DeepSeek Harness に対する一度の deepseek：オーバーエンジニアリングか、それとも自己進化（self-evolution）のために作られたのか？

最近のキャリア開発と未来についての所感です

本稿は 2026 年 6 月に書いています。retypeset-odyssey や HeroUI などは更新が速く、以下で挙げるフィールド名・挙動・やり方は当時のスナップショットにすぎません。

私のブログテーマ retypeset-odyssey は今や npm パッケージです：入れて、YAML を少し書けば、それでサイトが一つ立ち上がります。けれど、どの設定が実際に有効かはソースの中にしか生きていません——src/config-schema.ts の Zod スキーマと、src/content.config.ts の frontmatter 定義です。自分のサイトを設定するときは見つけられますが、AI agent は私のソースを掘りには行かず、「ブログテーマとはだいたいこういうもの」という当て推量に頼るしかありません。agent が当てる site.logo、theme.darkMode、posts.perPage はどれももっともらしく聞こえますが、私は一つも定義していません——その類のキーを retypeset.config.yaml に書けば、ビルドはその場で Zod の検証エラーで落ちます。当て推量は七割当たり、三割外れ、その三割がちょうどビルドを壊すのに十分なのです。

agent がこれらの取り決めに手を届かせられないのは、agent のせいではありません：テーマの本当の設定面は、ソースの外のどこにも一度も完全に書き出されたことがなく、読むものがなかったのです。正しく使わせるには、それらの取り決めを Zod スキーマと frontmatter 定義から取り出し、agent が読める場所に置く必要がありました。この数日でこの穴を埋め、ついでに他の人たちのやり方も見てみました。

手放せないローカルツールが二つあります。一つは Headroom：Claude Code が送るリクエストのコンテキストを圧縮するもので、会話が長くなるほど節約幅が大きくなり、トークン代をかなり削れます。もう一つは cc-switch：ワンクリックで Claude Code のプロバイダーを切り替える GUI で、公式・DeepSeek・各種サードパーティ中継のいずれにも飛ばせます。

どちらも単体ではうまく動きます。ところが両方を同時に使おうとした瞬間——Headroom で圧縮しつつ、cc-switch で好きなときにプロバイダーを切り替えたい——両者が衝突し始めました。十分で済む設定問題だと思っていたのが、まる一日かかりました。

この記事で本当に書きたいのは、そこへ至るまでの過程です。どの方法を順に試し、それぞれどこで行き詰まり、二つの実験でどの誤った前提を突き崩し、結論をどう修正したか。主役はその過程であって、最後の 30 行のコードはいちばん重要でない部分です。

本稿は 2026 年 6 月、Claude Code 2.1.178、Headroom 0.23/0.25、cc-switch v3.x を対象に書いています。これらのツールは更新が速いため、以下で引用するソースの行番号や挙動はあくまで当時のスナップショットであり、時間が経てば合わなくなる可能性が高い点にご留意ください。

本記事は2026年5月に執筆しました。内容はすべて調査結果であり、まだプロジェクトで実際に運用したものではありません。この分野は変化が非常に速いため、お読みになる際は時効性にご注意ください。

本記事は約20,000字の長文です。読了まで30〜40分程度かかります。

• Coding Agent のコストの大部分は input token（トークン総量の93〜99%）です。毎回の API 呼び出しで完全なコンテキストが再送信されるためです
• 最も効果的なコスト削減手段は Prompt Cache（キャッシュヒットした input は10倍安い）です。キャッシュ規律の整備（プレフィックス順序の固定、不要な MCP ツールの削除）は一度の設定で持続的に効果があります
• Context Engineering は4つの方向に分かれます：Select（正しいコードを取り込む）、Compress（既存コンテキストを圧縮）、Isolate（タスク分割・モデル切替）、Write（情報をファイルシステムに永続化）
• モデル階層化（Haiku で探索、Sonnet で実装、Opus でアーキテクチャ設計）により、トークン総量を変えずにコストを数倍削減できます
• ファイルに書き出す外部メモリ（SPEC.md、planning-with-files、session handoff）によりセッション間で作業を継続できますが、メンテナンスは未解決の課題です（コードが変わってもドキュメントが追従しない）
• 私の実際のセッショントークン数（Input 1.62M、Output 128.1K、Opus 4.6）を使った概算：最適化なしの $11.30 から、全ての施策を適用した場合は約 $4〜5 へ。これは合理的な仮定（キャッシュヒット率70%など）に基づく見積もりであり、実測結果ではありません

本記事は2026年4月に執筆し、最終更新は5月です。GitHub Agentic Workflows（gh-aw）はまだ technical preview の段階にあり、以下で触れている API やコンパイル動作はいつ変更されてもおかしくありません。

この記事は2026年1月19日に書かれました。

最近、AI開発者コミュニティで Skills、Plugins といった言葉が頻繁に見られるようになりました。最初は混乱していました—これらは全て「AIにツールを呼び出させる」ことではないのか？なぜこれほど多くの概念が必要なのか？

いくつかの Skill のコードを見た後、ようやくそれぞれが何の問題を解決しているのかを理解しました。

この記事は定義を語るのではなく、エンジニアリングの課題から出発し、なぜこれらが必要なのかを段階的に導き出したいと思います。もしあなたもこれらの新しい用語に混乱しているなら、この記事が考えを整理する助けになれば幸いです。