「ループエンジニアリング」を実際に回してみた ― 自己改善する開発環境と、AIにログを渡す前の“線引き”

AIが自己改善する「ループエンジニアリング」の実践例を紹介。作業ログをAIに分析させ、ルールファイルを継続的に改善するループを構築する概念と、AIに渡すログの線引きについて考察する。

• ループエンジニアリングは、AIとの作業ログをAI自身に分析させ、ルールファイルを自己改善させる仕組みである。
• ログ（.jsonl）をそのまま外部AIに渡さず、機密情報や個人情報などを除外する「データの線引き」が重要である。
• AIによるルール更新は、Git経由で差分を確認するHuman-in-the-loop（人の承認）を挟むことが推奨される。
• 生ログはコンテキスト制限や課金の問題があるため、要約・分割・トークン数見積もりなどの前処理が必要である。
• 「データの線引き」と「人の承認」を最初に設計に組み込むことで、安心してループエンジニアリングを推進できる。