著者はAIペアプログラマーであるClaudeを使って、4日間でProtocollieというソフトウェアを開発しました。それは熟練したプログラミングスキルによるものではなく、4つのドキュメント（アーキテクチャの概要、技術的な考慮事項、ワークフロープロセス、ストーリーの分解）を通じてAIを導くことで、曖昧なアイデアを動作するコードに変換したものです。「壁にスパゲティを投げる」になぞらえられるこのプロセスは、計画よりも実験性を重視し、AI支援プログラミングの風景の変化を示しています。それはプログラマーの役割の変化と、技術の進化が専門知識の蓄積を上回るこの新しい時代の不確実性を受け入れることを明らかにしています。
続きを読む
この記事では、MCP（モデルコンテキストプロトコル）の予期せぬ用途について説明します。当初はAIアシスタントの強化を目的として設計されましたが、「AIモデルをさまざまなデータソースやツールに接続するための標準化された方法を提供する」というその機能は、AIの領域を超えています。USB-Cポートがトースターをモニターに接続できるのと同様に、MCPはユニバーサルプラグインエコシステムになりました。開発者は、他のアプリケーションの内部動作を理解する必要なく、機能的なプラグインを作成できます。これにより、アプリケーションの機能性が大幅に向上し、予期せぬアプリケーションが作成されます。たとえば、タスク管理アプリは、MCPサーバーを使用してスペルチェック、コーヒーの自動注文などを実行できます。
続きを読む
AIは知識労働の生産性を指数関数的に向上させていますが、意思決定ツールとルーティンは過去のままだ。これにより、コードレビューからロードマッピングに至るまで、あらゆる場面でボトルネックが発生します。AIは生産に優れていますが、最終的には人間が膨大なタスクを評価、承認、修正することになり、新たなボトルネックとなります。これは、仕事の満足度低下だけでなく、AIによって生成される作業量の急増に対処できない既存のツールという問題も引き起こします。私たちは、生産ではなく、高速な意思決定に焦点を当てたワークフローを再設計する必要があります。さもなければ、AIが生成する無限のタスクに溺れてしまうでしょう。
続きを読む
この記事では、複数の巨大言語モデル（LLM）を用いたバグ修正の自動化に関する新しいアプローチについて説明します。Asana、Aiderコーディングエージェント、Sublayerエージェントを統合することで、システムは3つのLLM（GPT-4o、Claude 3.5 Sonnet、Gemini 2.0 Flash）を自動的に起動し、同じバグの修正を試みます。各試行は別々のGitブランチで実行され、複数のプルリクエストが生成されます。この「無駄な推論」アプローチは、驚くほど安価で効率的であり、冗長性と多様な解決策を提供します。1つのモデルが失敗しても、他のモデルが成功する可能性があり、代替アプローチを提供します。この実験は、このマルチモデル、自動化、低コストのバグ修正の可能性を示しており、将来の開発におけるパラダイムシフトを示唆しています。
続きを読む
MonkeysPawは、従来のWeb開発を覆す革新的なRuby Webフレームワークです。HTML、CSS、JavaScriptを記述する代わりに、開発者は自然言語でページコンテンツを記述し、フレームワークがLLMの意図解釈に基づいて完全なWebページを生成します。これにより開発はより迅速かつ効率的になりますが、パフォーマンスや正確性といった課題も存在します。MonkeysPawはAIファーストの世界における新しい開発方法を示しており、コンテンツを重視し、自然言語をコードとして使用することで、アイデアと実装の障壁を低くします。
続きを読む