LLM-as-judge（AI審判）は初期段階では信用できない──ドメイン知識で5回修正した実装記

OpenAI・Anthropic の公開情報をもとに、複数エージェントの並列化が処理速度に与える影響を分析。Anthropic Research では調査時間を最大 90% 短縮した事例がある一方、token 消費が 15 倍に増える、依存関係の強い作業には向かない、別のボトルネックが生じるなどの課題がある。エージェント数より「仕事をどこまで独立した単位に分割できるか」が重要。

LLMに開発を依頼する際、コードに書かれていない「暗黙の意図」は確実に伝わらない。Todoアプリの修正事例を通じ、仕様書・自動テスト・構造的な設計が互いに補完し、運用ルールとして強制することの重要性を検証。単なるセッション会話やドキュメント作成だけでは不十分。

Claude API の Token Counting API (count_tokens) を使い、リクエスト送信前に正確なトークン数を見積もる実装方法を解説。system プロンプトと tools を含めないカウントミス、実際の課金額との数トークンのズレ、count_tokens 専用のレート制限の 3 つのハマりどころと回避策を具体的なコード例で提示する。

Anthropic公式の Claude Code スキル認定バッジ取得者が、企業導入支援の経験から「押さえておきたい勘所」を 25 問のクイズ形式で体系化しました。CLAUDE.md・権限管理・CI/CD・Skill・カスタム機能など、実務レベルの活用ポイントを対話形式で検証できる教材として配布中。