AGENTS.md の効果を 4 モデル × 330 実験で検証——セクション別の記載内容が Agent の成功率に与える影響
Hiroba による自動要約
複数の Claude モデル (Fable 5、Opus 4.8、Sonnet 5、Haiku 4.5) を用いて、AGENTS.md の各セクション(セットアップ・コマンド、アーキテクチャ図、生成物警告、DoD、規約など)の記載が Agent のタスク達成率に与える影響を、小規模・大規模 2 つのテストベッドで計 330 回実験して検証。踏みやすい「罠」を埋め込み、AGENTS.md のどの要素が Agent の失敗を防ぐかを機械的に測定。
読んで良かったら、シェアしてみてください。
同じタグの記事が他に 6105 件あります。
関連する記事
同じタグの記事


作って分かる!AIエージェントのハーネス入門 ガードレールと品質ゲートで暴走と手抜きを止める
ZennAIエージェントの「テスト通過の虚偽報告」や「無断の依存追加」の原因を、モデルではなくハーネス側の制御・検証機構の欠如と位置づける Zenn の無料本。Anthropic・OpenAI の公式資料を基に、ガードレールと品質ゲートの設計、Go・.NET・TypeScript 向けツール、CRAP 値・mutation testing・property-based testing によるテスト強度の検証を、動作確認済みの設定とサンプルで段階的に解説。Agent にコード生成を任せる開発者向け。

Claude Code が書いた計画を、書いた本人ではなく会話に居なかったサブエージェント 2 体に読ませ、指摘 1 件ずつに裁きを付ける
Qiita計画を書いた本人のセッションでなく、会話を共有しないサブエージェント 2 体 (反対側から崩す adversarial-reviewer と、より良い結論を探す best-path-reviewer) にレビューさせる手順の解説。`.claude/agents/` への定義例、渡すのはパスのみ、指摘に「外れる条件」を付与、adopt / rebut / defer / escalate の 4 種で裁いて計画ファイル末尾に記録する運用を提示。Claude Code で計画レビューの質と追跡性を上げたい開発者向け。

OpenCode Go × dsh で月$10 — Opus 5.5 で計画し、DeepSeek V4.1 Flash に大量実行させる
Zenn計画・タスク分解・最終レビューを Opus 5.5 (Claude Pro 月$20)、実装・調査・テストを OpenCode Go (月$10) 経由の DeepSeek V4.1 Flash に分担させる構成の解説。実行ハーネスを DeepSeek Harness (dsh) に置き換えることでキャッシュヒット率と出力速度の改善を見込む。ベンチマーク比較、導入手順、コピペ用プロンプトを掲載。トークン代を抑えてサブエージェントを大量に回したい開発者向け。