ほとんどの人は今でもAIコーディングアシスタントについて同じ比喩で語ります:副操縦士。
あなたが運転していて、AIがあなたの隣に座って、いくつかのボイラープレートを自動補完し、あなたが制御を維持している間に1つか2つの関数をスケッチするかもしれません。それは素敵な物語であり、小さなタスクには正確でさえあります。
しかし、トレーディングエンジン、デザインシステム、複雑な製品など、実際のものに取り組み始めると、そのメンタルモデルは崩れ始めます。「サイドバーに1つのAI」という図は平坦すぎます。それはAIをやや魔法のテキストエディタとして扱っていますが、実際にはチームの別のメンバーになりつつあります。
実際のプロジェクトに取り組む中で、私は非常に異なる作業方法に行き着きました。最初は設計によるものではありませんでした。それは必要性から生まれました。
もう「私+1つのモデル」ではありません。
それはトライアドです:
- 現実へのアクセス権を持つオーケストレーターとしての私。
- 実行エンジンとして私のリポジトリとツールに接続されたClaude。
- システムの頭脳としてのChatGPTとClaude.ai。ポリシーを設計し、混乱を理解する反射的な思考者。
そして、これらすべてのポイントは「私がどれだけ多くのAIをジャグリングできるかを見てください」ではありません。ポイントは:このセットアップにより、下のアーキテクチャを静かに破壊することなく、バイブコーディングの最良の部分を保持できます。
「バイブコーディング」で実際に何を意味するか
バイブコーディングと言うとき、私は多くの人が今すでにAIで働いている方法について話しています。そう呼ぶかどうかに関係なく:
モデルを開き、大まかなコンテキストを投げ込み、会話的に構築を始めます。モジュールをスケッチさせ、物事をリファクタリングし、関数を再編成します。最初に10ページのデザインドキュメントを書く代わりに、「このように構造化したらどうなるか?」と尋ねます。ソリューションが現れるにつれて、その感覚に従います。
それは酔わせるほど速いです。また、トラブルに巻き込まれるのも非常に簡単です。
失敗モードはおなじみです:
- 「正しく聞こえる」が、システムが実際に本番でどのように動作するかと一致しない修正。
- 断片的に現れるアーキテクチャで、なぜそのように見えるのかについての共有言語がない。
- AIスパゲッティのゆっくりとした忍び寄り:今日は機能するが、6か月後には誰も理由を説明できないパターン。
しばらくの間、私はそれをトレードオフとして受け入れました。スピードを得て、将来の痛みで支払います。
トライアドは、そのトレードオフを騙す私の方法です。
3つの席、3種類の思考
私のメンタルモデルを変えたのは、「ツール」の観点から考えるのをやめ、役割の観点から考え始めたことです。私が今構築するとき、テーブルには3つの明確な席があります。
1. オーケストレーター(人間)
これは私の仕事、私の役割です。
私だけが特定のことを見て知ることができます:
- デザインの意図
- ライブログ。
- 誰も書き留めなかったユーザーがヒットする奇妙なエッジケース。
- すべてに関するビジネス制約とリスク許容度。
また、「テストは合格しているがこれは間違っていると感じる」、または「今日はこれで十分です。後で固めます」と言えるのは私だけです。
それがオーケストレーターの役割です:すべてのタイピングをすることではなく、すべてのモジュールを頭に入れることではなく、決定することです:
- 実際に解決している問題は何か。
- どのエージェントに投げるか。
- いつ停止、ピボット、または出荷するか。
副操縦士の比喩が人間を運転席に置き、役立つアシスタントを置く場合、トライアドは人間を監督の椅子に置きます。
2. 実行エンジン(Claude + コードアクセス)
次の席:実際にリポジトリに触れるAI。
これは、私のコードに接続され、診断を実行し、ファイルを編集し、リファクタリングし、テストを書くClaudeです。それは、コードベース全体を1回でスキャンし、「ところで、このパターンは8か所に現れます。1つではありません」と言うことができるチームの一部です。
このエージェントに仕事を与えるとき、私は哲学を求めていません。次のようなことを言っています:
「DBにシグナルを書き込んだ後、メモリ内キャッシュにも入力する必要があります。それを配線し、キャッシュに実際に何があるかを確認できるように簡単な診断エンドポイントを追加してください。」
「ボットが取引をスキップすることを決定するたびに、理由を含む構造化ロギングを追加してください。」
うまく使用すると、この席は非常に速く、非常に勤勉なジュニアエンジニアのようです。誰かがそれに何をすべきかを伝え、実際にそれをしたかどうかをチェッ�����す ��限り、迅速かつ一貫して膨大な量の作業を行います。
不適切に使用すると、幻覚を見るアーキテクトになります。
だから私は主にClaude Codeにアーキテクチャをそ頼しません。最初に計画作業を行わずにはありません。
3. システムの頭脳(ChatGPT + Claude chat)
3番目の席は、コードに直接触れないが、すべてがどのようにまとまっているかに深く関心を持っています。ChatGPTはこれに最適です。また、フォローアップで「探偵」としてClaude.aiとのリズムにも入りました。
システムが誤動作している理由がわからない場合、または構造的決定を下そうとしている場合、または厄介なバグの反対側から抜け出したばかりで、それを繰り返さないようにしたい場合、これは私が話す席です。
私が尋ねるのは次のとおりです:
「これが私が見ている動作です。これがログです。そして、これがシグナルパイプラインがどのように機能するはずかのおおよそです。これらすべてを一度に説明する何が間違っている可能性がありますか?」
「このトレーディングシステムのためのより安全な監視レイヤーが欲しいです。現在のアーキテクチャを説明します。いくつかのパターンとトレードオフを提案するのを手伝ってください。」
深い読み取りが必要な場合は、コードのチャンクやスタックトレースを渡すこともあります。長い集中的なコードウォークスルーのために、同じ席でClaude chatを使用することもあります。
重要な部分は:この席は体系的な思考を行う場所です。ルールを設計します。パターンを見つけます。一回限りの修正を「今後はこのようにします」に変えます。
次に、私は振り返って、それらのルールを実行エンジンに渡します。
トライアドセッションが実際にどのように感じるか
これを理解する最も簡単な方法は、典型的なデバッグまたは構築セッションが現在どのように見えるかを歩くことです。詳細な物語ではなく、形だけです。
それは通常、現実で何かに気づくことから始まります:P&Lがあるべきでないときに平坦である、昨日積極的だったボットが静かになった、またはヘルスチェックが警告のロギングを開始します。
最初の動きは常に同じです:証拠を集めます。
問題を再現します。ログ、スタックトレース、期待していたものの横にUIのスクリーンショットを取得します。何が起こると思っていたか、実際に何が起こったかを説明する2、3の文を書きます。
次に、それをコード編集モデルに直接投げることはしません。最初にシステムの頭脳にブリーフィングします。
「これが動作です。これがシステムのこの部分がどのように機能するはずかについて知っていることです。これが証拠です。それについて推論するのを手伝ってください。」
この段階で私が望んでいるのは修正ではなく:
- いくつかのもっともらしい仮説。
- 順序付けられた計画:「これをチェックし、次にこれ、次にこれ。」
- システムが健全である場合に保持すべき不変量のリマインダー。
たとえば、ある記憶に残る朝の場合、次のものがありました:
- 実行中として表示されているボット。
- 70〜100%の信頼度でシグナルを喜んで表示するUI。
- ゼロの取引が通過しています。フラットライン。
その混乱から、システムの頭脳の仕事は、「わかりました。UIがそれらを表示している間、ボットがシグナルが存在しないかのように動作する場合、異なるソースから読み取っているか、DBとボットの間で何かが壊れています。これらの可能性をテストする方法は次のとおりです」と言うことでした。
そのフレーミングで武装して、次にリポジトリアクセスでClaudeを持ち込みます。
今、私は言うことができます:「これが計画です。必要な診断スクリプトを構築してください。シグナルフローを計測してください。紙上のアーキテクチャから現実がどこで逸脱しているかを示してください。」
時々それで終わりです。時々バグはハイドラであることが判明し、調査のラビットホールを引き起こします。
そのような場合、物事が落ち着いたら、システムの頭脳に戻って言います:「わかりました。3つの異なる場所で同じ形のバグを修正しました。一般的なルールを明確にし、実施できるものに変えるのを手伝ってください。」
それは通常、1〜2ページの散文になります:
- 何が間違っていたか。
- ルールは何であるべきか(「すべての外部APIに対してNoneをファーストクラスのエラー状態として扱う」)。
- それをどのように実施するか(共有ヘルパー関数、テストカバレッジ、ロギングパターン)。
次に、Claudeはそれを入力として取得し、実施を実装します。そして、私はわずかにより堅牢なシステムと、将来のセッションに供給できる共有言語の一部を手に入れます。
そのループ:証拠 → 推論 → 実装 → 現実チェック → ポリシーは、トライアドの心臓の鼓動です。
これが混乱に変わるのを防ぐパターン
これを機能させ、「1つの巨大で乱雑なチャットログ」に戻るのを防ぐいくつかの習慣があります。
1つ目はベースラインから始めることです。AI会話は、許可すると抽象化に流れる傾向があります。ログ、スクリーンショット、具体的な例をミックスに持ち込むことで、すべてを固定します。「これが実際のスタックトレースです。」「これがボットが取引を停止する直前にログに記録した警告です。」それが、モデルが存在しないシステムのための美しいアーキテクチャを設計するのを防ぐものです。
2つ目は、各席に適切な種類の作業を与えることです。これを忘れて、Claude-with-codeにアーキテクチャを設計すると同時に実装するように依頼すると、通常後で後悔します。それは機能するものを構築しますが、その背後にある推論は、単一の一貫した意図として捕らえられるのではなく、数十のチャットメッセージに散らばっています。
逆に、ChatGPTをコードエディタのように扱い、パッチを求めるだけの場合、その強みを無駄にしています。「Claudeが安全に実装できるように、このシステムの形状を説明するのを手伝ってください」、または「すべてを脆弱にしない監視フレームワークを設計するのを手伝ってください」と言う方がはるかに価値があります。
3つ目は早期に中断することです。モデルが私が望んでいないことをし始めた場合(大規模なフレームワークをスピンアップし、リポジトリの半分をリファクタリングし、特定の質問に答える代わりに理論化する)、それを停止し、範囲を狭めます。「一時停止。フレームワーク全体は必要ありません。Xを行う10行のヘルパー関数が必要です。」それは失礼ではありません。それは良いマネージャーであることです。
私はコンテキストを積極的にリセットすることを学びました。チャットがあまりにも長引き、モデルが重要な詳細を削除し始めると、私はそれと戦いません。問題の簡潔な説明と最新の証拠で新しい会話を開きます。必要に応じて貼り付けることができる安定したドキュメントの小さなセット:システムの概要、ポリシー、主要な指針を保持します。
そして最後に、小さなプラグですが、私たちは常にDecibel Designer MCPを使用して、重要な決定を記録し、ロードマップアイテムを確立し、デザインコンテキスト(トークン、色、レイアウト標準、ムードボードインスピレーション、ルール、ガイドライン)を保持しています。Claudeに私たちのデザインガイドラインを指摘できることで、時間の経過とともに非常に多くの努力と頭痛を節約しました。
なぜこれがコードと同じくらいデザインにとって重要なのか
私はほとんどデバッグとトレーディングインフラストラクチャについて話していますが、同じトライアドパターンはDecibelでの私の仕事の他のすべての場所に現れます。
新しい製品や機能を設計しているとき:
- 私はユーザージャーニー、制約、ビジネス目標をスケッチします。
- システムの頭脳はフローを批評し、エッジケースを指摘し、アーキテクチャを提案します。
- 実行エンジンは、デザインシステムに配線された実際の画面、コンポーネント、エンドポイントをスキャフォールディングします。
AI駆動の体験に監視を構築しているとき:
- 私は「安全でない」または「ブランド外」が何を意味するかを定義します。
- ChatGPTまたはClaude.aiはそれをポリシーと評価基準に変えます。
- Claude Codeはチェック、テレメトリ、ガードレールを実装します。
それは同じトライアドです:オーケストレーション、実行、システム思考。詳細は変わります。形状は変わりません。
そして、それが私にとって、マルチエージェント作業の本当の約束です。
単なる「より良い自動補完」ではなく、バイブコーディングをスケールするように構造化する方法:
- あなたはまだ速く動きます。
- あなたはまだ会話的に実験することができます。
- しかし、アーキテクチャ、ルール、長期的な健康について考えるプロセスに明示的な場所もあり、それらのルールを一貫して適用することが仕事である明示的なエージェントもあります。
その結果、「2つのClaudesと1つのChatGPT」を使用した午前8時のデバッグセッションは、混乱のように感じることを止め、チームのように感じ始めます。確かに奇妙なチームです。しかし、チームです。
Decibelでこの方法で働く
私はBen Honda Rottlerです。Decibelの共同創設者であり、デザインや技術的負債を静かに積み上げることなく迅速に前進するためにAIを使用する製品デザインスタジオです。ほとんどの朝、あなたは私が小さなAIのトライアドをオーケストレーションして、アイデアを探求し、ツールを構築し、次の製品をプロトタイプしているのを見つけるでしょう。
この方法で構築したい場合、機敏に、しかし常に計画と出荷への適切な目で、それはまさに私たちがチームが設定するのを助けるものです。