大規模言語モデルは強力である一方で、永続的なメモリの欠如に悩まされており、繰り返し指示する必要があります。このため、単なる提案にとどまらず、自律的にタスクを実行できるエージェンティックAIが開発されました。著者は初期のGitLab AI機能を探索した後、OpenCodeのようなより高性能なエージェンティックツールへと移行しました。AIアシスタントを効果的に使用するための鍵は、特定のエンジニアリングの直感と明確な指示でガイドすることです。最適化されたAIワークフローは、タスクを優先し、迅速なコンテキストロードを可能にし、複数のプロジェクトでの並行作業を可能にします。定型タスクは、一貫した実行のために文書化された手順を通じて自動化できます。トークン効率は重要であり、LLMだけに頼るのではなく、データ収集のために最適化されたツールを使用することで達成されます。人間の監督下でAIがタスクを実行するアクティブな委任は、中核的なパターンです。AIへの曖昧な指示は効果がなく、信頼性の高い結果を得るためには、正確で的確な指示が必要です。AIセッション同士が干渉しないようにするためには、ワークツリーやメモリシステムのような協調プリミティブが不可欠です。新しいものを構築する前に既存のソリューションを検討すべきであり、再発明よりも貢献がしばしば好ましいです。関連するメモリが自動的に表示されるプロアクティブなコンテキスト注入は、AIの効率を大幅に向上させます。アクティブなリコールからパッシブリコールへのこの移行により、AIはニーズを予測し、明示的なプロンプトなしでコンテキストを提供できます。ブートゲートと反復的な洗練は、AIのパフォーマンスを向上させるために不可欠であり、AIが一時停止して重要な指示をロードすることを保証します。