自己改善ループを実装で理解する — モデルではなくハーネス側に知見を積む

6 つの AI コーディングエージェントに同一仕様のタスク管理アプリ（FastAPI + Vue 3）を作らせる実験でのGitHub Copilot Agent（Claude Opus 4.8 ベース）の結果。24/24 の共通テスト全合格（6 エージェント中唯一）、開発時間 13 分、やり取り回数 25 回（最多）で総合 79.4 点（2 位）を達成。仕様忠実性とコードの堅牢さで際立つ一方、開発スピードの面で課題あり。

SES 6名のチームでフルスクラッチ開発に Claude を導入した 5 ヶ月の運用で、同じツールでも使い手によって成果が大きく割れることが判明。従来の「人を増やす＝分業」モデルは変容しており、今後の価値は実装ではなく設計・品質評価側へシフト。パイプライン・ワークフロー設計と human-on-the-loop による監督が重要度を増す。

Claude Code で実装タスクを高速化させると、レビューがボトルネックになる課題に対し、Verification（技術的正確性）と Validation（要件充足性）の 2 軸を別々のサブエージェントに分離する設計を紹介。.claude/agents/ に code-verifier と requirement-validator を配置し、それぞれ異なる情報・判断基準で動かすことで、「完璧に動くけど見当違い」な実装を捕捉可能にする。

Amazon Bedrock AgentCore と Claude を組み合わせた MV 自動生成エージェントを実装しました。S3 に画像を置くだけで、Claude が画像分析・コンセプト生成・作詞・リップシンク判定を自律的に行い、外部 API (fal.ai / ElevenLabs) と連携してミュージックビデオを完成させます。Strands Agents フレームワークでエージェントオーケストレーションを実現。