Claude Code、Codex、Gemini CLI、Cursor。どれを使っても、ある晩かならず出会う光景があります。
「修正しました」と言われて、テストを回すと、さっきまで緑だった別のテストが赤い。
この記事は、その“直したら壊れた”ループを、ルールの書き方・別のAIへの聞き方・最後に機械で止める門番の3点で断ち切るための実装キットです。
数値はすべて筆者の実機で測ったものだけを載せています。
深夜3時、「修正しました」が止まらない
瑞希「シロイ、見てくださいまし。深夜3時から同じ不具合をAIに直させて、『修正しました』を聞くのはもう何度目かわかりませんわ。しかも直るたびに、別のテストが赤くなりますの」
シロイ「……ん。ログを見た。直すのも確かめるのも同じモデルだね。自分の書いた答えを自分で採点すると、点は甘くなる」
瑞希「だって、ほかのAIに見せるのは手間ですし……そうこうしているうちに、5時間の利用枠が残りわずかですわ」
シロイ「……ん。手間を省いた分、枠で払ってる。今夜の請求書は、たぶんそっちのほうが高い」
起きていることは単純です。
実装したAIが、そのまま自分の差分をレビューしている。だから見落とし方も同じで、「直った」と判定した箇所の外側で別の箇所が壊れます。
そこへ数百行に膨らんだ CLAUDE.md が毎ターン読み込まれ、肝心の禁止事項は文章の奥に沈んでいく。利用枠とAPIクレジットだけが確実に減っていきます。
この記事で解く3つの痛み
| 痛み | よくある対処 | 実際に起きること | このキットの対処 |
|---|---|---|---|
| 修正ループ | 同じAIに「もう一度見直して」 | 同じ盲点で同じ見落とし | 異種AIに3往復だけ監査させる |
| 肥大したルール | 事故のたびに1行追記 | 毎ターン遅く高くなり、小さいモデルは規則を落とす | 50行以内の索引型に置き換える |
| モデル選び | 迷ったら最上位モデル | 枠とクレジットが先に尽きる | 4層で振り分け、最後は¥0の決定論ゲート |
直感に反する3つの発見(実機計測)
検証環境
計測はすべて筆者の開発機で行いました。
- AMD RYZEN AI MAX+ 395(統合メモリ128GB構成)/Ubuntu 24.04.5 LTS/Python 3.12.3
- Ollama 0.40.8、ローカルLLMは
qwen3.6:35b-a3bとgemma4系 - 条件は
temperature: 0、format: "json"、think: false。各条件3回
ローカルLLM 3モデルの速度とJSON精度だけを比べた無料の姉妹記事も公開しています。今回の土台になった計測です。
https://note.com/shiroi1229/n/n9b2f053609f7
発見1:大きいモデルは長いルールも守る。だから肥大に気づけない
1,800行(108,124字)の手引きの文章中に5つの規則を埋めた版と、同じ5規則を57行(3,741字)の索引型に書いた版。この2つを、同じ3つのレビュー課題で比べました。
| 指標 | 1,800行の肥大版 | 57行の索引型 |
|---|---|---|
| 入力トークン(qwen3.6:35b-a3b) | 28,533.7 | 1,331.7(95%減) |
| 初回の応答開始(qwen3.6:35b-a3b) | 24,902ms | 1,261ms |
| 初回の応答開始(gemma4:31b) | 132,826ms | 6,177ms |
| 規則の遵守(gemma4:12b) | 2/3(66.7%) | 3/3(100%) |
| 規則の遵守(qwen3.6・gemma4:31b) | 3/3 | 3/3 |
正直に書きます。大きい2モデルは、1,800行でも規則を守りました。
規則を落としたのは小さい gemma4:12b だけで、3回中1回、文章の奥に埋めた5番目の規則(R5_PUBLIC_DOMAIN_ONLY)を見落としました。
ここが落とし穴です。大きいモデルは長くても守るので、肥大化に気づけない。そのかわり毎回、約20倍のトークンと待ち時間を払い続けます。
発見2:同じAIに見直させても、見落としは減らない
不具合を4つ仕込んだPython関数を用意しました。境界の1ずれ、例外の握りつぶし、タイムアウトの欠落、floatでの金額計算です。
| レビュー方式 | 検出 | 見逃したもの |
|---|---|---|
| qwen3.6:35b-a3b の自己レビュー | 3/4(75%) | floatの丸め誤差 |
| gemma4:12b の自己レビュー | 3/4(75%) | 例外の握りつぶし |
| 決定論ASTゲート単体 | 3/4(75%) | 境界の1ずれ |
| 異種AI 3往復+ASTゲート | 4/4(100%) | なし |
面白いのは、75%どうしの見逃しが別の場所だったことです。モデルごとに盲点が違う。だから同じモデルに何度見直させても埋まらず、別のモデルに当てると埋まります。
3往復は、gemma4:31b が批評し、qwen3.6:35b-a3b が直し、再び gemma4:31b が承認する流れです。
批評役は仕込んでいない「未使用の引数」まで指摘し、修正後の差分はASTゲートの指摘0件で通りました。
ただし4件の仕込みバグでの結果です。どんな不具合も見つかるという意味ではありません。
発見3:最初に置くべきは「賢いモデル」ではなく「決定論ゲート」
同じ4件に対して、ASTゲート(Pythonの構文木を機械的に調べるだけの検査)は約1.2ミリ秒で3件を見つけました。費用は¥0です。
一方、3往復の1往復目、gemma4:31b の批評には36.3秒かかっています。
つまり順番が大事です。機械で判定できるものを先に1ミリ秒で落とし、AIには「意味を読まないと分からない残り」だけを渡す。賢いモデルを最初に呼ぶのは、いちばん高くつく順番です。
この設計を鍛えた本番環境
この記事の設計は、机上の思いつきではありません。
筆者が運営するシロイスタジオ(25xx STUDIO)は、SF世界観 World Archive 25XX の小説・動画・技術記事を作っています。
制作は、複数のAIエージェントで毎日回しています。
その開発環境の入口は、57行の AGENTS.md と48行の DEVELOPMENT.md の2枚だけです。
| 項目 | 実数 |
|---|---|
| 管理しているモジュール | 982 |
| 品質ゲートで固定した検査点 | 3,916 |
| 公開済みの動画 | 190本 |
| エージェント共通の入口ファイル | AGENTS.md 57行/DEVELOPMENT.md 48行 |
制作した動画はYouTubeで公開しています。
https://www.youtube.com/@shiroi1229_studio
瑞希「57行で982モジュールが回っているなんて、正直、桁を見間違えたかと思いましたわ」
シロイ「……ん。中身を書かないから短いんだ。規則の本文は各アプリのREADMEにあって、AGENTS.mdは『何をするときに、どこを読むか』だけを持ってる」
瑞希「辞書の本文ではなく、目次だけを毎回渡す……と。それなら長くなりようがありませんわね」
シロイ「……ん。長くならないから、AIも最後まで読む。逆説みたいだけど、それが一番効いた」
放置コストを計算してみる
ループを放置すると、何が失われるのか。実測ではなく、条件を明示した試算です。数字はご自身の現場に置き換えてください。
| 項目 | 前提・式 | 月額 |
|---|---|---|
| 手戻りの時間 | 週3回 × 40分 × 4.33週 = 519.6分(8.66時間) | ― |
| 手戻りの人件費 | 8.66時間 × 時給3,000円 | 25,980円 |
| 最上位モデルだけで回すAPI費 | 月200タスク × 3.2回 × 1回26.21円 | 16,776.01円 |
| 4層に振り分けた場合のAPI費 | ローカル130件¥0+高速モデル60回+最上位22回 | 374.34円 |
| 防げる損失の合計 | 25,980円 + 差額16,401.67円 | 42,381.67円 |
API費は、肥大版の28,534トークンを毎回読ませる前提です。
単価は100万トークンあたり、Claude Opus 5.5が入力$4/出力$20、Sonnet 5.5が$2/$10。1ドル159.70円で、2026年11月14日に確認した値です。
手戻りがゼロになる前提なので、上限の目安として見てください。半分しか防げなくても、月2万円を超えます。
導入判断:採用(Go)/見送り(No-Go)
合わない人に買わせても、お互い損をします。判断基準を先に全部出します。
| 判断 | 条件 |
|---|---|
| 採用(Go) | 週に何度もAIへ修正を任せている/同じバグの再発を経験した/ルールファイルが100行を超えた |
| 条件付きGo | チームの承認が必要。まず個人リポジトリの Staging QC 設定で2週間試す |
| 見送り(No-Go) | AIコーディングを使っていない/使い捨てスクリプトしか書かない/既に異種AIレビューとCIゲートを運用中 |
ここから先で渡すもの
まとめ
ループの原因は、AIの賢さ不足ではなく構造です。
同じAIに採点させない。ルールは目次にする。最後は機械で止める。この3つを、今日コピペで入れられる形にしました。
有料パートの収録物
| # | 収録物 | 形式 |
|---|---|---|
| 1 | 50行索引型 AGENTS.md/CLAUDE.md テンプレート | Markdown(コピペ用) |
| 2 | 異種AI 3往復セカンドオピニオン指示文パック+4層モデル振り分け表 | テキスト+判断表 |
| 3 | ai_workflow_gate.py(標準ライブラリのみ・実行確認済み)+pre-commit/systemd/GitHub Actions 設定 | Python・Bash・YAML |
| 4 | 実機の計測レシートと標準出力ログ(verified_at/input_sha256 付き) | JSON・テキスト |
| 5 | 判断記録 ADR-2026-MULTI-AI-GATE、4つの運用プロファイル、失敗回避チェックリスト10項目、3分トリアージ表 | Markdown |
¥380のROI:何分で回収できるか
時給3,000円なら、1分あたり50円です。
¥380 ÷ 50円 = 7.6分。修正ループを1回(40分)防げば2,000円分の時間が戻るので、最初の1回で元が取れます。
向いている人/向いていない人
向いている人:
- Claude Code・Codex・Gemini CLI・Cursor を毎日使い、修正ループで利用枠を溶かした経験がある
CLAUDE.mdやAGENTS.mdが長くなり、守られていない気がしている- ローカルLLM(Ollama)を、レビュー係として実務に組み込みたい
向いていない人:
- AIにコードを書かせていない、または今後も予定がない
- 理論の解説だけを読みたい(この記事の中心は貼って動かす現物です)
返金とPDF特典について
本記事はnote公式の返金申請を受け付けています。内容が合わなかった場合は、noteの規約に沿って申請してください。
瑞希「つまり必要なのは三つですわね。短い目次、別のAIに投げる質問文、それから最後に機械で止める門番」
シロイ「……ん。三つとも、そのまま貼れる形で下に置いた。考える時間は、自分のバグのほうに使って」