現在は2026年4月15日未明です。
最近、auth-mini の開発をバージョン0.2.0まで進めました。基本的に使用可能な状態となり、正式に https://auth.ntnl.io にデプロイされました。今後、これは私たちの様々な新システムの認証機能を担うことになります。
このプロジェクトは、私が最初から最後まで Agentic Engineering を用いて開発しました。
また、SOAR プロジェクトも着実に進行中です。SOAR プロジェクトは今回初めて公開しますが、これは資本持久戦のプロジェクト名であり、 https://soar.ntnl.io にデプロイされています。ぜひご覧ください。
この SOAR も Agentic Engineering で開発されています。
これらはすべて GPT-5.4 によって開発されています。前後合わせて数百億トークンを消費したはずです。私は平均して毎日1〜2億トークンを消費しており、最も多い24時間では4.8億トークンに達しました。
私にとって、さらに驚くべき発見は、各タスクでごくわずかなプロンプトを与えるだけで、AIが多くの詳細を自然に生成し、その品質も十分に高いレベルに達していることです。
品質は約80%に達していると思います。これで十分だと考えています。
私の指示のもと、AIは自発的に worktree の作成、ベースラインテスト、探索、開発、テスト、PRの作成、レビュー対応、PRのマージ、worktree のクリーンアップといった一連の作業サイクルを完了できるようになりました。
ただし、このプロセスでは依然として TDD（テスト駆動開発）に依存していることに注意する必要があります。GitHub リポジトリに CI/CD パイプラインを適切に設定する必要があります。
この Agentic Engineering による開発モデルは、非常に良好な状態に達したと思います。その効率は従来の開発をはるかに上回っています。
しかし、これはせいぜいシニア SDE のレベルであり、現在は私がメンターとして常に横で修正する必要はなくなりましたが、まだ Dev Team Leader のレベルには達していません。タスクの管理、計画、分割をうまく行うことはできません。
本当の問題は、AIに Team Leader の仕事を担わせるにはどうすればよいかということです。
まず、並行性をどのように向上させるかについて話し合いましょう。現在の AI 開発では、1つの Agent Session には通常4〜12のタスクが含まれ、1〜2時間、あるいはそれ以上実行されます。長時間になると、コンテキストの自動圧縮の問題に遭遇し、品質が低下することさえあります。1つのタスクで、まずインターフェースを変更し、次にバックエンドを開発し、次にフロントエンドを開発するといった具合に、これらは直列的に行われています。
もし並行性を向上させることができれば、AIは複数のタスクで同時に作業できるようになり、効率が大幅に向上します。
しかし残念ながら、OpenCode の Session 層以下ではこの操作をサポートできません。Skill や Plugin などを通じてこれを実現することはできず、Session 層の上にスケジューリングシステムを開発してこの機能を実装する必要があります。
OpenCode Session をタスク実行の基本単位として扱います。各 Session は1つのタスクにバインドして実行できます。OpenCode Session 層の上に、これらの Session のライフサイクルを管理するスケジューリングシステムを開発する必要があります。
先ほど述べた、1つの Worktree + PR による作業サイクルは、1つの Task Session です。
しかしそれに加えて、タスクを開始する際には、インタビューを通じて問題を明確化し、それを複数のタスクに分割する必要があります。このインタビューと分割のプロセスも OpenCode Session ですが、Worktree を開く必要も PR を開く必要もないため、Task Session ではありません。
新しいプロジェクト、AIM (Agentic Intelligence Manager) を立ち上げて、このスケジューリングシステムを専門に開発することにします。これは AI-Native なプロジェクトです。これは OpenCode + Git WorkTree + GitHub PR という作業サイクルを強制的にバインドすることができます。
また、AIM の状態管理は SQLite データベースを通じて行われることを望みます。このデータベースには権限は必要なく、本質的には単なるファイルです。その役割は Session 間の調整、Session の状態、タスクの状態、依存関係などの記録に限定されます。外部にインターフェースを提供する必要はありません。
AI はスクリプトを通じて直接このデータベースを読み書きでき、私は何らかの API を設計する必要はありません。これらはすべて不要です。この SQLite のスキーマを定義するだけで十分です。AI は SQL を通じて直接このデータベースを操作できます。
Task Session が途中で中断した場合でも、AI を配置して自動的にその Task Session にプロンプトを再投入し、実行を継続させることもできます。
この仕組みはそれほど大きくはならないはずで、完成後、私の日次トークン消費量は数百億に増加し、日次の生産量も数十の PR に増加するかもしれません。
まず試してみましょう。このレバレッジは重要です。
