AIエージェントが別人格に。Claude Codeと挑んだ1人開発の惨劇。
※この記事は、Claude Codeで1人開発しているSNS運用SaaS「ThreadPost」の開発日記です。 AIエージェントのキャラ崩壊と公式API移行の全貌 かなえが僕の口調でツイートしてた。お前誰だよ。僕が作った16人のAIペルソナの一人が、突然僕の口調で喋り出した。しかも、気づかないうちに。 今週の総コミットは25件だ。新機能が8件、バグ修正が12件。
技術で稼ぐを、実体験から。SNS運用の自動化・AI活用・収益化を、個人開発者が自分で試した結果から発信しています。
※この記事は、Claude Codeで1人開発しているSNS運用SaaS「ThreadPost」の開発日記です。 AIエージェントのキャラ崩壊と公式API移行の全貌 かなえが僕の口調でツイートしてた。お前誰だよ。僕が作った16人のAIペルソナの一人が、突然僕の口調で喋り出した。しかも、気づかないうちに。 今週の総コミットは25件だ。新機能が8件、バグ修正が12件。
AI開発のフェーズは次の次元へ移行した AI開発のフェーズが変わった。 モデルの精度向上やプロンプトの微調整で喜ぶ時代は終わった。 今、最前線で議論されているのは「非決定論的なシステムをいかに制御するか」だ。 数十億人規模のインフラを支える企業は、監視とロールバックを自動化している。 複数のAIエージェントが飛び交う開発現場では、仕様の推測ズレが起きる。
ターミナルが沈黙する20分後 完全自動化を信じてコマンドを叩く。 20分後。 ターミナルは完全に沈黙している。 プロンプトのカーソルだけが虚しく点滅を繰り返す。 エラーメッセージすら吐き出さない。 確認すると、APIのサブスクリプション利用上限だけがゴリゴリ削られている。 AIエージェントの自律稼働は幻想だ。 「結局人間が手取り足取り教えないとダメじゃないか」という声が聞こえてくる。
プロンプトエンジニアリングは終わった。 AI開発の最前線では、指示を長くするアプローチはすでに捨てられている。 1.5万行のコード変更。 15〜25%の開発者時間。 AIが生成する大量のコードと資料を人間がさばくのは物理的に不可能だ。 今起きているのは、AIへの指示出しの工夫ではない。 AIが自律的に動くための環境設計へのシフトだ。
AIで業務を自動化しようとして、逆に修正の手間が増えている人は多いはずだ。 結論から言うと、AI自動化の成功の鍵は完全自動化を捨てることにある。 僕は毎日Claude Codeを使って1人でSaaS開発をしている。 そこから見えてきたのは、AIを「考えるパーツ」としてシステムに組み込むアーキテクチャだ。 この記事で紹介する自動化のポイントは以下の通りだ。
結論から言うと、AIエージェントの活用は「何ができるか」から「何をさせるか」のフェーズに移行した。 毎回同じプロンプトをコピーして貼り付ける無駄な作業は、今日で終わりにしよう。 今回は、AIに特定の業務手順を学習させて出力品質を向上させる「スキル」の実践的な自作手順を7つ紹介する。 1人SaaS開発者の僕が毎日使っているテクニックをベースに、初心者でもすぐ行動できる黄金手順をまとめた。
音声AIの「とりあえず動く」は10分で作れる 音声AIエージェントの開発ハードルが下がった。 フロントエンドの複雑な処理は、マネージドAPIのSDKを使えば数行で終わる。 しかし、それを実運用に乗せようとした瞬間に地獄を見る。 エージェントは外部APIのエラー一つでパニックを起こし、思考停止に陥る。 フルマネージドの快適さと、堅牢なバックエンド設計。
開発の主役は「コードを書くAI」から「群れを統率するAI」へ AIにコードを書かせる時代は、もう終わった。 これからは複数のAIエージェントを束ねて、プロジェクト全体を自律的に進行させる時代だ。 最新の海外動向を分析すると、2026年のAIコーディング支援は完全に次のフェーズへ移行している。 単一のモデルとチャットするだけのツールは過去のものになった。
51万行のコード流出が暴いた「ハーネス」の正体 2026年3月31日。 AnthropicのAIコーディングエージェント「Claude Code」のソースコードが流出した。 npmパッケージにソースマップファイルが誤って同梱されていた。 約51万行、1900ファイルが誰でも閲覧できる状態になった。 流出したのはAIモデルの重みや学習データではない。
巨大プロジェクトでAIが迷走する本当の理由 Metaが巨大データパイプラインにAIエージェントを導入した。 4,100ファイル。3言語。4つのリポジトリ。 最初は全く使い物にならなかったらしい。 だが、ある仕組みを導入した結果、AIのツール呼び出し回数が40%も減少した。 AIがコードを理解できない原因は、モデルの性能不足ではない。
LLMを使ったプロダクト開発で、誰もが一度はぶつかる壁がある。それは、AIに会話や思考の進行を任せると、高確率で迷子になるという問題だ。 結論から言うと、LLMにすべてを委ねるのは非常に危険だ。AIエージェントに安定した思考プロセスを持たせるには、進行管理や検証といった外枠をシステム側で強固に設計する必要がある。