業務・完了条件・役割・受け渡し・並列化・検収・自律度・学びの蓄積を一続きで扱う、マルチエージェントによるAI開発チームの設計書。図解に加え、TypeScript製タスク管理アプリへの機能追加をCodexの実装と既設のClaudeレビューCIで実走し、仕様・差分・テスト・AIレビューをつなぐ方法を示す。並列構成の提案や未計測の効果は実走の結果と区別して扱っている。
個人開発の記録ツールにLLMでWikiを書かせる取り組みを半年続けた経験談。RSSリーダーやクリップ、バレットジャーナルなどに溜まった記録を活用するため、全文検索やタグ付けだけでなくLLMによるWiki生成を試したが、最も役立った画面はLLMが生成した文章をそのまま使うものではなかったという内容。
シンプレクスが全社展開する「AI-Native Delivery」の取り組みの一環として、開発ライフサイクル全体（要求整理・設計・実装・テスト・運用）を人間とAIの役割から再設計するAI-DLCの導入により、チームの開発プロセスがどう変わり始めたかをエンジニアが報告する記事。
Claude Code や Antigravity などの AI エージェントを使ったスポーツ予測・分析システム開発（270コミット、73 PR）で発行された延べ542件のプロンプトを調査し、指示の出し方と事前調査の有無が手戻り・バグ・CI/CDエラー・トークン消費に与えた影響を5パターンに分類した分析レポート。①明確・迅速完結型(51.1%)、②不明瞭・確認過多型(20.5%)、③不明瞭・バグ誘発型(16.6%)、④リファレンス不足によるCI/CDエラー型(10.3%)、⑤指示は明確だがAI側の影響範囲確認不足型(1.5%)。プロンプト改善で減らせる問題(③④)とAI側の検証ルールで防ぐべき問題(⑤)を区別すべきとし、プロジェクトのゴール定義や作業環境（モバイルかPCか）も成果に影響すると指摘している。
自作の Claude Code スキル47本を1ヶ月ほど運用して測定した記録。スキルは入れるだけなら簡単だが、数を増やすほど呼ばれなくなるという結果が得られたという。重くなるからではなく、登録したスキルの説明文が互いに競合し合うことが原因だと述べている。スキル設計・運用の知見を7つの観点でまとめている。