横型ロング動画のパイロット版を作るとき、Claude Codeの「Superpowers」というプラグインが提供する開発手法を試してみました。
名前は「Subagent-Driven Development」。タスクを1つずつAIエージェントに分業させる、というやり方です。
仕組みはこう
1つのタスクごとに、まずブリーフ(依頼内容を明文化したメモ)を書きます。
それを実装用のAIエージェントに渡して作業させ、出来上がったものを別のAIエージェントにレビューさせて、結果を記録する。この4ステップを、タスクの数だけ繰り返します。
💡 Tips: Subagent-Driven Developmentとは
Claude Codeの「Superpowers」プラグインが提供する開発手法の1つです。1タスクごとに「ブリーフ作成→実装エージェントへ委任→別エージェントによるレビュー→記録」を回すことで、担当を分けたチーム開発のような品質チェック体制を、1人でも再現しようとする考え方です。
「AIに丸投げじゃなく、ちゃんとレビュー工程まで挟む」という設計思想には納得できたので、動画のパイロット制作で最初の9タスク(話者選定・音声生成スクリプト・台本・シーン実装など)を律儀にこの手順通りに進めてみました。
半分は「話者IDを選ぶ」レベルの作業だった
実際にやってみると、9タスクのうち半分近くが「話者IDを1つ選ぶ」「JSONファイルをコピーする」といった、機械的な作業でした。
こういう作業のためだけに、ブリーフを書き、別のエージェントに実装させ、さらに別のエージェントにレビューさせる、という三段構えを組むのは、正直トークン消費に見合っていませんでした。判断の余地がほとんどない作業にまで同じ手順を当てはめると、手続きの方が仕事の中身より重くなってしまいます。
実際に効いたのは、普通の対話だった
一方で、動画が実際に良くなったのはどの工程だったかを振り返ると、レビューで「白背景が寂しい」といったフィードバックをもらったあと、普通に対話しながら直していった過程でした。ここはこの手法を使わず、自分で直接コードを書いています。
手法通りに「ブリーフ→実装→レビュー」を回すことと、実際に映像のクオリティが上がることは、必ずしも同じ線上にありませんでした。
唯一、明確に効果があった工程
ただし全部が微妙だったわけではありません。
公開前に、実際にレンダリング済みの動画からフレームを抜き出して検証させる最終レビューだけは、はっきり価値がありました。白フラッシュ・キャプションの欠落・コードの矛盾など、実際のバグを5件見つけられています。
「工程を全部この手法でやる」より、「レビューが効く場面だけ抜き出して使う」方が、割に合う、という感触です。
トークン消費、体感でこれくらい
1回のAIエージェント派遣で、だいたい4万5千〜14万トークンくらい消費している感覚でした。
9タスク分をこの手法で回しただけで、60万〜100万トークン規模になっていたと思います。今回のように何度も作り直しが発生する案件だと、この消費量はそのまま重荷になります。
まとめ
新しい開発手法を試したら、今回の使い方では割に合わなかった、というのが正直な結論です。次回からは普通の対話ベースで作業を進めて、公開前の最終チェックだけ、この「実際の成果物を検証させる」レビューを使う方針に切り替えました。
手法自体が悪かったというより、判断の余地が少ない機械的な作業にまで同じ手順を適用してしまった、こちらの使い方の問題だったんだと思います。どこにレビューを挟むと効くかは、案件の性質次第で見極める必要がありそうです。
この記事が参考になったら、応援クリックをお願いします
