GeminiからClaudeに移行したら、コードが190行になった

LLM長期対話の「鈍り（context rot）」と「偏り（attractor）」という二つの劣化に対し、セッションを「延命」ではなく「切れてよい構造」にする方針で Streamlit ツールを開発。Git の地層管理に倣い、要約ではなく時系列の「地層」として記録を保持し、セッション間での概念の変遷を照合キーワードで追跡。実装失敗を含めた設計判断の記録。

Claude・GPT・Gemini・Grok を単一インターフェースで束ねた TRPG-GM Kataribe の開発で遭遇した「OpenAI 互換は嘘」の実例。tool_choice・JSON Schema・プロンプトキャッシュは各社の解釈が異なり、エラーなく無言で仕様が落ちる。canonical 型とアダプタ 3 枚で方言を吸収し、トークン数で一次検証する設計を紹介。

AIエージェントの総運用コストはLLM推論料金だけでなく、ネットワーク転送・ストレージ・コンピュート費が40～60%を占める。Google CloudとAnthropicのPrompt Caching、LLMカスケード、オーケストレーション設計を組み合わせた5軸のコスト最適化アプローチを具体例とともに解説。

ユーザーが Claude API と Max サブスクリプションで遭遇した 3 つの成本錯覚を実測データで検証。ポイント換算の誤り（100 倍差）、サブスク利用時の実投資価値の計算（月額 200 ドル相当が実際には 1 万ドル弱の API 消費量に相当）、Token 圧縮の効果を分析し、AI 利用時の真の支出構造を読み取る方法を提示している。