AI Agents · レッスン

Agenticパターン：計画・実行・検証

まず計画を立て、次に手順ごとに実行し、最後に受け入れ基準に照らして検証します — 一度きりの実行より優れています。

「Agenticパターン：計画・実行・検証」はCoddyKit上の無料AI Agentsレッスンです。これはレッスン1/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはAI Agents学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 AI Agentsコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

なぜ最初に計画するのか

一度きりのコード生成は、小さなタスク（「fizzbuzzを書いて」）には有効です。しかし、実際のソフトウェア変更では、エージェントは次のように動作すべきです：

計画 — タスクを手順に分解する
実行 — 各手順を実装する
検証 — テスト、lint、実行を行う
反復 — 検証できるまで修正する

ステップ1：計画

モデルに構造化された計画を作成させます：

PLAN_PROMPT = '''
You are a senior engineer. Given this task, produce a JSON plan:
{steps: [{description, files_to_touch: [str], test_commands: [str]}], risks: [str]}

Task: {user_task}
'''

Plan Schema

from pydantic import BaseModel

class Step(BaseModel):
    description: str
    files_to_touch: list[str]
    test_commands: list[str]

class Plan(BaseModel):
    steps: list[Step]
    risks: list[str]

ステップ2：実行

各ステップを順番に実行します。コンテキストとしてファイルの内容をモデルに渡します：

for step in plan.steps:
    context = {f: read_file(f) for f in step.files_to_touch}
    diff = llm.invoke(f'Implement: {step.description}\nFiles:\n{context}').content
    apply_diff(diff)

ステップ3：検証

各ステップでテスト／lint／ビルドを実行します：

for cmd in step.test_commands:
    result = sandbox.run(cmd)
    if result.exit_code != 0:
        # Verification failed; iterate
        loop_until_verified(step, result.stderr)

Step 4: Iterate Until Pass

MAX_ITERS = 5
for iter in range(MAX_ITERS):
    result = sandbox.run(test_cmd)
    if result.exit_code == 0:
        break
    fix = llm.invoke(f'Tests failed:\n{result.stderr}\nFix the code.').content
    apply_diff(fix)

ファイル全体ではなく差分を表示する

段階的な変更では、モデルにUNIFIED DIFFSを生成させます：

diff = '''
--- a/main.py
+++ b/main.py
@@ -10,3 +10,4 @@
  def add(a, b):
      return a + b
+
+def sub(a, b): return a - b
'''
import patch
patch.fromstring(diff).apply()

計画の品質が重要

悪い計画では実行も失敗します。計画にはより強力なモデル（GPT-4o、Claude Sonnet 4.5）を使い、予算が厳しい場合は実行により安価なモデル（gpt-4o-mini、haiku）を使います。

行き詰まったら再計画する

検証が何度も失敗する場合は、現在の計画を破棄し、新しい情報をもとにLLMに再計画を依頼します：

if iter == MAX_ITERS - 1:
    new_plan = llm.invoke(f'Original plan failed. Errors: {errors}. Make a new plan.').content

長期計画のトレードオフ

計画の対象期間が長くなるほど、モデルの計画は悪くなります。10ステップ以上のタスクでは、大まかな計画を作成し、各ステップで詳細化してください。

計画とクリティック

実行前に「クリティック」エージェントに計画をレビューさせます。明らかなミスを早期に発見できるため、実行中に修正するよりも低コストです。

ユーザーに計画を提示する

実行前に計画をユーザーに表示します。ユーザーが編集できるようにしてください：

approved_plan = await ask_user_to_approve_or_edit(plan)
execute(approved_plan)

計画・実行・検証

このパターンは、一度きりのコード生成よりもなぜ信頼性が高いのでしょうか？

要点の振り返り

計画し、実行し、検証し、反復します。強力なモデルを計画に、安価なモデルを実行に使い、実際のテストを実行します。重要度が高い場合は、計画をユーザーに提示します。

よくある質問

「Agenticパターン：計画・実行・検証」レッスンは無料ですか？

はい。「Agenticパターン：計画・実行・検証」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、AI Agentsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 AI Agentsコースには全4レッスンが含まれています。

「Agenticパターン：計画・実行・検証」で何を学びますか？

まず計画を立て、次に手順ごとに実行し、最後に受け入れ基準に照らして検証します — 一度きりの実行より優れています。ブラウザで直接実行するハンズオンコードでAI Agentsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

AI Agentsを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのAI Agentsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。これはレッスン1/4です。

「Agenticパターン：計画・実行・検証」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このAI Agentsレッスンでコードを書いて実行できますか？

はい。すべてのAI Agentsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

← AI Agentsに戻る