AIが書いた計画の盲点を、会話を知らない「金魚」のレビュアーが暴く

Elephant-Goldfish Model

EGMはAIアシスタント向けのオープンソースプラグイン。背景を熟知したアシスタントと計画を練ったうえで、その会話を見ていないレビュアーが計画だけを読み、欠けている点や不明瞭な点を指摘する。著者だけが知る前提が露呈する仕組みで、Dave Rensinの記事に着想を得ている。

著者は計画に書かれていないことを知っている。会話を見ていないレビュアーが、その隙間を見つけ出す。
  1. sathish316

    苦い教訓――モデルやハーネスの外で最適化できるものは、次の2ヶ月でモデルやハーネス自身によって最適化される。

    そんなパターンやスキル、次の大物を試した後、私はいつも2週間でPeter Steinbergerのアドバイスに戻り、「Just talk to it」エンジニアリングに従っている - https://steipete.me/posts/just-talk-to-it

  2. CharlieDigital

    今から約5週間前、いくつかの他の「メタハーネス」を試しながら、Paseo[0](OSS、Apache 2.0、無関係)に移行した。

    これは私にとって非常に興味深い実験となった。

    エージェントプロファイルの設定が最も興味深かった。あまりにもシンプルに見えた。ツールもなく、実際の仕様もなく、スキルの設定もない。しかし実際には、どういうわけかはるかに便利で強力であり、ネイティブハーネスがサブエージェントをモデル化する方法とは微妙に異なっていた。

    私は自分のセットアップと、なぜそれが機能すると思うかについて書いた[1]。要点は、それが効果的に動的なマルチエージェントハーネスであるということだ。何を考えているかは分かっている:CCやCodexもそれができる。しかしPaseoにはいくつか興味深い点がある:複数のプロバイダー、ハーネス、モデルを使用できる;エージェント同士が会話したり、コーディネーターを介して会話したりできる;エージェントが使用するための優れたツールセットとよく調整されたスキルがある。

    だから私は完全なチームをセットアップし、リードオーケストレーターが自動的にMember of Technical Staff、DBA、End User Advocate、UI Designerの入力とフィードバックが必要な時を決定する。

    ブログ記事に書いたように、私が観察する主な利点は:1)内部チームの批評により、自律的な出力がより良く、高品質で、詳細になる、2)OpenAI、Anthropic、DeepSeek間でトークンをより良く分散できる;全体的に「経済的」ではないかもしれないが、トークンを分散させることでセッションを効果的に「延長」できる。

    https://agentmgmt.dev/ をチェックして、自分に合ったメタハーネスを見つけることをお勧めする。なぜなら私は[…]

  3. sbarre

    ここ2週間ほど、いくつかのことでEGMを試してみた。

    最大の落とし穴は、ドキュメントでも指摘されているが、金魚のレビュアーが決して完全に満足しないことだ。

    レビュアーは常に何かを見つけるので、エージェントがバイクシェディングしているときと、先に進むべき時を認識できる必要がある。

    そうでなければ、かなりまともなアプローチであり、決して手放しとは言えないまでも、実装を始める前にそれほど追加の手調整を必要としない、まともな仕様を両方のケースで生成してくれた。

この日のほかの記事

2026-11-17