一人 + AI で結局どれだけ稼働できる？

多くの人は、カギはエージェントをいくつも立ち上げて並行実行することだと思っています。ですが、実際に毎日どれだけ成果物を提出できるかを決めるのは、往々にしてもっと基礎的な「数件」です。

タスクの立カード
10分を超える作業は、私は今すぐ AI に丸投げして始めません。まず数分かけて軽量カードを書きます。目標、境界、受け入れ基準、最大試行回数を明確にするのです。AI はカードに書かれた基準どおりに実現できて初めて完了。自分の感覚で「だいたい合ってる」から提出、はダメ。カードは JSON ファイルとして保存し、チャット画面を閉じ、モデルを切り替え、翌日戻っても、そのまま読んで続きから着手できます。

このカードがないと、作業は途中でいい加減になったり、いつまでも「もう少し直す」状態で止まったりしがちです。

作業ごとに複数モデルを分担
同じモデルに最初から最後まで全部任せません。Claude は判断と全体の統制方向が主。Codex は交差検証と技術レビュー用。Cursor は spec が明確な工学実装に使います。Grok は公開コンテンツの本文作成に集中。切り替えはフェーズごとで、毎回のラウンドごとに選び直すのではありません。「誰が安いからそれ」ではなく、そのフェーズで品質を求められる水準まで押し上げられるモデルを使います。

間違ったモデルを使うと、あとでやり直す時間が、節約できた分より多くなります。

状態はすべてファイルに書き込む
タスクの進捗、意思決定の理由、引き継ぎの要点。私はほとんどチャット履歴に残しません。すべて、リポジトリの Markdown と JSON ファイルに書き込み、唯一の事実ソースにします。新しく会話を始める、あるいはモデルを直接切り替える際、まずこれらのファイルを読めば「今どこまで来ているか」が分かります。チャット画面はいつでも閉じてよく、システム状態は失われません。

チャット画面に頼って記録すると、遅かれ早かれ、ウィンドウのリセットやモデル変更で途切れます。

品質ゲート + データ回収
内容を送る前にまず品質ゲートを通します。一手の事実だけが正しく送れる。純粋な推測の部分は必ず「これはアイデアです」と明示。送ったあと 24 時間、データを見ます。保存や実際のインタラクションがラインを超えたら、そこで初めて英語版、動画の切り抜き、サイトへのアーカイブを続行。線を超えなければその時点で止め、追加の時間は投入しません。

浮いたリソースは、次の「本当に誰かが欲しがっている」ものを作るのに回せます。

この4つを固定したあとで分かったのは、一人 + AI の実際の納品量が、以前あちこちで agent を開いていた頃よりも安定し、しかも未完了がずっと減ったことです。

あなたが今、AI と一緒に働くとき、主にどんなルールで運用していますか？あなたのバージョンを教えてください。