SREインターンが取り組んだ「AIエージェントの高速化」と「AIによるSQLレビューの品質向上」

LLM ベースのエージェント実装で途中で止まる・コストが読めない状況から脱するための実践教材。ReAct ループの Python 実装から状態管理・メモリ・マルチエージェント・隔離実行・人間の介在・可観測性まで、本番運用に耐える設計判断基準を Docker 内でローカル完結で習得。

AI自己改善ループを長期運用する際に避けられない3つの問題（ログ肥大化、トークン制限、パース失敗）と、その対策パターンを実装経験から解説。チャンク分割・事前計測・クリーンなテキスト化など、継続的な運用を前提とした設計アプローチを提示する。

Agent 型 AI 開発で作業ログから継続的にルールを自動更新する際、ログの振り返りだけでは実務で機能しない問題に対し、気づきを検索可能な単位に「蒸留」する 2 速メモリ仕組み（素ログ取得と AI による定期カード化）を提案。決定の結果追記・3 分類トリアージなど 5 つの工夫により、積み上がる学習を複利的に生かす実装方法を示す。

Call of Duty: Modern Warfare 2 のデコンパイル実験で、Maurice Heumann が 47 回のサブエージェント実行ログを分析し、大きいファイルの 54.7% が重複読み込みされていたこと、重複読みの中位間隔が 35 分だったことを発見。コンテキスト隔離と重複読み込みは同じコインの両面であり、サブエージェントを削除すると 1 日あたりのコミット数が 243.9 から 311.1 に増加した。