Anthropic Claude Code の開発を率いる Boris Cherny が最近、X（旧Twitter）でこんな発言をした。
「俺はもう Claude にプロンプトを与えていない。Claude にプロンプトを与えるループを作ってる。俺の仕事はループを書くことだ。」
同じタイミングで、OpenAI に移籍した Peter Steinberger（OpenClaw の作者）も同様の主張をしている。
「もうコーディングエージェントにプロンプトを与えるな。エージェントにプロンプトを与えるループを設計しろ。」
この二人は、現在世界でもっとも経験豊富な AI エンジニアの部類に入る。それが同じメッセージを発している。
本記事では、この「ループエンジニアリング」という概念を AI エンジニア Rahul（@sairahul1）の解説をもとに整理する。
プロンプトエンジニアリングとループエンジニアリングの違い
ここ 2 年ほど、私たちはエージェントに対して「1 タスク 1 プロンプト」で作業してきた。
旧来のやり方（プロンプティング）:
あなた → プロンプト → エージェント → 出力 → あなたがレビュー → あなたが修正 → 繰り返し
新しいやり方（ループ）:
あなたがゴールを設定 → ループが走る → エージェントが調査 → 計画 → 実行 → 検証 → 反復 → 完了
プロンプトはエージェントに指示を与える。
ループはエージェントに仕事を与える。
| プロンプトエンジニア | ループエンジニア | |
|---|---|---|
| アプローチ | より良い指示を書く | より良いフィードバックサイクルを設計する |
| スキル | 言語スキル | ソフトウェアエンジニアリングスキル |
| 出力 | より良いプロンプト → より良い単一出力 | より良いループ → 信頼できる検証済みアウトカム |
| レビュー | 毎回手動でレビュー | システムが走り、チェックし、自己修正する |
| コスト | 単一出力ごとに費用 | 検証済みアウトカムに対して費用 |
Boris Cherny の言葉は「仕事が楽になった」という意味ではない。エンジニアが力を注ぐ箇所（レバレッジポイント）が移動したということだ。
ループの 5 つのステージ
すべてのループは、シンプルなものから複雑なものまで、同じ 5 ステージを経る。
- DISCOVER（発見） — 何が必要かを把握する
- PLAN（計画） — アプローチを組み立てる
- EXECUTE（実行） — 実際に作業する
- VERIFY（検証） — 目標に照らして確認する
- ITERATE（反復） — 問題があればループに戻る
検証をパスしたら → 完了。
検証に失敗したら → ループを繰り返す。
シングルエージェントループ vs フリートループ
シングルエージェントループ
1 つのエージェントがサイクル全体を自力で回す。自分のドラフトを自分で見直す人間のようなイメージだ。
- フォーカスしたタスクに向いている
- シンプルなゴール、スコープが限定されている場合に有効
- 1 つの頭脳、1 つのループ、自己改善型
フリートループ
より大きなスケールの実装。オーケストレーターがゴールを受け取り、それをスペシャリストに分解し、さらにサブエージェントに細分化する。ツリー全体が DISCOVER → PLAN → EXECUTE → VERIFY → ITERATE のループを走らせ続け、ゴールが達成されるまで反復する。
すべてのエージェントが同じ 5 ステージのループを実行する。
オープンループ vs クローズドループ
オープンループ
探索的で広い範囲をカバーする。エージェントにゴールを渡すだけで自律的に動く。スペックに完全に定義されていないものを構築できる。
問題点: トークンを大量に消費する。多くの人には現実的なコストではない。
クローズドループ
人間が事前にエンドツーエンドのパスを設計する。
- 明確なゴール
- 定義されたステップ
- 各ステップの評価
- 終了条件または人間へのハンドオフ
品質ゲートがなければ AI はドリフトする。
品質ゲートがあれば AI は改善する。
今日のほとんどのリアルワークには、クローズドループが効果的だ。
まずクローズドループで信頼できるシステムを構築し、その後オープンにしていく。
優れたループの 6 つのビルディングブロック
ループを支える部品は 6 つある。それぞれが DISCOVER / EXECUTE / VERIFY のどの段を強くするのかで整理すると、役割が掴みやすい。
| 部品 | 効く段 | 役割 |
|---|---|---|
オートメーション（/loop /goal） | DISCOVER | ループを起動するトリガー（ハートビート）。「テストが全部通るまで」と定義して離席できる |
| ワークツリー（git worktree） | EXECUTE | 並列エージェントがファイル衝突なく動くよう、各自に独立した作業ディレクトリを与える |
スキル（SKILL.md） | DISCOVER | 規約・ビルド手順・禁止事項を先に読ませ、ループ開始時点でプロジェクトを知っている状態にする |
| プラグインとコネクター（MCP） | EXECUTE | ファイルシステムの外——イシュートラッカー、DB、Slack——に手を伸ばさせる |
| サブエージェント | VERIFY | 作成者と検証者を分ける。書いたモデルは自分の欠陥を見落とす |
| メモリー | 全段 | 実行をまたいで「試したこと・通ったこと・未解決のこと」を持ち越す。モデルは忘れる、リポジトリは忘れない |
各部品の詳細（VISION.md / ARCHITECTURE.md / RULES.md の書き分け、サブエージェントの三分割、メモリの置き場所など）は 2026年AI必須スキル「ループエンジニアリング」とは で 6 コアモジュールとして詳しく扱っている。
ループエンジニアリングのコスト——トークン消費の現実
ループはトークンを速く消費する。Rahul の推定値は以下の通りだ。
- 中規模のコーディングタスクへのシングルエージェントループ: 5 万〜20 万トークン
- オーケストレーターと 3 つのスペシャリストによるフリートループ: 50 万〜200 万トークン
- 毎朝スケジュール実行するループ: 週に数百万トークン
標準的な API 価格では、1 週間の本格的なループエンジニアリングがほとんどの人の月間 AI 予算を超えてしまう。
Peter Steinberger への返信は「無制限の OpenAI アクセスがあるから言えること」という批判が相次いでいた。それは間違っていない。
対処法: DeepSeek V4 などの低コスト・大規模コンテキスト（1M トークン）モデルが登場したことで、ループエンジニアリングが現実的な選択肢になりつつある。大きなプロジェクトで長期ループを走らせる際に必要な「前回試みた内容・現在のエラー・アーキテクチャドキュメント・テスト結果」をすべてコンテキストに保持できるモデルが、ようやくコスト面で手が届くようになっている。
まとめ
Boris Cherny と Peter Steinberger のメッセージは明確だ。
プロンプトエンジニアは AI に出力を求める。
ループエンジニアは検証済みアウトカムを生み出すシステムを設計する。
2026 年に最も報酬が高い AI エンジニアは、より良い英語の文章を書いていない。エージェントが調査し、計画し、自分の仕事をチェックし、完了を知るためのロジックを書いている。
まず何から始めるか: シングルエージェントのクローズドループを 1 つ作ることを目標にする。明確なゴール、SKILL.md に書いたプロジェクトのルール、テストによる品質ゲートを組み合わせれば、今日から構築できる。
一つの信頼できるループは、千の完璧なプロンプトに勝る。
参照元
- Boris Cherny の発言を紹介した @MakeAI_CEO による X 投稿（2026年6月22日）
- Loops: What Every AI Engineer Needs to Know in 2026 by @sairahul1 (Rahul)（2026年6月9日）
関連記事
- ループエンジニアリング14ステップ — 4条件テストと失敗パターン — 「そのループは作るべきか」の判断基準、撤退ライン（cost per accepted change）、無人ループのセキュリティリスク
- 2026年AI必須スキル「ループエンジニアリング」とは — 6コアモジュールと3つの罠の詳細