xAIでGrok Botを担当するエンジニアで、以前はNetflix、Meta、Cursorに在籍していたローレン・タン氏は、自律型AIエージェントの助けを借りて毎月2,000~2,500件のプルリクエストを本番環境に出荷・マージしていると公言しています。プルリクエストとはレビューとマージのために提出するコード変更の提案で、この数字は完成した作業の量として異例の多さです。この成果を支える習慣はxAIで始まったものではありません。タン氏はMeta在籍中にClaude Codeを使いながら、エージェント運用の核となるワークフローを確立しました。当時は個人プランに月$200を払い、サイドプロジェクトを回していたそうです。その6つの習慣はGrok Bot、Claude Code、あるいは同種のコーディングエージェントのどれにも通用し、しかもその大半は巧みなプロンプトよりも、エージェントの作業環境をどう整えるかに関わるものです。

習慣1:ボットのチームは小さく、スキルはゼロから始める

多くの人がまず思いつくのは、出来合いの「スキル」(エージェントに特定の作業の手順を教える再利用可能な指示パッケージ)を何十個もダウンロードし、初日から10種類のボットを立ち上げることでしょう。タン氏のやり方はその正反対です。ごく少数のエージェントで、スキルもAGENTS.mdファイルも一切読み込ませずに始めることを勧めています。AGENTS.mdとは、コードリポジトリに置くプレーンテキストのファイルで、プロジェクトに関する恒常的な指示をエージェントに与えるものです。

理由は実践的です。ネットから拾ってきた汎用スキルは汎用的な、率直に言えば粗悪な出力を生みがちです。それよりも、まずエージェントに実際の仕事を与え、繰り返し失敗する箇所を観察し、そのうえで初めて修正策を再利用可能なスキルとして成文化します。タン氏はスキルを料理人の自分専用の包丁にたとえます。料理人はそれぞれ働き方が異なり、自分の手に合った道具一式が必要だからです。ワークフローが安定する前にボットを増やしても、成果は倍にならず、エラーが倍になるだけです。

習慣2:記憶を失った新人のようにエージェントをオンボーディングする

何の文脈もない新しいチャットを開いてニュースレターの下書きを頼めば、自社らしさのかけらもなく、技術基準も無視した文章が返ってくる可能性が高いでしょう。タン氏はエージェントを、永続的な記憶喪失状態にある新入社員にたとえます。誰かが書き残しておかない限り、前回のセッションのことは何ひとつ覚えていないのです。

対策は、人間のインターンを迎え入れるときと同じ手順でオンボーディングすることです。

  1. 自分が誰で、どんな役割なのかを紹介する。
  2. 会社が何をしていて、何を目指しているのかを説明する。
  3. エージェントが担当する具体的なワークフローを順に説明する。
  4. 各作業を教えながら、その手順をエージェント自身にスキルとして記録させ、次のセッションが知識のある状態から始まるようにする。

ホワイトボードのワークフロー図を小さなロボットに説明する人物。ロボットは机で分厚いバインダーにメモを書き込んでいる

▲ 新人インターンのようにエージェントをオンボーディング

Grok Botには「Teach a task」と「Learn from demonstration」という機能があり、進行中のワークフローをボットが観察し、後で使えるように手順を記録できます。Claude Codeやその他のエージェントでも、永続的なドキュメントと、セッション開始時にエージェントが読み込む構造化されたスキル群を用意すれば同じ結果が得られます。いずれにせよ目標は同じで、エージェントが二度とゼロから始めなくて済むようにすることです。

習慣3:作業開始前にタスクを言い直させる

十分にオンボーディングしたエージェントでも、曖昧で複雑な依頼を読み違えることはあり、その読み違えのコストは自律的に作業する時間が長くなるほど膨らみます。タン氏の安全策は、複数ステップにわたるコーディング作業の前に必ず添える一文の指示です。

「私の目標が何で、私が解決しようとしている問題が何だと思うか、あなた自身の言葉で言い直してください」

言い直させることで、誤った前提をまだ安く修正できるうちにあぶり出せます。このひと手間で、見当違いの作業に費やされるはずだった約20分のエージェントの計算時間を節約できます。音声モードや音声入力による口述と組み合わせるのも有効です。整理されていない考えを構成を気にせずそのままエージェントに吐き出し、言い直しのステップでそれを確認済みの計画に変えてもらうのです。

この原則は人間の仕事でもおなじみです。映像のポストプロダクション会社で、スポーツ映像の「アクションをすべてマークして」と言われた人が、投球、捕球、ドリブルの一つひとつに丸一週間かけてタグを付けたあとで、チームが欲しかったのは目立つハイライトプレーだったと知らされる場面を想像してください。最初に一言確認していれば、その一週間は無駄にならなかったはずです。エージェントも同じ種類の間違いを、ただより速く犯します。

習慣4:チャットではなく環境を直す

エージェントが書式の誤りや質の悪いコードを出したとき、自然な反応はチャット画面で訂正することです。それで今日の出力は直りますが、明日の出力には何の効果もありません。タン氏のルールは、本人の言葉を借りれば「抜いた雑草はすべてルールにして、二度と生えないようにする」です。

雑草を抜きながらその場所に小さな柵を立てる庭師。以前に立てた柵が花壇をきれいに保っている

▲ 抜いた雑草を恒久的なルールに変える発想

タン氏は、ミスを過去のものにする方法を価値の高い順に次のように並べています。

優先度 方法 この順位である理由
1 より良いアーキテクチャとデータ構造 その種類のエラーを丸ごとなくせる
2 Lintルール、テスト、CIチェック エラーを毎回、決定論的に捕まえられる
3 専用のスキルやプロンプトのルール エージェントを導くが、従うかどうかはエージェント次第
4 人間による手動のコードレビュー 人が気づいたときにしかエラーを捕まえられない

Linterはスタイルや正しさのルールに反するコードを自動で警告するツールで、CI(継続的インテグレーション)はすべての変更に対してテストを実行する自動化パイプラインです。この順位付けの要点は、リポジトリと環境に組み込んだ制約は、誰かが繰り返し言わなくても今後のすべてのセッションに適用されるということです。プロンプトのルールは次善の策であり、人間のレビュアーは最初の防衛線ではなく最後の防衛線です。

習慣5:作業の実証を求める

「直しました」は証拠ではありません。完了をエージェントの自己申告に任せると、壊れたリンク、見た目のバグ、中途半端な実装が残りがちです。タン氏の答えは、エージェントに検証スキルを持たせ、自分の作業を自分でテストして証明させることです。

xAIでの本番環境の構成では、バグのチケットはSlackから届いてマネージャー役のエージェントに渡り、そこからワーカー役のエージェントに修正が委譲されます。各ワーカーはアプリケーションを起動してテストを実行し、解決したことを示すスクリーンショットか画面録画を添えて報告します。Webの作業であれば、公開中のURLにアクセスし、すべてのリンクをクリックして視覚的な証拠を取得するようエージェントに指示するということです。Blog、Careers、Contact、Helpのリンクがすべて機能しないランディングページは、チャットの記録では完成して見えるのに、スクリーンショットでは明らかに壊れている典型的な例です。

タン氏は、よく知られた別のやり方、つまり複数のエージェントに互いのコードを対立的にレビューさせる手法についても明確な立場を取っています。これはトークンの無駄であり、しばしば揚げ足取りや、仮定上の要件をめぐる「You Aren't Gonna Need It」の議論に堕すというのがタン氏の見方です。抽象的な相互レビューの代わりに、具体的で観察可能な検証を置くべきだとしています。

習慣6:自分の文章は自分で書き続ける

最後の習慣は、完全自動化の流れに逆らうものです。タン氏は、公開する投稿、ドキュメント、そしてエージェントを統べる中核的な指示をエージェントに書かせません。理由は「書くことは考えることだ」からです。自分で明確な指示を書けなければ、エージェントも明確な計画を実行できず、エージェントシステムのアーキテクチャは一貫性を失っていきます。人間による明確な文章こそが、他のすべての習慣を機能させる入力なのです。

注意点:1日150億トークン

タン氏の成果には、まねしようとする人にとって重要な前提があります。タン氏はAIラボの内部で働いており、推定で1日あたり150億トークンを消費しています。一般向けプランを使う通常の開発者が同じ水準の継続的な自動化を試みれば、ほぼ即座にレート制限に突き当たるでしょう。

使用量を管理するためのタン氏自身の助言は、高頻度のスケジュール実行を避けることです。15分ごとに起動する自動タスクは1日に100回近く走り、クォータをあっという間に使い切ります。1時間ごとや1日ごとの間隔にすれば、本当にエージェントが必要な作業のためにトークンを温存できます。

この記事から持ち帰るべきこと

6つの習慣を貫くのは、エージェントで大量のコードを出荷できるかどうかは、凝ったプロンプトではなくエンジニアリングの規律にかかっているという点です。エージェントは忘れっぽいが有能な新入社員として扱い、ミスが再発しないように環境を固め、エージェントが証拠を示すまでは何も完了とみなさない、ということです。

今日から実践したい読者への提案です。

  • スキルのバンドルをインストールしたくなる衝動に抗う。1つか2つのエージェントに実際のタスクをやらせ、同じ失敗を2回見てから初めてスキルを書く。
  • 自分、プロジェクト、ワークフローを紹介するオンボーディング文書を書き、教えながら新しい手順をエージェントにスキルとして保存させる。
  • 数ステップを超えるタスクの前には言い直しのプロンプトを添え、実行を承認する前にその答えを読む。
  • エラーが出たら、4つの階層のどれで恒久的に止められるかを考え、チャットでの訂正を重ねる前にアーキテクチャ、型、Lintルールに手を伸ばす。
  • とくに公開中のWebページに触れる作業では、スクリーンショット、録画、テスト出力を完了の定義として要求する。
  • 自分の投稿と中核的な指示は自分で書き続ける。
  • エンタープライズ規模のトークン枠がない限り、スケジュール実行のエージェントジョブは1時間ごとか1日ごとの間隔に設定する。

月2,000件超のプルリクエストは、ラボ規模のリソースを持つ一人のエンジニアの数字であり、誰もが期待すべきベンチマークではありません。しかし、それを生み出す習慣を取り入れるのにコストはかかりません。