Codex-maxxing: AIエージェントを永続的なオペレーティングループへと変革する

従来のAIエージェントとのやり取りは、主にトランザクション型（一回限りのやり取り）でした。単一のプロンプトに対して単一の回答が得られ、チャットが閉じられた瞬間にコンテキストが失われてしまいます。しかし、現在は「Codex-maxxing」へのシフトが起こっています。これは、AIエージェントを単なるチャットボットとしてではなく、あなたの仕事の傍らで状態を維持し、長期間にわたって自律的にタスクを実行する「永続的なオペレーティングループ」として扱う手法です。

このアプローチは、エージェントを「使う」ツールから、共有メモリ、システムレベルのアクセス、および定期的なトリガーを活用して、絶え間ない人間の介入なしに勢いを維持する、あなたの専門的なエコシステムの中に「存在する」コラボレーターへと進化させます。

永続的なワークストリームの構築

トランザクション型を超えていくための最初の要件は、短いチャットから永続的なスレッドへの移行です。「compaction（圧縮）」を利用して、モデルに過負荷をかけずに長いスレッドのコンテキストを維持することで、ユーザーは特定のワークストリーム（例：「Chief of Staff」スレッドや特定のSDKプロジェクト）のためにピン留めされたスレッドを維持できます。

これらのメガスレッドは、数ヶ月にわたって履歴、好み、決定事項を蓄積するため、新しいセッションが始まるたびにプロジェクトの状態を再説明する必要がなくなります。キャッシュミスにより計算コストは高くなりますが、提供される継続性は、極めて重要な知識作業において不可欠です。

入力レイヤー：音声とステアリング

エージェント的なワークフローにおける効率性は、単なるスピードだけではなく、意図の忠実度に関係しています。

「乱雑な」ブレインダンプの力

音声入力は、編集されていない思考の伝達を可能にします。自然言語は、タイピングするには曖昧すぎたり退屈すぎたりすることが多いですが、コンテキストに富んでいます。「SlackでBenという人がこれを言っていた気がするから、調べてみて」と言うことは、テキストボックスでは不格好に感じられる調査の依頼を、自然な方法で委任する手段となります。この「乱雑な」思考バージョンは、洗練され、編集されたプロンプトよりも、モデルに対して優れた開始材料を提供することがよくあります。

リアルタイム・ステアリング

音声と「steering（ステアリング）」を組み合わせることで、作業の単位が変わります。「steering」とは、エージェントがすでにツール呼び出しを実行している最中に指示を注入できる能力のことです。ステップの終了を待つ代わりに、ユーザーは複数の意図をキューに積むことができます。「もっと小さくして」「このコピーは間違っている」「終わったらPRを作成して」といった具合です。これにより、やり取りは、停止と開始を繰り返す対話ではなく、流動的な指示のストリームへと変貌します。

メモリとしてのアーティファクト：Vaultシステム

長いスレッドは有用ですが、チャット内に閉じ込められたメモリは脆弱です。真に永続的なAIエージェントを作成するには、メモリを外部の、検査可能な形式にシリアル化する必要があります。

効果的なパターンの一つは、共有メモリレイヤーとしてObsidian vault（または同様のMarkdownベースのシステム）を使用することです。エージェントに特定のファイル（例：AGENTS.md、プロジェクトノート、または連絡先ディレクトリ）を更新するように指示することで、エージェントの学習内容は、異なるスレッド間で編集、diff、および再利用可能なアーティファクトへと変換されます。

このvaultをGitHubリポジトリに置くことは、二つの重要な利点をもたらします：

  1. クラウドアクセシビリティ: エージェントは、あらゆる環境からメモリにアクセスできます。
  2. Diffによるレビュー・サーフェス: エージェントがvaultを更新した際、人間はgit diffを確認することで、エージェントが何を重要だと判断して記憶したのかを正確に把握できます。これにより、「雰囲気による静かな蓄積」を防ぎ、メモリが事実に基づいた構造化されたものに保たれることが保証されます。

リーチの拡大：Computer Useとコネクター

エージェントの有用性は、それが触れられるインターフェースに依存します。アクセスレベルの違いを理解することは、ワークフロー設計において極めて重要です：

  • $browser: ローカルのウェブ・サーフェスを検査し、注釈を付けるために使用されます。
  • @chrome: 認証済みセッションおよび複数のタブの並列管理に使用されます。
  • @computer: デスクトップ・アプリケーションでのGUIベースの作業に使用されます。

これらをSlack、Gmail、およびCalendarのコネクターと組み合わせることで、エージェントは、仕事が議論される場所（コミュニケーションツール）と、仕事が実行される場所（コードやドキュメント）の間のギャップを橋渡しすることができます。

Heartbeatsによる自律的実行

「Heartbeats（ハートビート）」は、ピン留めされたスレッドを、受動的なアシスタントから能動的なエージェントへと変貌させるメカニズムです。定期的なチェックをスケジュールすることで、スレッドは特定のトリガーをモニターし、それに対して自律的に行動できます。

使用例:

  • Chief of Staff: 30分ごとにSlackとGmailをチェックし、質問への回答を調査し、人間のレビュー用にドラフトを作成するスレッド。

  • Feedback Loops: ビデオ・レンダリングのフィードバックをバックグラウンドでモニターし、Remotionで新しいレンダリングをトリガーし、@computer制御を使用して結果をアップロードするエージェント。

  • Administrative Automation: カスタマーサポートのチャットをモニターし、人間のエージェントがセッションに加わった際に自動的に返金交渉を行う。

検証と「Goal」フレームワーク

エージェントがより自律的になるにつれ、「vibe-coding（雰囲気によるコーディング）」のリスク（エージェントが正しく見ようえても、機能的には壊れているものを作成してしまうこと）が高まります。これに対抗するため、「Goals（ゴール）」の概念が導入され、エージェントが満たすべき成功基準（オラクル）を導入します。

例えば、PythonからRustへのライブラリの移行は、単なる...

Sources