はじめに

AIコーディングツールの世界は変化が激しい。

昨日まで無料だったサービスが有料になり、使えていたモデルが制限され、プランの名前が変わる。そのたびに「また調べ直し……」となっていませんか？

この記事では、特定のサービスやプランの仕様に依存しない、普遍的なAIコーディングのワークフローを紹介します。ツールが入れ替わっても、この「型」さえ持っていれば、すぐに組み直せます。

基本思想：AIを「役割」で分類する

まず、AIコーディングツールをその役割で3種類に分類することが出発点です。

コスト節約の本質は「思考役に実装をやらせないこと」です。

高品質モデルは「考える」のが得意で、そこに課金する価値があります。しかし単純なコード生成まで任せると、コストが膨らみます。「考える」と「書く」を分離することが、このフロー全体の基盤です。

ワークフロー全体像

[0] 自分でざっくり仕様書を作る
      ↓
[1] 思考役AIと仕様書を磨き込む（＋実装プロンプト生成）
      ↓
    （必要に応じて：調査役AIで先行事例を調べる）
      ↓
[2] 実装役AIに投げる
      ↓
[3] 生成コードをチェック（テスト / デバッグ）
      ↓
[4] 問題なければマージ → [0]へ戻る

このループを回し続けることで、1つのフィーチャーを完成させます。

[0] 仕様書を「自分の言葉」で書く

AIに丸投げする前に、自分が実装したいことを箇条書きでメモすることから始めます。

- ユーザーがボタンを押したらスコアが+1される
- スコアは画面上部に表示される
- 10点になったらゲームオーバー画面に遷移する

完璧さは不要です。ここでのゴールは「自分の頭を整理すること」だけです。

[1] 思考役AIで仕様書を磨き込む

最もコストをかける価値があるステップです。高品質なモデルに、ざっくり仕様書を渡します。

プロンプトのテンプレート

以下の仕様書をもとに、AIコーディングエージェントに渡すための
より具体的な仕様書とプロンプトを作成してください。
不明な点があれば実装前に私に確認してください。

---
（[0]で書いた仕様書を貼る）

なぜ「不明な点は聞いて」と書くのか

曖昧さを残したまま実装AIに投げると、AIが独自解釈で実装し、意図と違う挙動になる確率が上がります。思考役AIとの対話で曖昧さを潰しておくことが、後工程の成功率を大きく高めます。

思考役AIのコスト節約原則

  • 中位モデルで十分なことが多い。 最上位モデルは複雑な推論が必要なときに温存する
  • 使用量は「回数」ではなく「出力の量・複雑さ」で消費される。 長い会話を続けるほど1回あたりのコストが上がることを意識する
  • 利用枠は時間窓や週次でリセットされる。 一気に使い切らず、ウィンドウを意識して分散させる

[1.5] 調査役AIで先行事例を調べる（必要に応じて）

仕様書を書く段階で「どう実装すればいいかわからない」と詰まったとき、Deep Research機能で先行事例・ライブラリ・設計パターンを調べるステップを挿入します。

手順：

  1. 思考役AIに「この仕様に関連する先行事例を調べるためのプロンプトを作って」と依頼
  2. そのプロンプトでDeep Researchを実行
  3. レポートを仕様書に添えて、[2]の実装プロンプトに含める

実装AIが「一般的にどう実装されるか」を知った上でコードを生成できるため、成功率が上がります。

[2] 実装役AIに投げる

[1]で磨いたプロンプトを実装AIに渡します。

実装役AIを選ぶ基準

実装役は「コストが低い・無料で使える・一定の成功率がある」ことが条件です。ツールの選び方は時期によって変わりますが、評価すべき指標は共通しています：

  • コスト：無料枠があるか、有料でも使用量課金ではないか
  • 成功率：単純な機能追加・バグ修正に対応できるか
  • 非同期性：投げてから待てるか（非同期）、張り付きが必要か（同期）
  • 制限の補充タイミング：1日・1週間・1ヶ月でリセットされるか

複数のAgentを優先順位付きで持っておく

1つのAgentが制限に達したときや失敗したとき、すぐに次の候補に切り替えられるよう、常に2〜3つの候補をストックしておくことが重要です。

「今日最高の無料Agent」が明日も最高とは限りません。代替を常に把握しておく姿勢が、長期的な開発速度の安定につながります。

[3] 生成コードをチェックする

Agentが生成したコードを動かして確認します。

① エラーが出た場合

コンソールのエラー文をコピーして、同じAgentに修正を依頼します。

以下のエラーが発生しました。修正してください。

---
（エラー文をペースト）

② 意図と違う挙動になった場合

PRを閉じるか変更を破棄して、[2]に戻るのが原則です。

なぜ「追加修正を繰り返さない」のか？

追加修正を重ねると、正常動作していた別のロジックが壊れたり、修正が中途半端になりやすいためです。問題の根本は「プロンプトの精度不足」にあることが多いので、リセットしてプロンプトを補強してから再投げする方がトータルで早く終わります。

それでも改善しない場合は**[1]に戻ってプロンプト自体を見直します**。

③ 自力で直した方が早いとき

自分がその言語・コードを読める場合、Agentに追加依頼するより自力で直す方が速いことがあります。修正箇所が数行であれば、Agentへの再依頼の往復コストを考えると自力修正が合理的な選択です。

[4] 問題なければマージ → [0]へ

動作確認が取れたら PR をマージ / コミットし、[0] に戻って次の要件定義を始めます。

このフローの3つのメリット

1. コストが安定する

思考役（高コスト）は「考える」ことだけに使い、実装（大量のトークンを消費する作業）は低コストのAgentに担わせることで、月の課金コストの予測がしやすくなります。

2. ツールが変わっても流用できる

「思考役」「実装役」「調査役」という役割の枠組みは変わりません。サービスの仕様が変わっても、役割に合う新しいツールをはめ直すだけで対応できます。

3. 成功率が上がる

実装AIへのプロンプトの質が高いほど、出力の品質も上がります。曖昧さを排除してから投げることで、やり直しの頻度が減り、開発全体が加速します。

実践のためのチェックリスト

まとめ

  • AIを「思考役・実装役・調査役」に分けると、コストと品質のバランスが最適化できる
  • 「思考役に実装をやらせない」ことが最大のコスト節約になる
  • 実装AIは複数候補を持ち、失敗したらリセットして再投げする
  • ツールの仕様は変わる。原則を持っていれば、ツールが入れ替わっても対応できる

変化の激しいAIツール界隈だからこそ、特定ツールへの依存ではなく「型」を持つことが長期的に強い武器になります。