今日の収穫、3行で。

HNの回答は「スキルの実体は整理されたMarkdownだ」という点ではおおむね一致し、その先の評価で割れた。肯定側では nijave が「スキルはタイトルと説明の一覧としてLLMに提示され、関連しそうなものだけを読み込ませられる。素のMarkdownだとLLMがツール呼び出しでファイルを探す必要があり、全文を読むか一部を拾うかの判断まで残る」と機構の違いを説明し、alexhans は「progressive disclosureと決定論的スクリプトの同梱という、名前が付く前から皆が収束していたパターン」と位置づけた。懐疑側では bad_username が「要は整理されたMarkdownの遅延ロードであり、核心は『遅延』の部分だけ」、qsera が「SF映画のロボットが本を読んで学習する絵を想起させるマーケティング用語で、実態はコンテキストへの前置きにすぎない」、sharts が「スキルは遅延ロードされるがAGENTS.mdはされない。どのみち馬鹿げている」と述べている。

Q. スキルと、常時読み込まれる指示ファイルの違いはどこにあるのか。
A. 読み込まれるタイミングが違う。指示ファイルは毎ターン全量がコンテキストに載るのに対し、スキルは名前と説明だけが一覧として提示され、本文は選ばれたときに読み込まれる。

Q. 操作の記録からスキルを起こす方式には何の利点があるのか。
A. 手順を文章で書き起こす作業を省ける点と、実際に動いた操作列が入力になるため、記憶で書いた手順にありがちな抜けが減る点。

削る側の論拠は、常時読み込まれる指示は毎ターン全量がコンテキストを占め、量が増えるほど個々の指示が埋もれる点にある。書く側の論拠は、プロジェクト固有の規約や禁止事項は明示しない限り守られず、削れば同じ指摘を毎回繰り返すことになる点にある。同日のHNのスキル議論に並べると、争点は「書くか削るか」よりも「常時読ませるか、必要なときだけ読ませるか」という配置の問題に見える。

値下げを乗り換えの理由とする立場では、同じ作業量に対する支払いが直接下がるため、コスト差が体感差を上回った時点で移る判断になる。据え置く立場では、CLIの挙動・権限モデル・スキルやフックの資産が乗り換えコストとして残り、単価差だけでは相殺されないという見方になる。「設計は強いモデル、実装は安いモデル」という分担も、安いモデル側の性能が上がるほど境界が動くため、定石として固定できるものではなくなっている。

Q. サブエージェント構成にすると何が変わるのか。
A. 探索や検証のような出力量の多い作業を子側に閉じ込め、親には結論だけを返せる。長時間セッションでのコンテキスト圧迫を抑えられるのが主な効果。

Q. 別系統のCLIを親子で組み合わせる意味はどこにあるのか。
A. モデルとレート上限を別々に持ったまま1つのタスクを分担できる点。人間が窓を切り替えずに、得意分野の異なる2系統を1つの流れにまとめられる。

Q. 並行運用で最初に壊れるのはどこか。
A. 同一の作業ツリーを複数エージェントが同時に触る箇所。片方の編集がもう片方の前提を崩すため、git worktreeでチェックアウトを分けるのが定番の回避策になっている。

自律度を上げる側の論拠は、確認のたびに人間が介在すると夜間や長時間のタスクが進まず、エージェントを使う利点が消える点にある。抑える側の論拠は、権限を広げた状態での失敗は影響範囲が読めず、190行の書き換えのように後から差分を追う作業が発生する点にある。落としどころは全か無かではなく、書き込み先・実行できるコマンド・作業ツリーのいずれかを物理的に狭めておく方向に寄りやすい。

Q. 「0件でした」はなぜ危ないのか。
A. 「条件に合うものが存在しない」と「検索や実行そのものが失敗した」が同じ文面になるため。空振りと異常を区別するには、終了コードや処理件数を別途記録しておく必要がある。

Q. 「テストは全部パス」の何を確認すればよいか。
A. パスした事実ではなく、そのテストが何を検査しているか。落ちるはずの入力を与えても通ってしまうテストは、通過しても情報量がない。

コンテキストの取捨は、詰め込む側が優先順位を書かない限り、切り捨てる側の実装都合で決まる。切り捨てが静かに起きる設計では、届かなかった情報と、届いたが使われなかった情報を後から区別できない。

出力トークン数は回答の長さと一致しない。推論過程を出力するモデルでは、最終的な回答が短くてもその何十倍ものトークンが課金と時間の対象になる。

評価軸そのものへの懐疑が目立った。trentor は「ペリカンは気の利いた簡易テストだと思っていたが、モデル全体の性能指標として真に受けている人がいるのか」と述べ、epolanski は「二度と見なくて済む世界線がほしい」と書いた。一方 skybrian は「静止画は一目で判断できるぶん手軽なテストとして優れている。漫画を描かせるのはどうか」と代案を出している。生成物の評価では、元ゲーム開発者の forrestthewoods が「AI製ゲームは実質的にエンゲージメントがゼロで、『15分以上遊んだプレイヤー数』で測ると該当例を知らない」と述べ、matsemann も「『Yがゲームをたった Zトークンで作った』という話が先週から溢れているが、ゲームとしては面白くない」と続けた。quantumleaper のように、Karpathy個人の発言の変化を雇用主の利害に結びつけて批判する声もあった。