【AI新時代】プロンプトはもう古い？使うほど賢くなる自律ループを作る「ループエンジニアリング」
反省し、記録し、次回のコンテキストの一部とする。
これからのLoopエンジニアリング時代では問題を修正するだけではいけないということです。
それは、今後のすべての反復処理においてシステムを改善するということが出来る仕組みが必要だということです。
ループ処理を始めるには、まず自分が普段行っている作業を見直してみましょう。
自分がボトルネックになっている作業を一つ選び、どの部分を他の人に任せられるか考えてみてください。
例えば、
近年、AIに毎回細かく指示を出す「プロンプトエンジニアリング」から、AIを自律的に動かす仕組みそのものを設計する「ループエンジニアリング（Loop Engineering）」へのパラダイムシフトが海外を中心に注目を集めています。
「AIエージェントに指示を出すのはやめろ、指示を出す『ループ』を設計せよ」
本記事では、この新しいAI活用の強力なアプローチについて、初心者にもわかりやすく体系立てて解説します。
これまでは、人間がAIに対して1往復ずつ指示を出して結果を受け取っていました。しかしループエンジニアリングでは、「人間が指示を出す役割」をシステム（ループ）に置き換えます。
人間が与えるのは、手順ではなく「目的（ゴール・完了条件）」のみ。あとはAI自身が完了するまで自律的に反復処理を行います。
目的指向
/goal時間指向
/schedule回数指向
/loop検証機構の自動内蔵 AIの出力を敵対的にチェックする仕組みが含まれており、一定の品質を満たすまで自律的に修正を繰り返します。
目的の付与 決まった手順をなぞるだけの自動化とは違い、AI自身が手順を考えて動きます。
使えば使うほど賢くなる（自己改善） 100回実行して100回同じ精度の自動化とは異なり、各ループの教訓を記憶し、次回の精度を自律的に向上させます。
AIの活用アプローチは、以下のように段階を踏んでレベルアップしています。
| ステップ | 名称 | 概要 | 具体的にやること |
|---|---|---|---|
| 1 | プロンプトエンジニアリング（単発の指示） | AIに1回1回、人間が直接命令する | 「この文章を要約して」「バグを直して」と毎回チャットに入力する |
| 2 | コンテキストエンジニアリング（前提情報の付与・効率化） | AIが正確に動けるよう、背景情報や役割をあらかじめ渡す | 「あなたはシニアエンジニアです。このコードベースの規約は〇〇です」と事前に設定する |
| 3 | ハーネスエンジニアリング（外枠やガードレールでの精度担保） | AIが暴走・脱線しないよう、枠組みやチェック機構を外側に設ける | 「出力はJSON形式のみ」「禁止ワードが含まれたら再試行」などのルールを仕組みとして組み込む |
| 4 | ループエンジニアリング ★いまここ（人間を介さない長時間の自律・改善） | AIが自分でタスクを発見・実行・検証・改善を繰り返す仕組みを設計する | 「毎朝エラーログを確認→修正PRを自動作成→失敗パターンを記憶して次回に活かす」という自律サイクルを構築する |
ループエンジニアリングは、これまでの技術をスケールさせ、人間の手を極限まで介さずに長時間の自律作業を可能にする「ワンランク上の考え方」です。
コードベースはクリーンに保つ
品質をAIが評価できること
最新のベストプラクティスにAIが接続できること
別のエージェントを使ってレビューすること これ、意外と見落としなんですが、同じエージェントだと、見落としてしまいがちなんです。
/code-reviewを使うことで、その辺のノウハウが使えます。さらにGithubを使っている場合は、
Code Review for Githubを使うことができます。
自律ループを成立させるためには、以下の5つの部品と、それらを支える記憶装置が必要です。
| 構成要素 | 役割・メリット |
|---|---|
| ① 自動化・定期実行の仕組み | ループの起動装置。無限ループを防ぐ「停止条件（ゴール）」をセットで持たせる。 |
| ② Gitのワークツリー | 複数のAIエージェントが同時に動く際、ファイルの衝突（コンフリクト）を防ぐ。 |
| ③ エージェントスキル | ワークフローの手順やルールをAIに教え込むための共通規格。 |
| ④ コネクター / プラグイン（MCP） | ブラウザ、データベース、外部APIなど「外部の世界」を確認する術。確認手段が多いほどループの精度が上がる。 |
| ⑤ サブエージェント | 生成役（Generator）と評価役（Evaluator）に役割を分けることで、AI単体の「自己評価の甘さ」を補う。 |
AIは通常、セッション（会話）が終わると内容を忘れてしまいます。これをマークダウンファイル等に永続的に記録し、次のセッションでも失敗や教訓を覚えさせておくための最重要コンポーネントです。
現在登場している最新のAIコーディングツールでは、これらの要素を実装するための機能がデフォルトで備わっています。
/goal）、フックス、メモリ機能などを活用。どちらのツールを使っても、エージェントスキルやMCP（Model Context Protocol）の共通規格を利用して、強力な自律ループを組むことが可能です。
ループエンジニアリングの真骨頂は、システムの中に2つのレイヤーのループが存在することです。
発見 ➔ 実行 ➔ 検証 ➔ 記憶 ➔ 再実行 という、目の前のタスクを完了させるためのサイクル。
内側のループが回るたびに起きた失敗やフィードバックを記憶装置に書き込み、「内側のループの仕組み自体」をどんどんアップデートしていくサイクル。
これは、優秀な開発チームが「振り返り（レトロスペクティブ）」を行い、二度と同じミスが起きないように業務プロセス（ドキュメントや仕組み）を改善していく流れを、AI自身にやらせるということを意味しています。
カンタンな作業であれば、コストの安いモデルを使いましょう。
hermes-agentは、Nous Researchが開発しているオープンソースのAIエージェントで、「使うほど自分自身を成長させる」ことをコンセプトにしている点が特徴です。
単発の対話で終わるチャットボットとは異なり、会話や作業の経験から自律的にスキルを生成し、使いながらそのスキル自体を改良していく学習ループを内蔵しています。 加えて、過去の会話をFTS5による全文検索で呼び出したり、ユーザーごとのプロファイルを継続的に深めていく仕組みも持っており、セッションをまたいだ記憶の蓄積が前提として設計されています。
実行環境の柔軟さも大きな特徴で、ローカルPCはもちろん、Docker、SSH経由のリモートサーバー、Modal・Daytonaのようなサーバーレス基盤まで、複数のバックエンドで動かせます。
安価なVPS上で常駐させ、Telegram・Discord・Slack・WhatsApp・Signalなど普段使っているチャットツールから話しかけるという使い方もでき、必ずしも自分のノートPCに縛られません。
利用するLLMもNous PortalやOpenRouter、OpenAI、自前のエンドポイントなど自由に選べ、コマンド一つで切り替えられるようになっています。
そのほか、
ライセンスはMITで、インストールもワンライナーのスクリプトで完結します。 https://github.com/nousresearch/hermes-agent
https://hermes-agent.nousresearch.com/docs/developer-guide/architecture
https://qiita.com/kai_kou/items/c4ba4c6dfd0342634a78
ループエンジニアリングを導入することで、人間は「個々のAIの出力結果」を細かくチェックするストレスから解放され、「AIが自律的に育つプロセス」の設計に集中できるようになります。
まずは身近な「繰り返しタスク」から、小さな自律ループを作ってみてはいかがでしょうか？
キーワード：ループエンジニアリング、Loop Engineering、AIエージェント、Claude Code、Codex、自動化
