AI開発・プログラミング入門｜コード生成からアプリ構築まで

RAGを作ったのに検索の精度がいまいち——そんなときに効くのがリランキング（reranking／再ランク付け）。埋め込み（ベクトル）検索でざっくり集めた候補を、もう一段、関連度で並べ替えて上位だけ残す処理で、RAGの回答品質を大きく左右する検索精度の最後のひと押し。本記事は、リランキングの正体（一次選考と最終面接のたとえ）、なぜ必要か（埋め込み検索はクエリと文書を別々にベクトル化するため関連度の見極めが粗い）、2段階検索の仕組み（速い埋め込み検索で広く取得＝再現率→リランカーで上位に絞る＝精度→LLMに渡す。研究でも精度の大きな改善が示されている）、なぜリランカーが正確か（bi-encoder＝別々に見て速いが近似、cross-encoder＝クエリと文書を一緒に入れて関連度スコア0〜1を直接出すため正確だが重い）、モデルと実装（API型＝Cohere Rerank/Voyage/Jina、OSS型＝BGE reranker/mixedbread/FlashRank、LLMで採点するRankLLM等。既存のベクトル検索の取得件数を50〜100に増やしリランカーで上位5件に絞る1工程を足すだけ）までを初心者向けに解説。「広く取得して賢く絞る」が原則で、件数はAI評価で測りながら調整する。

RAGも意味検索もレコメンドも、その裏側で必ず使われている縁の下の力持ちがエンベディング（embedding／ベクトル）だ。エンベディングとは、テキスト（や画像など）の意味を数字の並び＝ベクトルに変換したもの。「犬」を数百〜数千個の数字の列に置き換え、その並びが「意味の座標」になる。意味の近い言葉どうしは空間上の近い位置に配置され（犬と子犬は近く、犬と自動車は遠い）、コサイン類似度などで近さを数値化できる——だから文字が一致しなくても機械が「意味が近いか」を判断できる。有名な「王様−男性＋女性≒女王」のように意味の関係がベクトル演算で表れることも。本記事は、正体（意味の地図のたとえ）、なぜ近さで意味が測れるか、用途（RAG・意味検索・分類/重複検出・推薦、マルチモーダル）、埋め込みモデルの選び方（API型＝OpenAI text-embedding-3/Cohere/Gemini/Voyage、OSS型＝BGE-M3/Nomic/Qwen3、一部の新しいモデルはMatryoshkaで次元を後から縮められ、例えばOpenAIの3072次元を1024次元にすれば精度を少し譲って保存量は約1/3）、ベクトルDB（Pinecone/Weaviate/Qdrant/Chroma/pgvector）と始め方（モデル選択→文書をベクトル化して保存→質問もベクトル化して検索）までを初心者向けに解説。RAG実装の土台であり、精度はAI評価で測りながら改善するとよい。

プロンプトを磨きRAGやファインチューニングをした後、「本当に良くなったのか」をどう確かめるか。主役になるのがAI評価（Evals）で、2026年には「評価はインフラ」と言われるほどAI開発に欠かせない工程になっている。AI評価とは、LLMの出力品質（正確さ・幻覚の有無・形式遵守・口調など）を、その場の感覚ではなく決まった物差しで点数化すること。評価がなければ改善は"勘"になる。方法は2つ——機械的に測れる項目は「コードベース評価」（完全一致・形式・必須語など、速く安く安定）、主観的な項目は「LLM-as-judge」（強力なLLMを審査員に使いAIの出力を採点。ペアワイズ比較と単体スコアリング）。原則はコードで測れるものはコードで。LLM-as-judgeには冗長・位置・自己びいきのバイアスがあり、対策は①別系統モデルで採点（自己びいき回避）②順番を入れ替えて二回採点（位置）③基準に簡潔さを明記（冗長）④人間の判断と突き合わせる較正、が要。採点は1〜10より「合格/不合格」など粗いほうが安定しやすいとされる。実務では3層（変更ごとの即チェック→夜間の回帰テスト→本番の継続監視）で回し、ツールはDeepEval・Promptfoo・RAGAS（CI用）とBraintrust・LangSmith・Arize（監視用）を組み合わせるのが定番。まずは良い出力・悪い出力を各10件集めて採点するのが最初の物差し。

ファインチューニングは、学習済みモデルの重みや追加のアダプタを学習し、文体・分類・出力の傾向を調整する技術です。RAGやプロンプトとの役割の違い、フル・LoRA・QLoRAの仕組み、データの品質と評価、学習・推論・運用費用を整理。OpenAI SFTの最低10例と開始時の推奨50例を全方式共通の基準と区別し、セルフサービス型ファインチューニングの新規受付終了と既存利用者の条件も説明します。問い合わせ分類を例に、実行前の確認から採用判断までの手順を示します。

AIにコードを書かせる時代、価値が高いのは「コードを書く力」より「仕様を書く力」になりつつある。それを象徴するのが仕様駆動開発（Spec-Driven Development、SDD）だ。SDDとは、仕様（spec）を開発の中心ドキュメントに据え、そこからAIエージェントに設計・分解・実装を導き出させる進め方。いきなりコードを書かせず、まず「何を・どう作るか」を構造化した文書にまとめる。重要なのは各ステップが文書（多くはMarkdown）を残し次が読むこと。本記事は、SDDの正体（仕様が"正"でコードは派生物）、なぜ今必要か（バイブコーディングがぶつかりやすい技術的負債・要件ズレを設計段階で防ぐ）、基本の4ステップ（Specify→Plan→Tasks→Implement）、主要ツール（GitHub Spec Kit＝14万超スター・30以上のエージェント対応、AWS Kiro＝Requirements→Design→Tasks＋Autoルーター、BMAD/OpenSpec/Tessl/Google Antigravity/Cursor）、バイブコーディングとの使い分け（探索はバイブ・出荷は仕様駆動のハイブリッド、人間のレビューは必須）、今日から試す方法までを初心者向けに解説する。AI時代に伸びるのは速くコードを書く人より、何を作るかを正確に定義できる人。

AI活用の主役がプロンプトエンジニアリングからコンテキストエンジニアリングへ移りつつある。コンテキストエンジニアリングとは、Anthropicの定義では「推論のあいだにモデルへ渡す最適なトークン（情報）の集合を選び・保つための戦略全般」で、指示文だけでなくシステムプロンプト・ツール・会話履歴・外部データなど、コンテキストウィンドウに入るすべてを設計・管理する技術。重要な理由は「context rot（コンテキストの劣化）」——トークンを増やすほどモデルの精度はむしろ落ちる現象で、2025年にChromaが18の主要モデルで検証し例外なく低下、長い文脈の中盤の情報ほど見落とされやすい（lost in the middle）。本記事は、正体とプロンプトエンジニアリングとの関係、context rotの仕組み（注意は有限の予算）、コンテキストに何が入るか、主要テクニック6つ（適切な粒度の指示・ツール厳選・ジャストインタイム取得・コンパクション要約圧縮・外部メモリ・サブエージェント分離）、RAGやClaude Skillsとの位置づけ、そして「話題が変わったら新セッション」「長文は要点だけ」など今日からできる実践までを初心者向けに解説する。最小で最も効くトークンだけを残すのが核心。

2026年6月9日に登場したClaude Fable 5（Anthropic初のMythosクラス一般公開モデル）を、リリース全体ではなく「コーディング」だけに絞って徹底解説する。結論はFable 5は難しいコーディングほど他を引き離すモデル。SWE-bench Verified 95.0%・より過酷なSWE-bench Pro 80%（Opus 4.8 69.2%・GPT-5.5 58.6%）・最難関のFrontierCode Diamond 29.3%（Opus 13.4%・GPT-5.5 5.7%＝GPT比約5倍）と公開モデルで頭一つ抜けるが、Terminal-Bench 2.1は84.3%で僅差（GPT-5.5はCodex CLI経由で健闘）。本記事は開発者目線の3行サマリ（難問ほど強い／少ないターンで仕上げる／ただし高い・止まらない）、主要ベンチの比較表と読み方（難しいベンチほど差が大きい・ターミナルは接戦）、effortスケーリング（低11.5%→最大30.9%、GPT-5.5は5〜6%で頭打ち、長く複雑なほどリード拡大、5体並列で難問通過率が単体の3.2倍速で60%到達との報告）、実際の開発で得意な領域（マルチファイル大規模リファクタ・長時間の自律エージェント・スクショからフロント実装・API設計＋テスト＋ドキュメント、Simon Willison氏が数日分の仕事量と評価する一方で遅く高い・5.5時間で110ドル超）、弱点と注意点（料金はOpus 4.8の約2倍の$10/$50・複雑セッションは50万〜100万トークン、止め時を誤り走り続ける、コードレビュー精度はOpus劣後、安全分類器でOpus 4.8へフォールバック＝Terminal-Benchで約2割、実行せず検証済みと報告するクセ）、Opus 4.8・GPT-5.5との使い分け（2026年6月時点の比較で、既定はOpus 4.8・難所の1〜2割をFable 5へエスカレーション・Codex中心の端末作業はGPT-5.5、モデルID切り替えで振り分け、今ならOpus 4.8はOpus 5系に読み替え）、使える場所（Claude Code/GitHub Copilot/AWS Bedrock/Azure Foundry/Databricks/Anthropic API）と料金・コンテキスト100万トークン・出力12.8万・6/9〜22の無料期間までを網羅。重い一発はFable 5、日々の大半はOpus 4.8（今ならOpus 5系）という振り分けが要点。数値はAnthropicおよび各社の公表資料・報道の引用で、足場依存のため傾向の参考。

「ビルドが終わったら教えて」「CIが赤くなったら直して」「デプロイを5分おきに見張って」——こういう張り付き仕事をAIに丸ごと預けられるのが、Claude Codeに2026年に追加された/loop（ループ）コマンドだ。本記事は初心者向けに、/loopとは「プロンプトやスラッシュコマンドを決めた間隔で（あるいはAIが自分で決めた間隔で）繰り返し実行するセッション内スケジューラ」であることを起点に、4つの使い方（①/loop 5m 〇〇=固定間隔でcron実行 ②/loop 〇〇=間隔をAIが判断するセルフペース ③/loop 15m=組み込みメンテプロンプト ④/loop=自動メンテ）、間隔の書き方（数字+単位s/m/h/d、最短1分、every 2 hours等の自然文、スラッシュコマンドもループ可=/loop 20m /review-pr 1234）、セルフペースの凄さ（動きがあれば短く・なければ長く1分〜1時間で待ち、完了したと判断すればループ自体を自動終了する点がただのcronと決定的に違う）、CI/デプロイ見張り・PRお守り・長時間ビルド確認・リマインド・ブランチ自動メンテといった実用レシピ、停止と注意点（セルフペースはEsc・固定間隔は取り消しで停止、セッション内のみで新しい会話だと消える、ターミナルを閉じると止まる（/backgroundでバックグラウンドに回せば続く）、固定間隔は最長7日、1セッション最大50タスク、ターンの合間に発火しジッターあり、ローカルタイムゾーン基準）、そして3つのスケジューリング機能の使い分け（/loop=セッション内の監視、Desktop scheduled tasks=ローカル常駐、Routines=クラウドで無人運用）、loop.mdで省略時動作を自分仕様にするカスタマイズとCLAUDE_CODE_DISABLE_CRON=1での無効化までを、公式ドキュメント（2026年時点）に基づき解説する。/loopが変えるのはAIに任せられる仕事の時間軸だ。

「AIに仕事を奪われる側」になるか「AIを操って10人分働く側」になるか——2026年のエンジニアの分かれ道。本記事はLLM・エージェント・RAGでアプリを作る「AIネイティブ開発者」になる道を、博士号や難解な数学ではなくスキルの積み上げとして3層で示す。①変わらない土台（Python=AI開発の主力言語・Git・コマンドライン・HTTP/REST/JSON、AIが書く時代こそ基礎が要る）②AIネイティブの中核5スキル（プロンプト/コンテキスト設計・RAG=企業エージェントの背骨・エージェント構築・MCP=ツール接続の事実上標準・評価eval、加えてコスト最適化/ガードレール/可観測性）③大多数が見落とす差がつく一手＝評価設計とコンテキストエンジニアリング（evalを書けることが「実際にLLMで作った人」を分ける最大のシグナル、AGENTS.md/CLAUDE.mdと小さな評価セットが"アシスト→ネイティブ"の跳躍点）。さらに8〜12か月の学習ロードマップ（土台→LLM API/プロンプト→RAGをフレームワークなしで自作→エージェント＋MCP→評価＋デプロイ＋公開）、学位よりデプロイ実績が効くポートフォリオ戦略、チュートリアル沼・道具収集・基礎軽視といった落とし穴、需要急伸と年収（米国基準・地域差大）まで実践的に解説する。境目は「AIを仕組みとして使うか」だ。

Anthropicの公表では、企業でのClaude Codeの利用額は開発者1人あたり平均月$150〜250。エージェントを並列で長く回せば、これを大きく超えることもある。だが使い方を変えるだけで、成果物の質を落とさずコストは大きく下げられる。本記事はまず高コストの正体（高いモデル・長い文脈・無駄な回数、トークン課金の仕組み、エージェントチームは通常の約7倍消費）を解き、サブスク vs APIの損得分岐（API課金が安く済むのは月に数回程度のごく低頻度のライト利用に限られ、毎日使うならサブスクがほぼ確実に得）、主要ツールの料金俯瞰（Copilot Pro $10／Cursor Pro $20・毎日のエージェント利用にはPro+ $60／Claude Pro $20・Max $100、2026年6月1日にCopilotが従量課金=AIクレジットへ移行）、コストを下げる6つのレバー（①モデル使い分け ②プロンプトキャッシュは約90%引き ③コンテキスト管理 ④サブスク/API選び ⑤重複サブスク棚卸し ⑥メモリ機能）、今日からできる節約チェックリスト、そして安物買いの銭失い・隠れた人件費・重複課金・メーターショック・キャッシュ過信といった落とし穴、用途別おすすめ構成までを実践的に解説する。最適化とはケチることではなく「適切なものに適切なだけ払う」設計だ。

「RAGとは」は分かった、でも作ると答えがズレる——原因は「雑に切って素朴にベクトル検索しただけ」の素朴RAGのままだから。本記事は「RAGとは」の入門記事の実装編として、2026年の実用RAGパイプライン（賢いチャンク分割→埋め込み→ベクトルDB→ハイブリッド検索→再ランク）を各工程具体的に解説。チャンク分割の戦略（recursive 512デフォルト、semantic/structural/parent-child、Contextual Retrieval＋再ランクで上位20件の検索失敗を最大67%削減とAnthropicが報告）、埋め込みモデル選び（text-embedding-3-large等）、ベクトルDB6種の比較（試作のChroma、Postgres併用のpgvector、低レイテンシのQdrant、フルマネージドのPinecone、ハイブリッド王者のWeaviate、超大規模のMilvus）、BM25＋密ベクトルをRRFで融合するハイブリッド検索、bi-encoderで広く取りcross-encoderで精選するretrieve-then-rerank（Cohere/Voyage/BGE/Jina）、LlamaIndex（検索）とLangChain/LangGraph（制御）の住み分け、1MトークンでもRAGは置き換わらない理由（lost in the middle・注意散漫）、評価セットを最初に作る等の本番化注意点までを網羅する。

「AIエージェントとは」は分かった、では自分で作るには？2026年のいま、ノーコードならドラッグ&ドロップで午後のうちに1体動かせ、コードでも最近のSDKなら100行未満で実用的なものが組める。本記事は「AIエージェントとは」の記事の実践編として、まずエージェントの中身（頭脳LLM＋指示＋ツール＋記憶＋自律ループの5部品）を押さえ、ノーコード vs コードの2つの道、ツールが何であれ共通の作り方5ステップ（①課題を絞る→②基盤を選ぶ→③指示を書く→④ツールを繋ぐ→⑤小さくテスト）、ノーコードツール比較（総合のDify、業務連携のn8n、試作のFlowise、最も手軽なCustom GPT/Gemini Gems/Claude Projects）、コードフレームワーク比較（堅実のClaude Agent SDK/OpenAI Agents SDK、複雑制御のLangGraph、役割協調のCrewAI）、問い合わせ要約→Slack通知の具体的な作例、コスト（基盤月$20〜$60＋モデル利用料）と期間の目安、スコープを欲張らない・権限と暴走対策・PoC止まり注意などのつまずきどころまでを実践的に解説。大半の人はまずノーコードで1体作るのが正解。