今日の収穫、3行で。

Claude Codeの「ループ」は、モデルが計画→実行→観察→再計画を自律的に繰り返す基本サイクルを指す。Anthropicはこのループを止めない・脱線させないための環境（許可設定・検証・停止条件）づくりを設計の中心に据えており、プロンプトの巧拙よりハーネスの設計が成否を分けるという立場を鮮明にしている。

リポジトリを整えるほどエージェントの精度は上がるが、その整備コストは人間が払う。プロンプトの工夫が"その場しのぎ"なのに対しコードベースの育成は資産として蓄積される一方、腐敗や更新遅れがそのままエージェントの誤動作に直結するというトレードオフがある。

システムプロンプトはモデルに常時渡す前提の指示文で、長いほどトークンを食い、かつモデルの判断を縛る。80%削減は、モデルが賢くなるほど"指示しすぎない"方が良い結果になるという最近の知見と符合する。

HNでは「Sonnet 5が上位に来たのは長く動き多く読んだ結果で、トークンを1.9倍消費している」「安いモデルは手数が増えるので"トークン単価が安い≠タスク単価が安い"」という核心の指摘が上位。静的型（C#/TypeScript）と動的型（Python/JS）でタスク単価がどう変わるかの続報を望む声や、"Piの利用者がそもそもシニアで上手にプロンプトしているだけでは"という交絡への疑問も出た。

HNでは「4倍改善というがグラフのベースラインは2%→8%で、evals節の100%成功と食い違う」という数字への鋭いツッコミが付いた。「skillやmarkdownの共有がHNに溢れすぎ」という食傷気味の声がある一方、フランス地図局の担当者が自組織でも同種のMCPを構築中だと明かすなど、地理空間×エージェントの層の厚さもうかがえた。

HNでは「EChartsやVegaが既にJSONベースのDSLを持つのに何が違うのか」という差別化への疑問が相次いだ。一方「AIエージェント向けというより、むしろ人間にとっても書きやすいDSLだ」と評価する声や、可視化層はLLMにとって面白い問題だと同種の取り組み（AIエージェント用オフィススイート等）を挙げるコメントも並んだ。

並列度を上げるほどスループットは出るが、コンフリクトや文脈の分散、そして"どのエージェントが今何をしているか"の把握コストが跳ね上がる。symlinkは手軽な反面ワークツリーの取り違えリスクがあり、監視ダッシュボードは把握を助けるが運用対象がまた一つ増える。

LLMが実在しない事象をもっともらしく報告する「作話（confabulation）」は、セキュリティ警告のような一見高信頼な出力でも起こりうる。エージェントの自己申告を鵜呑みにせず、実際のログや挙動で裏取りする運用が要ることを、後者の記事は身をもって示している。

モデルが横並びで賢くなるほど、差がつくのは"自分の用途での良し悪しを測る物差し"を持てるかどうか。ただし評価基盤の構築は地味で工数がかかり、モデル選定より軽視されがちという現実の壁もある。

HNでは「rewriteとAI rewriteは峻別すべき」「PostgresやSQLiteの信頼性はテストではなく30年分の"本番の傷"が支えており、回帰テスト100%は出発点にすぎない」という冷静な指摘が最上位。AGPLライセンス採用の是非、拡張エコシステムも書き直しが要るのかという実用面の疑問、"再実装の過程でメモリ非安全バグが見つかれば大きな収穫"という前向きな見方も並んだ。