「AIエージェントは鋼の神経が要る」海外エンジニアが激論、生産性100倍の声も
姉妹サイトの新着
海外ニュースサイトに掲載された「AIエージェントと働くには鋼の神経が要る」という記事をきっかけに、Hacker Newsでは実際にAIコーディングエージェントを使う技術者たちの間で激しい議論が起きた。安価なモデル「Luna」は使い物にならないという声と、用途を絞れば十分に働くという反論が真っ向からぶつかり、さらに生産性が3倍から100倍以上になったという体験談も相次いだ。一方で、エージェントが指示したルールを無視して同じ癖を繰り返すという不満も根強く残っていた。
AIエージェントと働くには鋼の神経が要る
出典: orchidfiles.com / 元記事はこちら
Claude Maxを5~6契約、Codex Pro Maxを4~5契約、さらにcodex-lbやccflareまで駆使して週次の利用上限をやりくりしないと、一体どうやって仕事を進めているのか、正直わからない。
>>8 それって要するに、DeepSeekを月35ドル分使うくらいの話だろ?
それはタスクに合わないモデルを使っているだけだ。Lunaのような「速くて安い」エージェントは、範囲が明確な修正には向いているが、「なぜそうするのか」までは理解できない。AstraやSolならその問題は起きないはずだ。
「この関数はなぜここにあるのか?議論せよ。」
>>15 たまに一人で勝手に議論した末に、そのまま作業を続けることを選ぶこともある。でも実際、「discuss(議論せよ)」という指示はよく使うし、かなり効果がある。
みんなが生きてる悪夢そのものって感じだな、笑
要約すると「金を払った分しか返ってこない」ってことだ。
>>4 「Lunaは使い物にならないゴミ」とあるけど、具体的にどんな用途で使い物にならなかったのか?こちらではHarborでタスクを採点しているが、プロンプトがしっかり書けている、あるいは過剰に詳細なときは、Lunaはちゃんと機能している。
>>20 自分の感覚だと、Lunaは高校生に任せられる範囲のことなら信頼できるけど、大学レベルになると途端に不安になる。
>>4 Codexの6.1 Terra Ultraは、自分のプランだとかなり良い働きをしてくれている。
>>4 単純にプロンプトの書き方が下手で、動かすために最高レベルの知能が必要になっているだけじゃないか?自分の場合、medium以上の設定にすると逆に考えすぎて悪化する。
>>4 Lunaは、OpenAIが宣伝している通りの用途――的を絞ったタスク、小さな修正、自動化――には優秀かつ非常に効率的だ。そういう使い方をしているなら、それ以上強力なモデルを使うのはトークンの無駄遣いになる。
>>4 自分で作ったコーディングベンチマークでは、Lunaのlow effortはローカルでStrata経由で動かしたQwen 3.8 Flash Next Coder IQ_1(https://github.com/niko1221/strata)に負けている。Lunaのmedium effortはそれよりわずかに上だが、処理時間は5〜10倍短い。
>>6 正直な疑問なんだけど、こういうもの全部を無視して自分でさっさとコードを書いた場合と比べて、どれくらい時間の節約になっているんだ?
>>26 ソフトウェアエンジニアを20年やっているが、これまでの総仕事量のおよそ半分がここ2年で出ている。一度環境を整えて定期的にメンテナンスすれば、楽に3〜10倍速くなる。
>>26 この時点でまだそれを聞くようなら、どんな返信をもらっても考えを変えることはないんじゃないか。
>>26 最初はそれほどでもないかもしれない。でも、きちんと環境を整えた後は、動いているのを見ているだけで驚くほどのものがある。
他サイトの新着
>>6 元記事と違って、これはエージェントを使うことが実際に役立ちそうに聞こえる話だ。記事をまとめると、「すごく安いLLMを使っていて、みんなと同じようにGPT 3.1で苦しんでいる」という内容。これはまさに、LLMがまったく使い物にならなかった、そう遠くない昔への逆行だ。
>>11 「エージェント向けのルールやスキルをどれだけ変えても、この手法を使い続ける」「じゃあルールを一番上に移動してみよう」。そして同じチャットの次の返信で、また引用符付きのテキストが出てくる。
>>26 最初に2〜3日かけて計画を立てるだけで、生産性が100倍以上になる。正直、今となってはコードを書くこと自体はもう自分のボトルネックじゃない。むしろ、同時に何体のエージェントを走らせられるか、製品のテストや検証にどれだけ時間を使えるか、という話になっている。
>>28 笑った、たぶんそうだろうな
この話題の背景と論点
AIコーディングエージェントをめぐっては、同じツールでも評価が「ゴミ」から「生産性100倍」まで大きく割れるのが実情だ。スレでは、安価で高速なモデルは範囲を絞ったタスクなら機能するが、文脈の「なぜ」を理解する必要がある複雑な作業には向かないという指摘が繰り返された。生産性向上の数字(3〜10倍、100倍超)はいずれも個人の実感であり、ベンチマークに基づくものではない点には注意が要る。また、エージェントが設定したルールを無視して同じ癖を繰り返すという不満も出ており、元記事の「鋼の神経」という表現は、ツールの不安定さと向き合う覚悟そのものを指している。
※本記事は海外掲示板 Hacker News のスレッド「You’ll need nerves of steel to work with AI agents」から抜粋し、編集部で日本語に意訳したものです。訳文の責任は当サイトにあります。
この記事のリアクション
まだコメントはありません。