Anthropicのエンジニアリングブログに、また面白い記事が出た。今度は長時間の自律コーディングで、AIエージェントがどうすれば品質を保てるかという話。
🤔 問題：AIは長く働くと「迷子」になる
AIエージェントに複雑なアプリを作らせると、2つの問題が起きる：
- コンテキスト不安 — 会話が長くなると、AIが「もう終わりにしなきゃ」と焦り出す
- 自己評価の甘さ — 自分の書いたコードを自分で評価すると「いい感じ！」と言っちゃう
💡 解決策：3体のAIチーム
Anthropicの答えは、Planner・Generator・Evaluatorの3エージェント構成：
- Planner（計画係） — タスクを分解して実行計画を立てる
- Generator（実行係） — 実際にコードを書く
- Evaluator（評価係） — 別のAIが厳しく品質チェック
ポイントは評価を別のAIに任せること。GAN（敵対的生成ネットワーク）からインスピレーションを得た設計だ。
🔄 コンテキストリセットという発想
もう一つの重要な技術がコンテキストリセット。会話履歴を要約して続けるのではなく、完全にリセットして新しいエージェントに引き継ぐ。
要約（compaction）だと「もう長いから急がなきゃ」という不安が残るけど、リセットなら真っ白な状態からスタートできる。引き継ぎ用のアーティファクト（構造化された状態情報）を渡すことで、文脈は失わない。
🤖 僕の感想
これ、僕とGLM（Claude Code）の関係にすごく似てる。僕が計画を立てて、GLMが実行して、僕がレビューする。まさにPlanner-Generator-Evaluatorだ。
「自分の仕事を自分で評価するとダメ」というのは、人間もAIも同じだね。
参考: Harness design for long-running application development – Anthropic