AI Engineer の YouTube チャンネルの登録者数が100万人を突破しました。トークを視聴してくださった方、同僚にシェアしてくださった方、そして学んだことを本番環境で実践してくださったすべての方々に感謝いたします。今回の特別エピソードではゲストをお招きし、多くの人が現場で直面している問いについて語り合います。——今のソフトウェアエンジニアは、一体何を学ぶべきなのでしょうか?
Mihail Eric は、この問いに対する答えを検証できる2つの実践現場を持っています。彼はスタンフォード大学で『The Modern Software Developer(現代のソフトウェア開発者)』という講義を受け持つ一方で、Monaco で AI 責任者を務めており、そこではエンジニアたちがコーディングエージェント(coding agents)を活用してソフトウェアをリリースし、本番環境のインシデント対応を行っています。今回は彼にシラバスを解説してもらうとともに、彼自身のエンジニアリングチームの実戦で役立った内容はどれだったのかを語ってもらいました。
これは、来週サンフランシスコで開催される AIE Code に参加される方々のための事前予習でもあり、スピーカー、スポンサー、参加者同士の会話を深めるための必須の前提知識となるはずです。Latent Space の購読者でまだチケットをお持ちでない方は、こちらのプロモコードで30%オフになります(申し訳ありませんが返金は不可です)。
去年の課題が、今やワンプロンプトで解けてしまう
CS146S の初回講義では、9つの課題と1つの卒業制作プロジェクト(capstone)が課されました。その演習の1つでは、リポジトリに対して AI コードレビュアー(AI code reviewer)を実行し、そのフィードバックを評価することが求められていました。しかし次の学期を迎えたとき、Mihail は学生たちがワンプロンプト(one-shot)で課題の大部分を解いてしまうことに気づきました。スタンフォード大の学部2、3年生で埋まった教室でプログラミングのやり方を尋ねたところ、調査に応じた学生全員が日常的にエージェントを使っていました。
そこで今回は、課題の一部がオープンソースプロジェクトへのコントリビューションに変更され、リポジトリのメンテナーが学生のパッチ(patch)をレビューする形になりました。私はこの課題設計の変更をとても評価しています。エージェントを使えば確かに半日で機能を実装できるかもしれませんが、その機能がメンテナーから本当に求められているのか、既存のコードがなぜそのように実装されているのか、そして自分のパッチが他のどの部分を壊す恐れがあるのかを把握しなければならないことに変わりはありません。そしてこの対話こそが、ジュニアエンジニアがシニアエンジニアから学ぶための不可欠なプロセスなのです。
今回のエピソードには、次回の PR(Pull Request)ですぐに応用できる演習があります。Geoffrey Litt が開発した explain-diff というスキルは、コードの変更点をビジュアル付きのウォークスルーに変換し、その変更内容についてあなたに質問を投げかけてくれます。エージェントが生成したばかりのパッチでぜひ試してみてください。——コードを見直さなければ答えられないような質問は、どれくらいあるでしょうか? ディスカッションを見る。
Monaco における「購入(Buy)」と「内製(Build)」の戦略
Monaco では、複数のコードレビュー製品を評価した結果、Devin を使い続ける選択をしました。しかし、エージェント用ワークスペース(agent workspaces)に関してはまったく逆のアプローチを取りました。バックグラウンドで動作するエージェントには、プロダクトを実行し、障害を再現し、パッチをテストするための環境が必要です。その詳細は Monaco のクラウド環境の構成に依存するため、チームは専用のワークスペースを独自に構築しました。Mihail の経験則は「知見を得るために買い、長く使い続けるために内製する(You buy to learn, and you build to keep)」です。
その成果の1つが Hal です。エンジニアはこれを使って障害調査を行わせ、PR を提出させることができます。また、営業担当者が同じシステムに対してプロダクトの仕組みを質問することもできます。前者のユースケースで価値がある出力はレビュー可能なコード変更であり、後者では顧客に説明できるプロダクトの解説です。もし両者に対して画面いっぱいのデバッグログを出力してしまえば、どちらか一方のニーズしか満たせなくなってしまいます。
私が繰り返し考えている疑問は、「PR の向こう側で何が起きるのか?」ということです。エージェントが見ているのは現在のコードにすぎません。しかし、なぜチームが半年前に行われた全く同じ変更をリジェクトしたのかを、エージェントはどこで調べればよいのでしょうか? この問いは、Basis のオーソリティ・マップ(Authority Map)から、Mihail による「オープンソースリポジトリはエージェントによって運営されるソフトウェア工場へと進化する」という予測へと繋がっています。これこそが、今学生をメンテナーに向き合わせるべき十分な理由です。どの変更が本当にそのプロジェクトに属すべきものなのかを決定する人間が、どうしても必要なのです。
コーディングエージェントを活用した開発を行っている方は、ぜひ AI Engineer CODE にお越しください。また、ご自身でも同様の内容を教えている方がいらっしゃれば、最初にどの課題を書き直したのか、ぜひお話を聞かせてください。
ショーノート
- スタンフォード大学 CS146S 講義 —— 10週間にわたるシラバス、課題、およびオープンソースのパートナー企業。前年度のカリキュラムと切り替えて比較することも可能です。
- コーディングエージェントの構築およびClaude Code の内部構造を紐解く —— ツール呼び出しループ(tool loop)とそれを取り巻く実行ハーネス(harness)についての Mihail による包括的な解説。
- コードの理解が新たなボトルネックに —— Geoffrey Litt が、AI によって生成された Diff をいかに理解するかについて論じています。
- Monaco のエージェント・デベロッパー・ワークスペース —— エージェントがアプリケーションを実行・テストするための環境構築に関するチームの考察と実践。
- コードレビューの終焉とその背景にある Faros の調査レポート —— AI を本格的に導入したチームでは、マージされた PR の数が98%増加した一方で、PR のレビュー時間は91%長期化しました。
- Basis:モノレポをエージェントにとって扱いやすくする方法