画用 PRD（Markdown ファイル）（Lazar Jovanovic） - AI コーディングエージェントがプロジェクトのスコープを見失わないよう、継続的かつ動的なコンテキストを提供するための一連の Markdown ドキュメントです。
• 4x4 デバッグフレームワーク（Lazar Jovanovic） - コーディングの知識がなくても、AI が生成した壊れたコードを修正するための 4 段階の逐次プロセスです。
• /exploration phase コマンド（Zevi Arnovitz） - コードを書く前に問題を深く調査するよう Claude に指示するプロンプトです。Linear からコンテキストを取得し、コードベースを分析して、明確化のための質問をします
• /create plan コマンド（Zevi Arnovitz） - 調査のやり取りを基に、各タスクのステータストラッカー、TLDR、重要な決定事項、タスクのブレを含む、構造化された Markdown の計画ファイルを生成するプロンプトです

詳細を含む全リストについては、references/artifacts.md を参照してください。

ユーザーに役立つ質問

• 「現在、チームの作業を最も遅らせている反復的なエンジニアリングタスクは何ですか？」
• 「新しく参加したメンバーにコードベースの構造を説明する既存のドキュメントや Markdown ファイルはありますか？」
• 「バグを手作業で修正するのではなく、エージェントに再度プロンプトを入力することに、どの程度抵抗なく取り組めますか？」
• 「Slack や Linear など、エージェントに連携させたいコミュニケーションツールはありますか？」
• 「エージェントが従うべき、成功の明確な定義や理想的なプルリクエストのテンプレートはありますか？」

注意すべきよくある間違い

• 雰囲気コーディング - 実装の詳細を十分に理解しないままコードを生成すると、保守できないシステムにつながります。
• 曖昧なプロンプト - 細かく具体的な技術的制約を示さなくても AI が意図を理解すると考えると、期待に沿わない出力になります。
• 手作業での介入 - AI が軌道を外れたときに手作業でのコーディングに戻ると、長期的な規模拡大に向けてモデルを効果的に誘導する方法を学べなくなります。
• 同期的なマネジメント - エージェントを非同期で働くチームメンバーではなくチャットツールとして扱うと、並列開発による成果を得られません。

詳細

15 人のゲストから得られた 31 件の知見すべてについては、references/guest-insights.md を参照してください。

関連スキル

• PRD の作成
• リリース速度
• AI 支援プロトタイピング
• プロダクトツールスタック