AIにアプリケーションを作ってもらおうとしたとき、私は一つのチャットで何でも続けていました。質問して、作ってもらって、動作を確認して、修正を頼む。また分からないことが出たら、同じ場所で質問する。その繰り返しです。
作業を進めるうちに、途中で伝えた指示が抜けたり、話がかみ合わなくなったりしました。当時はその理由が分からず、修正のたびに混乱していました。
自分用の家計簿を完成させるまでに、効果を感じた進め方の変更がありました。それは工程を分け、一つのチャットで作業を続けないということでした。今では常識となりつつあるようなことでも当時はその当たり前すらわかっていないスタートだったということですね。
今回は、その経験と、そこからローカルAIでも試すようになった開発の進め方をまとめます。
ChatGPTに移ってからも、一度は頓挫しかけた
最初の開発はAntigravityで試し、途中で諦めました。その後、ChatGPTとCodexで家計簿づくりに再挑戦しましたが、こちらも最初から順調ではありませんでした。
私はまだ、AIに渡す会話や資料、つまりコンテキストの扱いをよく理解していませんでした。同じチャットにやり取りを積み重ねていけば、そのまま最後まで作れると思っていたんですね。
実際には、開発が進むにつれて、途中で決めた内容が反映されなくなることがありました。どのような仕組みで指示が抜けたのかを検証したわけではありませんが、自分の進め方を変えなければ難しそうだと感じました。
そこから、チャットを分けること、次へ渡す内容を資料としてまとめることを徐々に覚えていきました。といってもこれは自ら編み出したというわけではなく、YouTubeで開発手法をみて、見よう見まねで徐々にやり方を変えていったという感じでした。
作業の区切りで、チャットと資料を分ける
進め方で一番効いたと感じるのは、フェーズを分けることでした。今の作業を終えて、次の作業へ進むときにはチャットも分ける。一つの会話ですべてを抱え込まないようにしました。
その際、会話だけで引き継ごうとせず、資料にまとめてもらうことも意識しています。資料があれば、新しいチャットでも、そこを参照して続きの作業を頼めます。
現在は、フェーズごとに資料のフォルダも分けています。これは自分から指示を出しやすくするためでもあります。何の資料を見てほしいのか、どの工程の作業を頼みたいのかを整理しやすくなりました。
チャットを新しくするだけで、何でも解決するわけではなかったですがそれでも、私にとっては、長い会話の中で混乱しながら修正を続けていた状態から抜け出す大きなきっかけでした。
今、ローカルAIで試している工程の分け方
現在、ローカルAIで開発を試すときは、次のように工程を分けています。
- 要件定義で、何を作りたいかを整理する。
- 基本設計をまとめる。
- 実装に入る前に、作業をタスクへ分割する。
- 分割したタスクを実装する。
- テスト項目を作り、確認する作業も分ける。
- テストを実施する。
そして、フェーズの間で高性能なモデルに小分けにレビューを頼みます。進め方がずれていないか確認し、必要なら修正してから続きを進める形です。
これは、今ローカルAIで試している進め方です。家計簿を作った最初から、この流れをすべて整えていたわけではありません。家計簿の開発でチャットや工程を分ける効果を感じ、その考え方を少しずつ整理してきました。
ChatGPTは、節目の確認やレビューにも使う
ChatGPTの高性能モデルを使う場合は、ここまで厳密に工程を区切らなくても進められると感じています。ただ、使い続けていると使用量の制限が気になります。
そこで、ローカルAIで作業を進め、ChatGPTの高性能なモデルにはフェーズごとの確認やレビューを頼む、という分担を試しています。私の感覚では、節目で確認を入れた方が生成物が安定します。
実装そのものには、ローカルAIでもできそうだという手応えがあります。一方、その前後の難しい判断では、今もChatGPTの高性能なモデルを頼りたいと感じます。
ただし、この分担で日常の開発を安定して任せられるようになった、とまでは言えません。モデルの癖や、周辺の仕組みも含めて、まだ試している段階です。
進め方だけでなく、モデルの変化も大きかった
ここまで方法の話を書きましたが、成功した理由をすべて自分の工夫に結び付けるつもりはありません。
正直なところ、ChatGPTの新型モデルであるGPT-6のAstraが利用できるようになったときの変化は、それ以上に大きく感じました。やれることが一気に変わった印象があります。
一方で、今の進め方を当時知っていれば、その前に使っていたGPT-5.6 Solでも家計簿を完成させられただろうとも思います。これは同じ条件で試し直した結果ではなく、今振り返っての感想です。少なくとも完成間際まではGPT-5.6 Solを利用していたので、使い方さえちゃんとしていれば完成していたと思っています。
モデルの能力が上がったことと、自分が依頼や引き継ぎの方法を覚えたこと。その両方が重なって、完成まで進められたのだと思っています。
ローカルAIでは、途中で止めることもある
ローカルAIでは、考え続けて同じようなところを回る、思考のループのような状態になることがあります。その場合はモデルを変え、それでも起きるなら自分で強制的に止めて、指示を出し直しています。
期待した役割をうまくこなせないモデルは、担当範囲を減らしたり、別のモデルへ入れ替えたりもします。長くなりすぎないよう出力を簡潔にするスキルを使い、AIを動かす周辺の仕組みであるハーネスの設定も見直しています。
工程を分けて頼むことに加えて、返ってくる内容や動き方を見ながら調整する。この手間は今も残っています。
それでも、何が起きているか分からないまま一つのチャットで修正を重ねていた頃より、試す方向は整理できるようになりました。次は、この進め方を個人ブログの執筆補助や情報収集にも活かせないかと考えています。
家計簿で減らせた手作業については「AIでの開発に一度挫折した私が、家計簿の手作業を減らすまで」、ローカルAIの環境については「RyzenのローカルAIサーバーを買った理由と、使って分かった難しさ」にまとめています。
コメント