AIコーディングフローは、コードで済むことをトークンで焼いていた
著者は、複雑なツールチェーンから決定的なビルディングブロックへの移行により、AIコーディングフローを簡素化し、トークン消費を削減した方法を共有する。
記事インテリジェンス
要点
- opencodeからPi Agentへ移行し、最小限で拡張可能なハーネスを採用。
- LLMによるコマンドを、SonarQubeチェックやコードレビューなどの決定的な拡張機能で置き換え。
- タスク管理にTaskwarriorとBugwarriorを活用し、新たなツールを避ける。
- caveman、condensed-milk、VCCなどのツールでトークンを節約。
重要な理由
このニュースが重要なのは、opencodeからPi Agentへ移行し、最小限で拡張可能なハーネスを採用ためです。
技術的影響
モデル選定、推論コスト、プロダクト能力、評価基準に影響する可能性があります。
著者のGeert Theysは2026年5月、AIコーディングフローをシンプルにした経験を綴った。多くの開発者が複雑なツールに頼る中、彼は逆を行く。最初はopencodeというオープンソースのハーネスを使っていたが、すぐに制約を感じ、Pi Agentに切り替えた。Pi Agentは読み取り、書き込み、編集、bash、モデル接続のみを提供し、残りは自分で拡張するミニマルな設計だ。このシンプルさが決定的なポイントで、彼はすべてのステップを自分で制御できるようになった。
彼の問題意識は、LLMに依存したステップがトークンを無駄にし、非決定的であること。例えば、GitHub ActionsのSonarQubeチェックをLLMに指示していたが、スクリプトから逸脱することがあり、毎回確認が必要だった。そこで、Pi拡張として書き直し、100%決定的に実行されるようにした。コードレビューも同様に、カスタム拡張でPRやコミットを処理し、プロンプトを決定的に構築する。これにより、LLMが誤ったコマンドを実行するリスクがなくなった。
管理面では、TaskwarriorとBugwarriorを組み合わせて複数のプロジェクトのタスクを同期。彼は「新しいツールが必要なわけではなく、既存のツールを使えばいい」と述べる。トークン節約のコツとして、cavemanでチャットのシステムプロンプトを最適化、condensed-milkでRTK-AIの代わりにツール管理、VCCでローカル圧縮を推奨。VCCは要約ではなく正規化による圧縮で、追加のモデル呼び出しなしにトークンを削減する。
最後に、これはフレームワークではなく、自分に合った選択の集合だと強調。読者には自分のワークフローを構築するよう促し、他人の設定をそのままコピーするのではなく、アイデアを取り入れて自分用にカスタマイズすることを勧めている。