ログ肥大・トークン制限・パース失敗 ― ループを回し続けると必ず出会う3つの壁

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。

AI Agent がコード生成と検証を担当する時代でも、人間が仕組みを理解しておくことは重要。ただしその理由は正当性確認ではなく、次に何を作るかの創造的プロセスに参加するため。AI の生成速度に人間の理解が追いつかず「理解そのもの」がボトルネックになるリスクに対し、Notion のデザインエンジニア Geoffrey Litt が提案する 3 つの対処法（説明・マイクロワールド・共有スペース）を解説。

AI ループ自体を開発した 2 ヶ月半の経験から、良い AI ループの 5 条件をまとめた。生産性の高さ、自立性、作業制御、安全性、人間の主導権を備え、高品質な成果物を多く安価に生み出しながら、目的と最終判断を人間が保つ仕組みが必要となる。