https://tech.feature-branch.co.jp/tags/llm/Recent content in LLM on Feature Branch Tech BlogHugojaFeature Branch inc.Mon, 06 Jul 2026 18:48:25 +0900https://tech.feature-branch.co.jp/posts/2026/04/work-with-ai/Thu, 02 Apr 2026 00:00:00 +0900https://tech.feature-branch.co.jp/posts/2026/04/work-with-ai/<h1 id="aiと和解する">AIと和解する</h1> <h2 id="はじめに">はじめに</h2> <ul> <li>AIとはなんぞや？AIにコーディングさせても効率落ちるのでは？という印象をもっていた古いエンジニアが、AIと仲良く仕事できるようになっていく過程で感じたことや今後AIと仕事をしていくうえで何を気にしながらやり取りしていこうとしているかを共有したいと思います。</li> </ul> <h2 id="1-怪訝期-こいつ何者">1. 怪訝期 〜こいつ何者？〜</h2> <ul> <li>こちらが実現したいことを伝えても期待通りには捉えてくれないんでしょう？</li> <li>AIに任せても手直しが必要になって、余計に時間がかかるんでしょう？</li> <li>実装はできたとしてもスパゲッティコードになって解読に苦労するんでしょう？</li> <li>ドキュメントを作らせても正確でなく読みづらい文章になるんでしょう？</li> <li>依頼するにも何を任せていいのかがわからない</li> </ul> <p><img src="./images/kegen.png" alt="怪訝期"></p> <h2 id="2-受入期-ちょっと抜けてるけどいい仕事する">2. 受入期 〜ちょっと抜けてるけどいい仕事する〜</h2> <ul> <li>あいまいな質問をしても答えてくれるし、自分でWeb検索して探すより情報収集が早い</li> <li>設計の相談をすると自分が気付いていなかった視点で方式を提案してくれる</li> <li>設計変更やバグ等で現状分析すると、自分で調べるよりはるかに早く分かりやすい結果を返してくれる</li> <li>実装してもらうと不要なコードが残ったり書き方が分かりづらい部分があるなぁ</li> </ul> <p><img src="./images/ukeire.png" alt="受入機"></p> <h2 id="3-和解期-何をお願いしてもこなしてくれる">3. 和解期 〜何をお願いしてもこなしてくれる〜</h2> <ul> <li>関連する複数ファイルを変更しなればならない場合も人が書くより全然速いし的確</li> <li>あいまいな方針から壁打ちで具体化していき細部まで決まれば実装が正確</li> <li>面倒なテストケースの作成もまとめて実施してくれるしアサーションも意味あるものになっている</li> <li>やたらと処理を細分化しようとするけどそれが標準だよなぁ</li> </ul> <p><img src="./images/wakai.png" alt="和解期"></p> <h2 id="4-信頼期-適切な指示で後はお任せ">4. 信頼期 〜適切な指示で後はお任せ〜</h2> <ul> <li>スタートさえ間違わなければ実装はほぼ任せてしまえる</li> <li>成果物のチェックは、一通り行うがざっくりと違和感を探す程度</li> <li>全て依存するのではなく細かいミスは手直しすれば無駄な時間を省ける</li> <li>0.5~0.6人分くらいの作業はAIでこなせる</li> </ul> <p><img src="./images/shinrai.png" alt="信頼期"></p> <h2 id="5-信頼はしているけれど">5. 信頼はしているけれど&hellip;</h2> <ul> <li>設計・実装ではインプットを曖昧にしない <ul> <li>最初のインプットを曖昧にしても壁打ちを繰り返すことで求める結果に辿り着くかもしれないが作業短縮効果が薄れる</li> <li>具体化できている部分をその通りに伝えることでより正確な分析をしてくれるので、結果も速く正確になる</li> </ul> </li> <li>成果物イメージを持つことをサボらない <ul> <li>自分の中で成果物のイメージがあると、想定と違う≒間違いを検出できる</li> <li>AIの間違いでなくとも、自分の間違いに対してその対応で問題ないかのチェックができる</li> </ul> </li> <li>自分が分からないことを任せない <ul> <li>成果物が正しいのか判断できなければ成果物として成り立たない</li> <li>分からないなら分かるまで壁打ちしたから目的の成果物作成を任せる</li> </ul> </li> </ul> <h2 id="6-ただ裏では">6. ただ裏では</h2> <p>ここまでAIを信頼できる状態になっているのは、単にAIの進化だけが要因ではない。 裏で有識者がAGENTS.mdの調整や適切なSkillsの導入をしていることも大きな要因になっている。 なので、単に使い方を工夫するだけでは足りず、AGENTS.mdの書き方やSkillsに対する知識も付ける必要がある。</p> <p><img src="./images/maintenance.png" alt="裏では"></p> <h2 id="7-まとめ">7. まとめ</h2> <ul> <li>AIは日々進化しており信頼できる相棒足りえる</li> <li>現状分析・コーディングレベルの作業はAIの生産性には勝てない</li> <li>人に必要な能力 <ul> <li>成果物を明確にイメージして具体的にAIへ伝える</li> <li>アウトプットと成果物イメージに差異がないか見極める</li> <li>AIの基本設定を行える</li> </ul> </li> </ul>https://tech.feature-branch.co.jp/posts/2026/01/claude-code-vs-codex-cli/Tue, 06 Jan 2026 12:00:00 +0900https://tech.feature-branch.co.jp/posts/2026/01/claude-code-vs-codex-cli/<h2 id="はじめに">はじめに</h2> <p>2025年末から2026年にかけて、AIコーディングツールは新たなステージに突入しました。AnthropicのClaude Code（Opus 4.5）とOpenAIのCodex CLI（GPT-5.2）は、どちらも「AIエージェントが自律的にコードを書く」時代を切り開いています。</p> <p>しかし、この2つのツールは設計思想が根本的に異なります。本記事では、**「頭脳 vs 手足」**という独自の視点からこの2大ツールを比較し、それぞれの強みと使い分けのポイントを解説します。</p> <!-- TODO: Nano Banana Pro挿絵 - 左側に大きな脳（GPT-5.2を象徴）、右側にロボットアーム（Claude Codeを象徴）が描かれた対比イラスト、テック風のフラットデザイン --> <h2 id="1-両ツールの概要">1. 両ツールの概要</h2> <p>まずは、それぞれのツールの基本的な特徴を押さえておきましょう。</p> <h3 id="11-claude-code--opus-45">1.1 Claude Code + Opus 4.5</h3> <p>Claude Codeは、Anthropicが提供するAIコーディングエージェントです。2025年11月にリリースされたOpus 4.5モデルと組み合わせることで、「世界最高のAIコーディングツール」を謳っています<sup id="fnref:1"><a href="#fn:1" class="footnote-ref" role="doc-noteref">1</a></sup>。</p> <p>主な特徴は以下の通りです。</p> <ul> <li><strong>ローカルファースト設計</strong>: ターミナルやIDEに直接統合され、開発者のワークフローに溶け込む</li> <li><strong>インタラクティブな操作</strong>: 開発者が「コントロールを握り続ける」設計思想</li> <li><strong>チェックポイント機能</strong>: 作業の進捗を保存し、いつでも以前の状態にロールバック可能</li> <li><strong>ハイブリッド推論</strong>: 即座の応答と拡張思考を状況に応じて切り替え</li> </ul> <h3 id="12-codex-cli--gpt-52">1.2 Codex CLI + GPT-5.2</h3> <p>Codex CLIは、OpenAIが提供するオープンソースのAIコーディングエージェントです。GPT-5.2-Codexは、複雑なソフトウェアエンジニアリングタスクに最適化された専用モデルで、2025年12月にリリースされました<sup id="fnref:2"><a href="#fn:2" class="footnote-ref" role="doc-noteref">2</a></sup>。</p> <p>主な特徴は以下の通りです。</p> <ul> <li><strong>クラウドベース設計</strong>: タスクは隔離されたサンドボックス環境で非同期に処理</li> <li><strong>委任型ワークフロー</strong>: タスクを渡して「任せる」スタイル</li> <li><strong>長時間自律作業</strong>: テスト中に7時間以上連続して複雑なタスクに取り組んだ実績</li> <li><strong>サイバーセキュリティ強化</strong>: CTFチャレンジでの高精度を実証</li> </ul> <h2 id="2-頭脳-vs-手足の比較軸">2. 「頭脳 vs 手足」の比較軸</h2> <p>ここで本記事の核心となる比較軸を紹介します。</p> <table> <thead> <tr> <th>観点</th> <th>GPT-5.2 Codex（頭脳型）</th> <th>Claude Code + Opus 4.5（手足型）</th> </tr> </thead> <tbody> <tr> <td>設計思想</td> <td>「深く考える」ことに最適化</td> <td>「精密に実行する」ことに最適化</td> </tr> <tr> <td>強み</td> <td>巨大なコンテキスト、長時間思考</td> <td>ローカル統合、ツール操作の精度</td> </tr> <tr> <td>操作感</td> <td>「従業員に任せる」感覚</td> <td>「道具を使いこなす」感覚</td> </tr> </tbody> </table> <h3 id="21-gpt-52-codex賢い頭脳">2.1 GPT-5.2 Codex：「賢い頭脳」</h3> <p>GPT-5.2 Codexは、まさに**「頭脳派」**のAIエージェントです。</p>https://tech.feature-branch.co.jp/posts/2025/12/ai-terminology-guide/Mon, 01 Dec 2025 00:00:00 +0900https://tech.feature-branch.co.jp/posts/2025/12/ai-terminology-guide/<h2 id="はじめに">はじめに</h2> <p>最近のIT開発では「AI」「LLM」「エージェント」といった言葉が飛び交っています。この記事では、これらの用語を<strong>ざっくり</strong>整理してみます。</p> <p><img src="./images/Gemini_Generated_Image_ttc49wttc49wttc4.png" alt="ロボットと人間がホワイトボードの前で用語を整理している様子。フレンドリーな雰囲気で。"></p> <hr> <h2 id="そもそもaiとは">そもそもAIとは？</h2> <p><strong>AI（Artificial Intelligence / 人工知能）</strong> とは、人間の知的な振る舞いをコンピュータで再現しようとする技術の総称です。</p> <p>具体的には以下のような能力があります。</p> <ul> <li>画像認識（写真に何が写っているか判定）</li> <li>音声認識（話し言葉をテキストに変換）</li> <li>自然言語処理（テキストの意味を理解・生成）</li> <li>推論・判断（データから予測や意思決定）</li> </ul> <p><strong>ポイント</strong>: AIは非常に広い概念で、チェスを打つプログラムも、ChatGPTも、自動運転も、すべて「AI」です。</p> <!-- TODO: Nano Banana Pro挿絵 - AIの様々な応用例（画像認識、音声認識、チャットボット、自動運転など）がアイコン形式で並んでいる図。 --> <p><img src="./images/Gemini_Generated_Image_houbnohoubnohoub.png" alt="AIの様々な応用例（画像認識、音声認識、チャットボット、自動運転など）がアイコン形式で並んでいる図。"></p> <hr> <h2 id="llmとは">LLMとは？</h2> <p><strong>LLM（Large Language Model / 大規模言語モデル）</strong> とは、膨大なテキストデータを学習し、人間のような文章を理解・生成できるAIのことです。</p> <p>代表的なものは以下です（2025年12月時点）。</p> <ul> <li><strong>GPT-5</strong> / <strong>o3</strong>（OpenAI）</li> <li><strong>Claude Opus 4.5</strong> / <strong>Sonnet 4.5</strong>（Anthropic）</li> <li><strong>Gemini 3</strong>（Google）</li> <li><strong>Llama 4</strong>（Meta）</li> </ul> <h3 id="モデルとは">モデルとは？</h3> <p>「モデル」とは、学習済みのAIの「頭脳」部分のことです。</p> <ul> <li><strong>学習データ</strong>（インターネット上の大量のテキスト）を使って</li> <li><strong>パターン</strong>を学習し</li> <li><strong>出力</strong>（回答や文章）を生成できる状態になったもの</li> </ul> <p>同じLLM製品でも、複数のモデルが提供されています。</p> <ul> <li>Claude: Haiku 4.5（軽量・高速）、Sonnet 4.5（バランス型）、Opus 4.5（高性能）</li> <li>GPT: GPT-5 Mini（軽量）、GPT-5（標準）、o3（推論特化）</li> <li>Gemini: Flash（高速）、Pro（標準）、Deepthink（推論特化）</li> </ul> <h3 id="モデルの性能は重要">モデルの性能は重要</h3> <p><strong>「とりあえず動けばいいや」ではなく、適切なモデル選択が重要です。</strong></p> <p>理由は次の通りです。</p> <ol> <li><strong>回答の正確性</strong> - 高性能モデルほど複雑な質問に正確に答えられる</li> <li><strong>コード生成の品質</strong> - バグの少ない、保守しやすいコードを生成</li> <li><strong>指示の理解力</strong> - 曖昧な指示でも意図を汲み取れる</li> <li><strong>コストとのバランス</strong> - 単純なタスクには軽量モデル、複雑なタスクには高性能モデルを使い分ける</li> </ol> <p><img src="./images/Gemini_Generated_Image_goxm9ngoxm9ngoxm.png" alt="脳のアイコンが小・中・大の3サイズで並び、それぞれのメリット・デメリットを示す図。軽量=速い/安い、高性能=正確/高コスト のイメージ。"></p>