Jolestar

いつもGitHub Copilotを使ってPRのレビューを行っています。やはりGitHubが自動的に動作し、しかも無料に見えるからです。
しかし最近の数回のレビューで、それが本当に「理解」しているのか疑問に思い始めました。
例えば非常に基本的な問題ですが、1.82.0は1.91.1よりも高いと認識していることです。これは古い大規模モデルでよく見られるバージョン番号の誤判定です。
これがモデルの問題だとすれば、rust 1.91.1がまだリリースされていないと誤認識している点もあり、エージェントの検索能力や現状判断能力もあまり高くないことが露呈しています。
もう一つ大きな問題は、Copilotのレビューが明らかに単一ファイル単位で行われていることです。
コードスタイルや境界条件の確認はまあまあですが、全体的な視点に欠けています。例えばあるPRでは、エージェントが相対パスの計算ミスで同じファイルを複数コピーしてしまい、実際には一つだけが有効になっているのに、それに気付いていませんでした。こういった問題を全く見逃しているし、PRに関連する元のissueが何を求めているのかにも関心を持っていません。
私の考えでは、適格なコードレビュアーエージェントはまず全体的な判断をすべきです。
PRがissueを満たしているか、プロジェクトの目標に合っているか、ファイルの配置やアーキテクチャの選択が妥当

Cursorが生成した年次報告。Cursorの更新速度は本当に素晴らしく、1日に数回のバージョンがリリースされます。多くの機能を使っていると、もし改良できればいいなと思うことがあり、結果として新しいバージョンの更新でそれが改善されています。しかし、最近は主に非同期バックグラウンドモードに切り替えています。来年の今頃には全体のエコシステムを見直すと、また別の光景が広がるでしょう。

AIを使った後は、ずっと働いていてほしいと思う。真夜中にトイレに起きたら、AIが仕事を終えていて、また新しい仕事を与えたくなるが、うっかりするとまた半晩かかってしまう。
その後、主 Claude に別の Claude を起動させて作業を行わせ、自分が監督する方法を思いついた。半日かけて、彼と一緒にワークフローの設計を行ったが、結果的に Claude は自分を起動することができないことがわかった。どうやらインタラクティブな入力がうまくいかないようだ。
最後に彼は言った：「私が直接実行する方が適切で効率的だと思う」と言って、自分でやり始めた😂。
Claudeは、プロセスのように自分自身をフォークして新しいプロセスを起動するフォーク機能を内蔵すべきだと感じますが、子プロセスとの間で直接通信できる必要があります。
似たような提案をした人はいますか。

難しい問題に直面したので、AIに調査を手伝ってもらいました。Claude Opts 4.5とGPT 5.1 Codex Maxの結論は異なっていました。それで、彼らの返信をコピーしてお互いに議論させました。後で少し面倒だと思ったので、文書を作成して、彼らに文書を修正することで議論させることにしました。どのAIプログラミングツールも、いくつかのモデルをチャットセッションにポンプして議論させ、最後に診断の提案を出す専門家診断モードを作ってくれませんか😅

Claude-4の2日間で、AIプログラミング能力は本当に大幅に向上しました。 多くの問題は、コードを自動的に取得することで見つけることができ、人間の介入が必要なケースははるかに少なくなります。 ご飯を食べて寝るときは、それにやるべきタスクをアレンジできますが、ちょっと高いので、このまま続けると今月中に請求書が膨れ上がり😅ます。

AIにコードを書かせるとき、まずは計画を立てさせて、後で文脈が逸れないようにします。AIが計画を書くときは、リーダーと工期について議論しているかのように、十分なバッファー時間を確保するために、時間表を作成する習慣があります。例えば、プロジェクトのテストを充実させるように頼むと、5週間の時間を計画しますが、実際には食事をするのとほぼ同じくらいの時間で完了できるのです😅。