AIエージェントと、開発する。

課題

Zenn での発信は AI エージェント中心に移っていたのに、サイトは 2025年の「Rails / AWS / React のフリーランス」のまま。伝えたいことと見せているものがずれていた。

アプローチ

1. 01「まず私にインタビューして」と依頼し、目的・見せ方・肩書き・技術スタック・事例素材・提供サービス・デザイン・連絡導線を選択式 8 問で確定
2. 02既存コード、Zenn 記事 35 本、実際のデプロイ経路（docs/ 配信）を調査し、構成案を提示
3. 03コンテンツを 1 つのデータファイルに集約して実装。ビルドとブラウザ表示（デスクトップ / モバイル）で検証
4. 04本番反映は人間の承認を挟むため、ブランチに push して差分をレビュー可能な形で引き渡し

成果

ヒアリングの回答がそのまま情報設計になり、構成を全面刷新。作業の流れ自体を Workflow セクションと Hero のターミナルで可視化した。

課題

情報収集、記録、定期チェックなど、判断は不要なのに手順が長い作業に時間を取られていた。

アプローチ

1. 01ニュース収集エージェント：NewsAPI から直近 1 週間の記事を収集・分析し、Notion データベースへ保存
2. 02証券口座の保有状況を Playwright でブラウザから読み取り、Notion のポートフォリオ DB に同期するスキル（読み取り専用、ログインは人間が行う）
3. 03本サイトの Zenn 記事データを最新化して公開するスキル、AI / 経済ニュースの収集エージェント
4. 04毎日の学習コーチ（昼のメニュー提示・夜の実施チェック）や、Dependabot の auto-merge が機能したかの月次検証をスケジュール実行

成果

「頼めば動く」手順が増え、人間の関与は判断と承認だけに。金融サイトへの認証や売買操作はスキル側で禁止事項として明記し、安全側に設計。

課題

モデルやツールは頻繁に更新され、「なんとなく良くなった」では移行や導入の判断ができない。

アプローチ

1. 01同じ監査タスクを Opus 5 の ultracode と Fable 5 で走らせ、検出率とトークン消費を比較
2. 02Fable 5 → 5.1 の破壊的変更 3 件とキャッシュ読み取り単価の変化を整理
3. 03Opus 5 移行でプロンプトを「足す」より「消す」方が効く理由を、検証指示の浪費を実測して示す
4. 04GLM-5.2 を Claude Code に接続し、月 18 ドルからの運用コストと実用性を確認

成果

採用判断の根拠を公開し、チームへの導入提案でも同じ手順で再現できる評価方法を確立。