Anthropicの内部ループエンジニアリングプレイブックが流出しました。

今年読んだ中で最も価値のあるAIガイドです。
このガイドには情報が満載で、AIの生産性をループで最大化するために知っておくべき5つのポイントがあります（保存推奨）：
1. 各ループは以下の5つの原則に基づいて構成すべきです：
• 発見 → エージェントに自分で作業を見つけさせる（CIの失敗、課題、コミット）
• ハンドオフ → 各タスクに独立したgitワークツリーを与える
• 検証 → ジェネレーターに自分の作業を評価させない
• 永続化 → 常に状態をディスクに書き込む（Markdownまたはボード）
• スケジューリング → タイマーで実行し、寝ている間に作業させる
2. ジェネレーターと評価者を分離する（最も重要なルール）
2つのエージェントを使用する：1つは書き手、もう1つはコードが壊れていると仮定する懐疑的な審判。
評価者に行動させる（テスト実行、ボタンクリック、スクリーンショット撮影）— これが実際に悪い出力を防ぎます。
3. 以下の6つの部品で構築する：
• 自動化（タイマー）
• ワークツリー（安全な並列処理）
• スキル（永続的なプロジェクト知識）
• コネクター（GitHub、Linearなどと通信）
• サブエージェント（ジェネレーター＋評価者）
• メモリ（実行間で存続する状態ファイル）
4. ループエンジニアリングで注意すべき点：
• 検証負債（検証エージェントを使用）
• 自身のコードベースの理解喪失（必要なら新しく始める）
• トークンコストの爆発（解決策は以下）
• 認知放棄（「ループが処理してくれる」と考えて考えるのをやめない）
5. トークンコストの解決
ループエンジニアリングは非常に高コストになり得ます。
ループエンジニアリングには80/20の「バーベル」アプローチをお勧めします。
最も複雑なタスク（最高の知能が必要）には高価なモデル（Opus）を使用します。
残りの80％のタスク（雑務）には、Claude Codeハーネス内の安価なオープンソースモデル（GLM-5.2はコード実行に最適）を使用します。
これらの5つのルールを忘れないように保存してください。