非エンジニアがClaude Code×Codexで「1テーマから→NotebookLMで調査・記事・画像・Xポスト・音声台本など」を一括生成させる仕組みと、方法を全部配布します

NotebookLMへの調査丸投げでトークンを1/10に。Codex連携でGPT-Image-2の高品質画像まで追加コストゼロ。Claude Codeで1テーマから複数コンテンツを自動生成する「AI編集部」を作り直した全設計と、すぐ使える配布ファイルを非エンジニア目線でまるごとシェアします

テツメモ｜tetumemo

2026/04/30

こんにちは！テツメモです。

2ヶ月前にこんなことを書きました。　

「Claude CodeのAgent Teams機能を使って、1テーマ投げるだけで10コンテンツを自動生成するAI編集部を作った。設定ファイルを54本、まるごと配布します」

非エンジニアがClaude CodeでAI編集部を作ってAgent Teamsで10コンテンツ自動生成できた全貌と、組織を全部配布します

テツメモ｜tetumemo

2026-02-18

あの記事を出したのが2026年2月17日。今日が4月27日。

たった2ヶ月です。

でも、この2ヶ月でAIの世界は信じられないくらい変わりました。Claude Codeだけで30回以上アップデート。OpenAIはGPT-Image-2とGPT-5.5を立て続けにリリース。Codexには画像生成がデフォルトで搭載されました。

「ChatGPT Plusに課金している人なら、追加コストゼロで2K解像度の画像を生成できる」

2月の時点では、そんなことは想像もしていませんでした。正直画像生成はもうNano Bananaがあるからいいでしょって思ってたくらいです。

【保存版】「すごいけど使えてない」を卒業する。Nano Banana 2の27事例とプロンプト自動生成Skillsをすべて公開

テツメモ｜tetumemo

2026-03-05

この2ヶ月の変化を振り返り、AI編集部を作り直しました。それが今回配布する「newsletter-v6-r2-vd」です。1テーマを投げるだけで、19以上の成果物を納品してくれます。

この記事はv3の記事を読んでいない人でも大丈夫なように、前提からすべて説明します。Claude Codeって何？AI編集部って何ができるの？Harness Engineeringって何？codexって何？　そういうところから、丁寧に話していきます。

かなりのボリュームになりましたが、気になるセクションから読み返せるように作っています。ブックマークしながら読んでいただけると嬉しいです。

💡ちなみに、Codexは、ChatGPT/OpenAIエコシステムで使うClaude Code的な開発エージェント。コードベースを読ませて、実装・修正・レビュー・テスト・PR作成まで任せられる相棒です。

@tetumemo

📝Claude CodeでProプランの人はcodexとの併用がコスパ良くてオススメ。特にGPT-5.5とGPT-Image-2になって格段に用途が上がった

今日一日Claude Codeとcodexをリミットまで使いまくったから、非エンジニア目線で自分用気づきメモをシェアします！… https://t.co/BVSPraEBhL pic.twitter.com/AtGBVEUyc2
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 25, 2026

openai.com

openai.com

💡 この記事で手に入るもの

以下のワークフローファイル一式を後半で配布します。

newsletter-v6-r2-vd/
├─ CLAUDE.md                        ← プロジェクト全体のルール・ハーネス設計
├─ README.md                        ← 使い始めるための入口
├─ agent-team-prompt.md             ← エージェントチームの起動プロンプト
│
├─ agents/                          ← 各担当エージェントの定義
│  ├─ source-researcher.md          ← カイロン（調査・戦略）
│  ├─ copy-editor.md                ← アテナ（執筆・タイトル・台本）
│  ├─ fact-checker.md               ← ウェリタス（検証）
│  ├─ social-writer.md              ← ヘルメス（SNS）
│  └─ visual-designer.md            ← ミューズ（画像・図解）
│
├─ skills/                          ← スラッシュコマンドの定義
│  ├─ full-production/SKILL.md      ← /full-production（全工程一括実行）
│  ├─ setup-v6/SKILL.md             ← /setup-v6（初回セットアップ）
│  ├─ setup-image-generation/SKILL.md ← 画像生成の初期設定
│  ├─ codex-image/SKILL.md          ← Codexで画像生成
│  ├─ generate-images/SKILL.md      ← 画像生成実行コマンド
│  ├─ ingest-sources/SKILL.md       ← ソース素材の取り込み
│  ├─ newsletter-draft/SKILL.md     ← 記事ドラフト生成
│  ├─ newsletter-scripts/SKILL.md   ← 台本生成
│  ├─ diagram-mermaid/SKILL.md      ← 図解生成
│  ├─ sns-pack/SKILL.md             ← SNS展開一式
│  ├─ catchcopy/SKILL.md            ← タイトル・キャッチコピー生成
│  ├─ image-prompts/SKILL.md        ← 画像プロンプト生成
│  ├─ notebooklm-deep-research/SKILL.md ← NotebookLM Deep Research実行
│  └─ notebooklm-dbs-v3/SKILL.md   ← DBSレポート生成
│
├─ styles/                          ← 文体・スタイル定義
│  ├─ blog-writing/
│  │  ├─ pattern-a-friendly.md
│  │  ├─ pattern-b-professional.md
│  │  └─ pattern-c-storytelling.md
│  ├─ dialogue-script/
│  │  ├─ default.md
│  │  ├─ kansai-casual.md
│  │  └─ business-formal.md
│  └─ podcast-script/
│     ├─ default.md
│     ├─ casual-polite.md
│     └─ passionate-youtuber.md
│
├─ references/                      ← 参照資料
│  ├─ article-quality-criteria.md   ← 記事採点基準（5項目）
│  ├─ tool-execution-log-template.md ← 実行ログのテンプレート
│  └─ thumbnail-master-prompts/     ← サムネイルプロンプトのパターン集
│
├─ output-styles/
│  └─ creator-mode.md               ← クリエイターモードの出力スタイル
│
└─ samples/2026-04-27_01/           ← 実際の制作サンプル（全成果物）
   ├─ research/（strategy / prompt / report / dbs-report / digests / agenda）
   ├─ article/（draft / titles）
   ├─ review/（agenda-check / fact-check / revision-log）
   ├─ social/（x-thread）
   ├─ visuals/（thumbnail-prompt / section-prompts / diagrams / generated-images）
   └─ scripts/（dialogue / podcast）

1. v3から何が変わったかの全体像

2ヶ月でAIがどう変わったか、その変化をv3と比べながらザッと整理します。「前回との違い」がわかれば、v6を使う理由も腑に落ちます。

2. Harness Engineeringという考え方

「AIの品質がバラつく」「毎回結果が違う」。その原因と解決策の設計思想です。v6の仕組みがなぜこうなっているかは、ここを理解してから見ると全然違って見えます。Harness Engineeringについては、こちらの記事でも解説済みですので、より深く知りたい方はチェックしてみてください。

【6つの要約記事がXで数万imp達成！】ネタ収集ゼロ・執筆5分はそのまま、品質だけ4段階上がった。X記事生成スキルv8と改善版を配布します

テツメモ｜tetumemo

2026-03-31

3. NotebookLM Deep Research × Claude Codeの仕組み

調査をNotebookLMに丸投げすることで、Claudeのトークン消費を1/10にする方法です。基礎編・発展編の内容をコンパクトにまとめます。

【基礎編】これチート級。Claude×NotebookLMで「トークン消費1/10」を実現するための全手順

テツメモ｜tetumemo

2026-04-16

【発展編】Claude×NotebookLMにSkills5本入れたら別物になった。チート級のトークン削減ノウハウを全部シェアします

テツメモ｜tetumemo

2026-04-23

4. codex × GPT-Image-2の画像生成

ChatGPT Plusに加入済みなら、追加コストゼロでClaude Codeから画像生成できます。まったく知らない人向けに、Codex Appのインストールから説明します。

@tetumemo

📕OpenAIが本日発表した「ChatGPT Images 2.0」が、Nano Banana超えレベルで感動してる、特に日本語のクオリティに大満足

添付の画像はたった数行のプロンプトで1発出し→プロンプトはリプ欄へ

素晴らしい点は「画像モデルとして“思考（thinking）機能”を搭載」… https://t.co/KkMQJphHhQ pic.twitter.com/coK5rXhnX7
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 21, 2026

5. v6-r2-vdの配布物一式（有料エリア）

セットアップから全Phaseの詳細解説、カスタマイズ方法まで。有料エリアで丸ごとお渡しします。

🎯 この記事を読んでほしい人

v3の記事を読んで配布物を試した、または試そうとした人。Claude CodeでAIコンテンツ制作をしているが、品質のバラつきに悩んでいる人。NotebookLMは使っているがClaude Codeとの連携方法を知らない人。「codexって何？」という人（Codex Appのインストールまでカバーします）。AI編集部をもっとコスト効率よく動かしたい人。

そういう方に読んでいただけたら嬉しいです。

逆に言うと、この記事はClaude Codeをゼロから導入する方法は詳しく扱いません。その部分は過去記事にリンクを張りますので、そちらを参考にしてください。

🎙️ニュースレターの内容をAI音声でキャッチアップ！

記事の内容を、有料購読エリアの概要も含めて紹介しています。　

ぜひこちらも一緒にフォローしていただき、”ながら聴き”も楽しんでみてください♪

📰 2ヶ月で、こんなに変わるとは思わなかった

Claude Codeが30回アップデートされた

@tetumemo

📕Anthropicがこの1週間で出したClaude Codeのアップデート、まとめると見逃せないレベルで相当すごい

① Cowork スケジュールタスク
② Claude Code /simplify・/batch
③ メモリ機能が無料開放
④ Chrome拡張 Quick Mode（3倍速）
⑤ Claude Code リモートコントロール
⑥ Cowork… https://t.co/S567sdxNck pic.twitter.com/bELQmpl6iB
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) March 3, 2026

2026年2月17日、v3の記事を出した時点のClaude Codeはバージョン2.1.60台でした。

それが今日（2026年4月27日）時点でv2.1.119。

約2ヶ月で30回以上アップデートが走りました。主な変化をざっくり整理するとこうなります。

推論品質の向上

Claude Opus 4.7がリリースされ、/effort コマンドで「xhigh」という最高水準モードが使えるようになった
これまでのデフォルトは「medium」でしたが、Pro/Maxプランでは「high」に格上げされた。つまり、何も設定しなくても以前より深く考えるようになった

コストとスピードの改善

プロンプトキャッシュのTTL（有効期限）が1時間に延長された。同じ内容を短時間に繰り返し処理するときのコストが下がった
/resume で過去のセッションを再開するときの速度が67%向上した。大きなプロジェクトで作業再開するときの待ち時間が大幅に短くなった

新しいコマンドと機能

/ultrareview（高度なコードレビュー）、/recap（セッション要約）、/powerup（インタラクティブ学習）など新コマンドが次々に追加
インタラクティブ学習機能の追加は、非エンジニアが使い方を覚えながら進める上で助かる変化

正直、コーティングのほとんどをAIに書かせているAnthropicの動きは、もう人間単体では追いきれないくらいのアップデートスピードになっています。ですので2月時点のClaude Codeと4月時点のClaude Codeは、同じ名前でも中身がかなり違うと思っていいレベルです。私もすべて追いきれていませんっ…。

Codexに画像生成が標準搭載された

Codexについては後で詳しく説明しますが、簡単に言うと「ターミナル（コマンドを打つ黒い画面）で動くOpenAIのAIアシスタント」です。

このCodexに、画像生成機能がデフォルトで有効化されました。

つまり以前は「画像生成したければ、ChatGPTのWeb画面を開いて、手動でプロンプトを貼り付けて…」という流れだったのが、コマンドひとつで画像生成できるようになったということです。

加えて codex exec --json というコマンドで、推論に使ったトークン数をプログラムから取得できるようになりました。「今回の処理でどれくらいコストがかかったか」を自動で記録できるようになったわけです。

@ctgptlb

【速報】OpenAI、Codex に大型アップデート…!!

・コンピュータ使用
・アプリ内ブラウザ
・画像生成/編集
・90超の新プラグイン(Atlassian / GitLab / Microsoftなど)
・メモリ
・長期タスクの自動復帰(数日〜数週間をまたぐ作業継続)

本日より順次展開👇pic.twitter.com/WWYEDdjNB5
— AGIラボ (@ctgptlb) April 16, 2026

GPT-Image-2が、画像生成の常識を変えた

画像も日本語表現もNano Banana Proを超えてます

2026年4月21日。OpenAIがGPT-Image-2を正式リリースしました。

@tetumemo

📝GPT-Image-2でチラシのラフ案を作り、レイアウト参照用のワイヤーフレームを出力するって手法をデザイナーのこぎそさんが紹介していたから試してみた

レイアウトの鉄則、配置、文字の大きさなど迷うから、それをフレームで認識してCanva等で再構成できるのは嬉しい

プロンプトはリプ欄へ　↓ https://t.co/F30G8w9LFU pic.twitter.com/7yZk5SMHq6
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 23, 2026

前世代のGPT-Image-1.5と比べて、解像度・速度・テキスト精度・思考力、全部が上がりました。

解像度：ネイティブ2K（2048×2048ピクセル）。オプションで4K（4096×4096）にも対応。前世代の倍の解像度です。

速度：GPT-Image-1.5と比べて約2倍速く生成できます。

テキスト精度：画像の中に文字を入れるとき、英語・中国語・日本語・韓国語・アラビア語で95%以上の精度で正確に表示されます。GPT-Image-1.5でも日本語は出力できましたが、文字化けが発生することがありました。それが今回ほぼ解消されています。

品質：私がよく使っていたNano Banana ProやNano Banana 2と比べても、GPT-Image-2はその品質を上回るレベルに到達しました。「ついにここまで来たか」という感覚です。

thinking mode（思考モード）：GPT-Image-2には「考える機能」が搭載されました。画像を生成する前に、構図をどうするか計画して、必要なら参考画像をWeb検索して、自分でチェックしてから生成する。AIが生成前に「どう作るか」を考えるようになりました。

そして一番重要なのが価格です。

ChatGPT Plusに加入している人なら、追加コストゼロで使えます。

@tetumemo

📝そう言えば、あまり知られてないけどかなり嬉しい情報

実は、codex上で画像生成できます！
ChatGPTの3,000円サブスク内でOK！API不要！

つまり、Claude Codeみたいにcodexで記事を書かせて、サムネまで作らせるワークフローが組めるってこと

裏技で、Claude Codeからcodex呼んで画像生成もできる https://t.co/RM0MqnJWkw pic.twitter.com/LkqZn43CqX
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 25, 2026

これが本当に大きい。これまで「Claude CodeなどのAIツールからChatGPTの画像生成を使う」にはAPIという仕組みを通じた別途課金が必要でした。Nano Banana 2などのサービスを使うときも同様に、画像1枚生成するたびにAPIコストがかかっていた。それが今回、月額20ドルのChatGPT Plusのサブスクリプション内で、最高品質の画像生成が使い放題になりました。

GPT-5.5が、Codexの精度をさらに上げた

2026年4月23日。GPT-5.5が正式リリースされました。GPT-Image-2の2日後です。

GPT-5.5の特徴は「エージェント型の作業」つまり複数ステップにまたがる仕事が得意になったことです。「調べて、整理して、書いて、確認して」という連続した作業の精度が上がりました。

@tetumemo

📝ついに！！OpenAIがGPT-5.5を正式リリース。

これ、ChatGPTが「答えるAI」から「仕事をやりきるAI」に変わった瞬間だと思うpic.twitter.com/k92pWKOSEX
ㅤ
これまでのChatGPT → 質問したら答えてくれる
GPT-5.5 → 計画して、ツール使って、確認して、最後まで自分でやりきる… https://t.co/F9bt4SNrub
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 23, 2026

そしてCodexはGPT-5.5をベースに動くため、CodexからAIに指示を出すときの精度も向上しました。

つまり、2ヶ月でこうなりました。

	2月（v3配布時点）	4月（現在）
画像生成	プロンプトまで自動、生成は手作業	Claude CodeからcodexでGPT-Image-2を直接呼べる
画像品質	GPT-Image-1.5（文字化けあり・Nano Banana 2より劣る）	GPT-Image-2（2K・thinking mode・Nano Banana 2超え）
コスト	Claude CodeからAPI経由で使うには別途API課金が必要	ChatGPT Plusのサブスク内で使える（追加0円）
Claude推論深度	effort: medium（デフォルト）	effort: high（デフォルト）
Windows対応	不安定な部分あり	PowerShell正式対応

v3は「その時点でのベスト」でした。でもAIが2ヶ月でここまで変わるなら、試しまくって皆さんに提供したくなっちゃうのが私の性分です！

🔙 v3とは何だったか　AI編集部の初代モデルを振り返る

ここからは、v3記事を読んでいない人のために前提を整えます。「v3は知ってる」という方は次のセクションまで読み飛ばしていただいて大丈夫です。

Claude Codeって何？

Claude Codeは、Anthropicが提供するAIアシスタントツールです。ClaudeのWeb、Claude Desktop、VSCodeやGoogle Antigravityといったコードエディタの中でも動きます。

「コードエディタ？私はプログラマーじゃないんだけど」

そう思いますよね。私も最初はそうでした。

でもClaude Codeは「コードを書く」ためだけのツールじゃないんです。ファイルを作る・テキストを編集する・Webで情報を調べる・フォルダを整理する・指示した手順を自動で実行する。パソコンでできる作業のほとんどを、日本語の指示だけでやってくれます。

あなた：「AIサムネイル自動生成の最新動向」というテーマでニュースレターの記事を書いて。
        まずWebで調査して、構成案を作って、本文を書いて。

Claude Code：わかりました。まず情報収集します……
             [自動で調査→構成案作成→本文執筆→ファイル保存]

プログラミングの知識は一切いりません。LINEでメッセージを送る感覚と変わりません。

🔗 Claude Code公式サイト

Agent Teamsって何？

Claude Codeには「Agent Teams」という機能があります。

簡単に言うと、複数のAIが役割分担して同時に仕事をする機能です。

コンテンツを作るとき、こんな感じで動きます。

ライターAIが記事を執筆
編集AIが文章を校正
ファクトチェックAIが内容の事実確認
コピーライターAIがタイトルを最適化
ビジュアルデザイナーAIが画像プロンプトを提案
批評家AIが「この記事、読者目線だと専門用語多くてつまんなくない？」とダメ出し

これらを1人のAIが順番にやるのではなく、チームとして並行して動かせる。それがAgent Teamsです。

v3を実行して得られる成果物ファイル一覧

1人で全部やらせるより早いし、役割ごとに専門の指示を与えられるので品質も上がる。これがv3の核心的な発想でした。

v3で配布したもの

v3（newsletter-v3-distribution）では、このAI編集部を再現するための設定ファイルを54本、まるごと配布しました。

主な内容はこうです。

CLAUDE.md：Claude Codeへの全体指示書。「このプロジェクトでどう動くか」を定義
エージェント定義ファイル：ライター・編集・ファクトチェック・デザイナーなど各担当AIへの個別指示
Skillsファイル：「/full-production」などのスラッシュコマンドで全工程を一発実行できる仕組み
スタイルガイド：文体・構成・品質基準の定義

フォルダをVSCodeやGoogle Antigravityで開いて、「このテーマで記事を作って」と入力するだけで、記事・X投稿・画像プロンプト・音声台本などが次々と生成されました。

当時は「非エンジニアがここまでできるようになった」と正直驚きました。

非エンジニアがClaude CodeでAI編集部を作ってAgent Teamsで10コンテンツ自動生成できた全貌と、組織を全部配布します

テツメモ｜tetumemo

2026-02-18

v3でできなかったこと

ただ、使い続けるうちに3つの壁が見えてきました。それが次のセクションの話です。

😓 3つの「詰まりポイント」　使い続けて見えてきた壁

Business_problem-solution_flow_infographic_on_pure-1777513390388.png.webp

※最近のアップデートと改善を組み合わせた

詰まり①：トークン爆食い問題

トークンとは、AIが処理できる情報の単位のことです。日本語だと、だいたい1文字が1〜2トークンに相当します。

Claude Codeには「一度に処理できるトークン数の上限」があります。さらに、一定時間内に使えるトークン数にも制限があります（レートリミット）。

v3では、調査・執筆・校正・ファクトチェック・画像プロンプト生成、これらを全部Claudeに頼んでいました。

当然、大量のトークンを消費します。

「あと少しで完成」というタイミングでレートリミットに到達して、5時間待ちになる。これを何度繰り返したことか。

特に調査フェーズがトークンを食います。Webから大量の情報を取ってきて、それを処理して、記事に使えるまとめを作る。この工程だけで、1回の記事制作の半分以上のトークンを使うこともありました。

「調査だけで1回200円かかる」という計算になることも珍しくありませんでした。

詰まり②：品質のバラつき問題

「先週はいい記事が書けたのに、今週はなんかしっくりこない」

これ、AIを使い込んでいる人なら100%ぶつかる壁です。

原因は3つあります。

ドリフト（ズレ）：最初に定義した文体やトーンから、使い続けるうちに少しずつズレていく現象。「tetumemoらしい文体で」と指示しても、セッションを重ねるたびに「らしさ」が薄まっていく。特に作業が長引き、最初のコンテキストウィンドウが自動的にcompact化されてしまい、以前の記憶を忘れがちになって進むことも原因の1つでした。

完了詐欺：AIが「できました」と言いながら、実は重要な要件を落としていたり、事実に基づかない情報を書いていたりすること。「できた」という言葉を信じて確認を省くと、後から大変なことになります。私は何度もやられました。

コンテキストの断片化：自分の書き方の癖・読者への想い・過去に発信してきた内容。こういった「暗黙の知識」が毎回うまく伝わらない。セッションをまたぐと、前の文脈が消えてゼロから説明し直しになる。

これらは「AIが悪い」わけじゃないんです。後でHarness Engineeringの章で詳しく説明しますが、要するに「仕組みが甘かった」ということです。

詰まり③：画像生成の壁

v3では、画像生成プロンプトまでは自動で作れました。

でも「プロンプトはできた。次は何をすればいいの？」という状態になる。

ChatGPTやGeminiを開いて、作ったプロンプトを手動でコピーして貼り付けて、生成して、保存して。この手作業のステップが毎回残りました。

しかも生成先のツールが変わるたびに品質が変わる。「同じプロンプトなのになぜか今日はちょっと違う絵が出てくる」という問題も。

自動化の肝は「ツールをまたがない」ことだと思っています。且つ極力低コストでできること。Claude Codeを開いたまま、指示ひとつで画像まで生成されて保存されるところまでやりたかった。v3では、そこまで届いていなかった。

🐴 Harness Engineeringという発想　「AIが悪い」じゃなく「仕組みがなかった」

v6がなぜこういう設計になっているのかを理解するためには、Harness Engineeringという考え方を知る必要があります。

「またカタカナ用語か…」と思いますよね。でもこれを知っておくと、v6の配布物を受け取ったときに「なんでこのファイルがあるの？」という疑問が全部解けます。

ただ、Harness Engineeringについては以前の記事で詳しく解説していますので、今回はかいつまんで紹介します。

【6つの要約記事がXで数万imp達成！】ネタ収集ゼロ・執筆5分はそのまま、品質だけ4段階上がった。X記事生成スキルv8と改善版を配布します

テツメモ｜tetumemo

2026-03-31

AIスロップ（AI Slop）という現象

こちらのサムネイルはv6のワークフローで生成

少し前から研究者やAI開発者の間で「AIスロップ」という言葉が使われるようになりました。

「スロップ（Slop）」は英語で「薄くてまずいスープ」のこと。

AIスロップとは「構造は正しいけれど、内容が薄くてどこかで見たような文章」のことです。

「なんかAIっぽい文章だな」「テンプレっぽい」「読んだけど何も残らなかった」。そういう感想を持ったことがあれば、それがAIスロップです。

なぜこれが起きるのか。理由は大きく3つあります。

アーキテクチャのドリフト：プロジェクトが進むにつれ、最初に設定したスタイルガイドや文章のルールから、AIの出力が少しずつズレていく現象。「ちゃんと指示したのに」と思っていても、セッションを重ねるたびにトーンの一貫性が失われていきます。

幻覚的な完了宣言：AIは「できました！」と言いながら、重要な要件を見落としていたり、事実に基づかない情報を書いていたりすることがある。「できた」という言葉を信じてしまうと、後からファクトチェックで大変なことになります。

コンテキストの断片化：書き方の癖・読者への想い・過去の発信内容。そういった「暗黙の知識」がAIに届いていないため、断片的な情報だけで文章を作ってしまいます。

でも、これはAIが悪いわけじゃない。

問題は「仕組みがない」こと。そして、その仕組みを作る技術のことを「Harness Engineering（ハーネスエンジニアリング）」と呼びます。

ハーネスとは何か　馬具の話

「ハーネス（Harness）」という言葉は、もともと馬や荷物を引かせる動物に装着する「馬具」のことです。また、登山や工事現場で使う「安全ベルト」もハーネスと呼びます。

この言葉がなぜAI開発の世界で使われるようになったのか。

理由はシンプルです。AIモデルは「野生の馬」のようなものだからです。

物凄いパワーと能力を持っている。でも何も制約がなければどこへでも走っていってしまいます。そこに「馬具」、つまり制御の仕組みを装着することで、初めて人間が望む方向へ動かせるようになります。

Harness Engineering = AIを囲む「仕組みの層」をデザインする技術

ポイントは「AIモデル自体を変えるのではなく、AIが動く環境を整える」ということです。

「プロンプトをうまく書く」のとは根本的に違います。

プロンプト → コンテキスト → ハーネスへの進化

Business_evolution_stages_infographic_on_pure_whit-1777513394885.png.webp

人間とAIの関係の作り方は、ここ数年で3段階を経て進化してきました。

第1段階：プロンプトエンジニアリング（2022〜2024年）

「どんな指示文を書けば良い答えが返ってくるか」を磨く時代。「魔法の言葉を探す」という感覚で、完璧な指示文を作ることに多くの人が熱中しました。

第2段階：コンテキストエンジニアリング（2025年）

指示文だけでなく、「必要な情報をいかに適切にAIに届けるか」に焦点が当たり始めた時代。参考資料を一緒に渡したり、過去の会話を継続したりする工夫が広まりました。

第3段階：Harness Engineering（2025～2026年）

これらすべてを包含しながら、さらに高い視点から「AIが動く環境全体」を設計する時代。プロンプトや情報の渡し方だけでなく、AIが犯すミスを「構造的に不可能にする仕組み」まで考えます。

@tetumemo

📝スッゴイありがたいまとめ！！感謝です

プロンプトエンジニアリング → コンテキストエンジニアリング → ハーネスエンジニアリング

このハーネスエンジニアリングをまだ追いきれてませんでした、これ必須ですね

AIとの付き合い方がまた進化した… https://t.co/dDQvOzWvNZ pic.twitter.com/nu0pfcB53M
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) March 28, 2026

「構造的に不可能にする」。これが重要なポイントです。

Mitchellの黄金律

Terraform（インフラをコードで管理する有名なツール）を作ったMitchell Hashimotoという人が、Harness Engineeringの核心となる考え方を提唱しています。

My AI Adoption Journey

Mitchell Hashimoto

「この考え方に、業界で広く受け入れられた名称があるのかは分からないが、私はこれを “harness engineering” と呼ぶようになった。エージェントがミスをするたびに、そのミスが二度と起きないような解決策をエンジニアリングする、という考え方だ。」

大事なのは「そのときの出力を直す」のではなく、「そのミスが二度と起きない仕組みを作る」という発想転換です。

たとえばAIが「です・ます調」を守らないことが問題なら、プロンプトを毎回修正するのではなく、「です・ます調以外のアウトプットは禁止する自動チェックを仕組みに組み込む」というアプローチをとります。

これを私は「ミスが起きたら、環境を変える」と理解しています。

v6 r1からr2への修正がまさにこれです。r1の運用中にPhase 6（スクリプト制作）の設計不備が見つかりました。スクリプトが短すぎる・保存先が毎回違う・スタイル選択が抜ける。こういったミスが繰り返されていた。

r2ではプロンプトを修正するのではなく、「Phase 6開始前チェックリストを追加して、保存先・スタイル選択・フォーマット確認を強制する」という仕組みを作りました。同じミスが二度と起きないように、環境ごと変えたということです。

v6に組み込まれたハーネスの5要素

Business_mind_map_infographic_on_pure_white_backgr-1777513399048.png.webp

Harness Engineeringには5つの構成要素があります。v6にはこれがそれぞれ以下の形で組み込まれています。

① 実行保証ハーネス

Claudeがワークフローの流れで、Skillsがあるのに使った気になって使わない状態で動作してしまうのを防ぎます。

ツールを実行せずに「使えない」と判断しない
report.md / dbs-report.mdを自作しない（必ずツール実行結果から作る）
実行記録を review/tool-execution-log.md に残す

② 品質ゲート

各Phaseの完了条件を明示（例：draft.mdは12,000字以上）
「日経新聞社の編集長がGoサインを出せる密度」という基準
文字数が足りなければ、合格扱いにしない

💡ちょっと意外だと思うのですが「日経新聞社の編集長」というペルソナを立てています。

これが何に面白いかというと、編集長が見る視点にはプロの目線が詰まっており、例えばそれを箇条書きで5行、10行、20行と細かく指示を出すとします。

◯◯が禁止です
こういうことをしてください
こういう表現はやめてください

このように禁止事項を並べても、どうしても漏れが出てしまいます。さらに、命令文を重ねることでコンテクストが膨らみ、ClaudeやCortex（コーテックス）が作業する「箱」の中を圧迫してしまうため、あまり効率が良いとは言えません。

そこで本来、LLMの中に学習されている「日経新聞社のニュース（編集長のクオリティで出されたもの）」や、ここには書いていませんが「NHKのディレクターが判断する動画制作のクオリティ」といった、一般的に知られているペルソナとアウトプットが一致するものを使います。

こと細かに指示を書くよりも、誰もが認知できる「日経新聞社の編集長」のようなペルソナを設定することで、ほぼ同等の効果が得られることもあります。コンテクストをしっかり圧縮して質の高いアウトプットを得るには、長ったらしい文章よりも、このように広く知られているペルソナを設定することが非常に効果的です。

③ スタイル固定

style-guide.mdとnewsletter-structure.mdで文体・構成を定義
セッションをまたいでも「らしさ」が保たれる仕組み

④ 確認ポイント（人間が介在する場所）

Claude CodeからNotebookLMへDeep Researchの指示を実行し、完了後に「完了した」と伝えるまで次に進まない
ソースインポート後に「インポートした」と伝えるまで次に進まない
人間の確認が必要な場所でAIが勝手に進まない設計

実は Claude Code から NotebookLM の Deep Research の指示をしたときに、もちろん指示を仕込めばインポートもしてくれます。ただ、ここの指示がうまく通らない時、私の経験上 NotebookLM に何回もインポートしてしまって、結果的に元々 30 個ぐらいのソース情報しかなかったのに、それを 3 回ぐらい繰り返して 90 ソース（重複したもの）が取り込まれてしまったという経験があります。

Deep Research が完了したら、どのみち人の目で確認しに行くものなので、そのついでに「ワンクリックでインポートする」という形に任せた方がよっぽど効率的だということが分かりました。そのため、ここはあえて人が介在するようにしています。

⑤ エラー封じ込め設計

r2での修正はまさにこれ。失敗パターンをPhase開始前チェックリストで事前に潰す
Compact Instructions（コンテキスト圧縮後も消えない重要ルール）への記録

経験してわかったんですが、このワークフローは、一つのテーマを投げてから次のようなステップで進めていきます

テーマを決めてClaudeに投げる
Claude CodeからNotebookLMへ、Deep Researchの指示を出す
返ってきたレポートをもとにダイジェスト版を作成する
記事用のアジェンダを作成する
以下のアウトプットを生成する（これ以降は従来通りです）

(a) X（旧Twitter）用のポスト案

(b) サムネイル用のプロンプト

(d) ClaudeからCodexへ画像生成

(e) 音声台本用のアウトプット

このようにワークフローを長く進めると、Claudeのコンテキストをかなり消費してしまいます。コンテキストがいっぱいになると、Claudeは「compact」というコマンドを自動的に発動して、これまでのやり取りの内容を圧縮・要約してしまいます。

要約されてしまうと、これまでの細かい経緯を忘れてしまったり、そもそも最初に指示したワークフローが何だったのかが曖昧になったりしてしまいます。そのため、コンテキストが圧縮されても最初の指示や途中の重要な指示を忘れずに進められるよう、失敗から学んでしっかりと設計し直しました。

ちなみに、Harness Engineeringは難しいものではないですが、完璧さを求めるのもまた難しいです。当然AIの動きは日々変わりますし、性能も変化します。時には性能が落ちてしまうこともあるため、例えばHarness Engineeringでワークフローを組んだとしても、一回失敗したからといってすぐに大がかりに直すのではありません。

2、3回は実際にテストをしてみて、そこから重複してどうしてもつまずくポイントをコツコツ直していく、という流れを組んでいった方がいいです。

ですので、今回配布するワークフローももちろん完璧ではありません。完ぺきな動作保証をしているわけでもありません。その代わり、皆様に今まで作ってきたこのワークフローのスキルを全て渡しますので、そこからは実際に動かしてみて、気になる部分はいつも通りカスタマイズしてください。皆様のスタイルや流れに合うように、自由に組み替えていただければと思います。

ワンポイントTip: Harness Engineeringは「難しい技術」ではありません。「ミスが起きたら仕組みを変える」という発想さえあれば、非エンジニアでも実践できます。v6の配布物を受け取ったとき、「このファイルはなんで必要なんだろう？」と疑問に思ったら、このセクションに戻ってきてください。

🔬 NotebookLM Deep Research × Claude Code　トークン1/10の仕組み

「詰まり①のトークン爆食い問題」を解決したのが、この組み合わせです。

詳しい導入方法は過去の基礎編・発展編に書きましたので、ここでは「仕組みとして何が起きているか」をコンパクトに説明します。

🔗 【基礎編】これチート級。Claude×NotebookLMで「トークン消費1/10」を実現するための全手順

🔗 【発展編】Claude×NotebookLMにSkills5本入れたら別物になった。チート級のトークン削減ノウハウを全部シェアします

役割分担の考え方

これまでは「調査も執筆も全部Claude」でした。

調査だけで大量のトークンを食う。執筆に入る前に疲弊している状態でした。

新しい考え方はシンプルです。

調査はNotebookLMに任せる。執筆・制御はClaude Codeが担う。

NotebookLMはGoogleのサービスで、Deep Research（深い調査）機能を持っています。大量の資料を読み込んで、テーマに沿った調査レポートを作ってくれる。しかもこれはGoogleのインフラで動くため、Claudeのトークンをほぼ消費しません。

「200円のリサーチが20円になる」どころか、NotebookLMは無料で使えるので実質タダになります。

DBSフレームワークとは何か

調査結果をそのまま記事に使おうとすると、たいてい「情報量は多いが、何を書きたいかぼやける」状態になります。

そこで登場するのがDBSフレームワークです。

D（Direct）：調査結果の中から「そのまま使える事実・数字・引用」を抽出
B（Bridge）：調査結果と読者の課題をつなぐ視点を整理
S（Synthesize）：記事としての方向性・構成・語り口を決める

フレームワークを活用することで、Deep Researchの内容が2万文字や3万文字といった膨大な量であったり、ソースとなる情報が30、40、50と非常に多かったりしても、実際にそれらをNotebookLMに貯めて、このDBSフレームワークで整理することで、膨大な量の中からそのまま使える事実や数字、調査結果を読者の課題に繋げることができます。

そして、記事としての方向性や構成などを洗い出すことで、記事を書く際の論点を抽出することが可能になります。

結果、NotebookLMで調査→DBSで記事設計への変換→Claudeで執筆、という流れが確立されました。

3点セットで「地図」を持って書く

v6では調査の成果物として3つのファイルをセットで使います。

research/report.md      ← NotebookLM Deep Researchの調査結果（原材料）
research/dbs-report.md  ← DBSで整理した記事設計レポート（設計図）
research/digests.md     ← 記事用素材索引・編集メモ（地図）

この3つを見ながら agenda.md（記事構成）を作り、draft.md（本文）を書く。

例えば、Claude Code×Harness Engineeringについて調査をしたんですけども、以下のようにレポートが出力されます。

ステップ1：research/report.md

数万文字のDeep Researchレポートが出力されます。たた、このままだと情報量が多すぎて、どの部分を記事としてピックアップするのか迷いますよね。

ステップ2：research/dbs-report.md

そこで、少し専門的なまとめになりますが、数万文字のレポートとソース情報を元にDBSレポートとして重要な部分を整理します。

ステップ3：research/digests.md

最後に、ダイジェストで重要な論点を細かく整理します。だいたい論点は30個くらい抽出されますので、それを元にアジェンダや記事制作に進みます。

執筆時はdigests.md だけを見て書いてはいけない、というルールも設けています。最初のワークフローを組んだ時に、ダイジェストの内容だけを見てしまい、実際にDeep Researchで調査した裏付けとなる「しっかりとした文章」を引用できていませんでした。

そのため、ダイジェストはあくまで論点の整理として使い、その論点からしっかりとレポート本体を見に行くという流れに組み直しました。

そのため必ず report.md で根拠・数字・具体例を確認し、dbs-report.md で構成・読者導線・語り口を確認してから書く。

これにより「情報量の多さ」と「記事の読みやすさ」を両立しやすくなりました。

🎨 codex × GPT-Image-2　ChatGPT課金を最大活用する裏技

「詰まり③の画像生成の壁」を解決したのがこの組み合わせです。

codexって何？まったく知らない人向けに説明します

Codexは、OpenAI（ChatGPTを作った会社）が提供するAIアシスタントツールです。

Claude Codeとよく似ていますが、OpenAI側の製品です。ターミナル（コマンドを打つ黒い画面）で動かすことも、Codex Appというアプリで動かすこともできます。

重要なのは、CodexはChatGPTの有料プランに含まれているという点です。

ChatGPT Plusに月額20ドルで加入している人は、Codexを使う権利を持っています。そしてCodexからGPT-Image-2（ChatGPTの画像生成機能）を呼び出すことができます。

Untitled_Clipping_042926_112626_AM.jpg.webp

つまり流れはこうです。

Claude Code（テツメモ）
    ↓ 指示
Codex（OpenAI）
    ↓ 呼び出し
GPT-Image-2
    ↓ 生成
画像ファイル（visuals/generated/ に自動保存）

Claude Codeから日本語で「このサムネイルを生成して」と指示するだけで、GPT-Image-2が2K解像度の画像を作って、指定フォルダに保存してくれます。追加コストはゼロ（ChatGPT Plus加入済みの場合）。

GPT-Image-2で何が変わったか

少し前の節で触れましたが、改めて整理します。

@tetumemo

📕OpenAIが本日発表した「ChatGPT Images 2.0」が、Nano Banana超えレベルで感動してる、特に日本語のクオリティに大満足

添付の画像はたった数行のプロンプトで1発出し→プロンプトはリプ欄へ

素晴らしい点は「画像モデルとして“思考（thinking）機能”を搭載」… https://t.co/KkMQJphHhQ pic.twitter.com/coK5rXhnX7
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) April 21, 2026

前世代のGPT-Image-1.5と比べてGPT-Image-2が変わった点は主に4つです。

①解像度：2K（2048×2048）対応。印刷物にも耐えられるレベルになりました。

②テキスト精度：GPT-Image-1.5でも日本語テキストは出力できましたが、文字化けが起きることがありました。GPT-Image-2では英語・中国語・日本語・韓国語など95%以上の精度で正確に出力されます。「日本語のタイトルを入れたサムネイルを作ると文字化けする」というあの悩みが、これでほぼ解消されます。

③速度：前世代比2倍速。生成待ちのストレスが減りました。

④thinking mode：生成前に「どんな構図にするか」をAI自身が考えてから作る。プロンプトが多少曖昧でも、意図を汲んだ画像が出やすくなりました。

Codex Appのインストール方法（Windows向け）

Codexには「Codex CLI」と「Codex App」の2種類があります。

Codex App：デスクトップアプリとして動かす版。GUIで操作できる
Codex CLI：ターミナルで動かすコマンドライン版。少し技術的な知識が必要

通常使いにはCodex Appをおすすめします。ただ、今回はVSCodeやGoogle Antigravityなどからもワークフローを動かすと思いますので、Codexの拡張機能も入れておきましょう。

Codex Appのインストール手順（Windows）

こちらは誰でも無料でダウンロードできます。

Codex公式サイトにアクセス
「Download for Windows」をクリックしてインストーラーをダウンロード
ダウンロードした .exe ファイルをダブルクリックしてインストール
インストール完了後、Codex Appを起動
ChatGPTアカウントでサインイン（ChatGPT Plusの資格情報を使う）
サインイン後、「New session」を作成して動作確認

動作確認は簡単です。テキストボックスに「こんにちは」と入力してEnterを押し、返答が返ってきたらOKです。

Codex 拡張機能のインストール手順（Windows）

※お使いのIDEの拡張機能で「Codex」と入力することで出てきます。

こちらはお使いのIDEシステム（Cursor、VSCode、Google Antigravity等）へインストールします。

拡張機能の検索で「Codex」と入力
インストールを実行
起動アイコンが増えているので実行
Claude Codeの用に右側にパネルが出てきます。
この流れの中でChatGPTへのログインを求められるので実行
あとはパネル内に指示を入力してClaude Codeのように使えます。

Claude CodeとCodexをつなぐ設定

Codexはインストールしましたが、今回のワークフローでは直接操作する必要はありませんので、細かい使い方は割愛します。重要なのはCodexがPCにインストールされていて、Claude CodeからCodexが”探せる状態”であることが重要です。

そこで今回、v6の配布物には /setup-image-generation というコマンドが含まれています。

これを実行するとv6ワークフローの初期設定をすることができますので、実際にフローを動かしていって画像を生成するフェーズになった時には「保存先はどこにしますか？」「画像サイズはどうしますか？」と順番に質問されます。あとは答えるだけで設定完了して、画像生成が動きます。

設定後はワークフローだけじゃなく、Claude Code×Codexでプロンプトを添付すれば画像生成ができます。以下のSkillsを用意していますので、個別にパスを指定すればスムーズな実行が可能です。

/generate-images content/2026-05-01_01/visuals/thumbnail-prompt.md

これだけで、thumbnail-prompt.mdに書かれたプロンプトをもとにGPT-Image-2が画像を生成して、visuals/generated/ フォルダに保存されます。

⚠️とはいえ、Claude Code×Codexは皆さんのお使いの環境によって少し動きが変わったり、エラーがでるかもしれません。その時はSkillsを添付してAIに聞きながら進めてください。ベースのSkillsはできているので微調整で実行できると思います。

ワンポイントTip: Codex Appのインストール中に「このアプリを信頼しますか？」という画面が出ることがあります。OpenAI公式のインストーラーなので問題ありません。「はい」または「許可」を選んで進めてください。

🗺️ v6-r2-vdの全体像　何が入っていて、何ができるか

ここまでの話を踏まえて、v6-r2-vdがどんな構成になっているかを整理します。

v3との比較

	v3	v6-r2-vd
調査方法	Claude Code単独でWeb検索	NotebookLM Deep Research
調査コスト	1回数十～百円前後	ほぼ0円（NotebookLMは無料）
調査→記事への変換	リサーチ結果を参照し直接執筆	Deep Research→DBS→ダイジェストのセット
画像生成	プロンプトまで自動（生成は手動）	プロンプトの生成と、希望があればcodex経由でGPT-Image-2で画像生成も可能自動生成まで対応
品質管理	スタイルガイドのみ	実行保証ハーネス＋品質ゲート＋確認ポイント
実行ログ	なし	tool-execution-log.mdに記録
スクリプト制作	出力ルールのみ	ハーネス設計でアウトプットフォームや文字数等の品質ゲートあり
Harness設計	なし	r1で導入・r2で強化

全工程の流れ（Phase 0〜6）

v6の制作フローはこうなっています。

Step 0 事前確認
Phase 0 記事戦略を作る（strategy.md）
Phase 1 NotebookLM Deep Researchで調査する（report.md）
Phase 1.5 DBSレポートで調査結果を整理する（dbs-report.md）
Phase 1.6 記事用素材索引・編集メモを作る（digests.md）
Phase 2 記事構成と本文を作る（agenda.md → draft.md）
Phase 3 品質確認と修正を行う（fact-check.md・revision-log.md）
Phase 4 X投稿へ展開する（x-thread.md）
Phase 5 画像プロンプトと図解を作る（thumbnail-prompt.md・diagrams.md）
Phase 5.5 必要ならCodexで画像生成する（generated/）
Phase 6 対談・ポッドキャスト台本を作る（dialogue.md・podcast.md）

各工程は前の工程の成果物を読んでから進みます。たとえば記事本文（draft.md）は、report.mdとdbs-report.mdを使わずに書いてはいけない。台本（dialogue.md）も記事本文を短く要約するだけではなく、6〜8分の音声コンテンツとして成立する量と構成が必要。そういう細かなルールが組み込まれています。

1記事作ると揃う成果物

全工程を実行すると、こんなファイルが揃います。

content/YYYY-MM-DD_NN/
├─ research/
│  ├─ strategy.md       ← 記事の方針
│  ├─ prompt.md         ← NotebookLMへの調査依頼文
│  ├─ report.md         ← Deep Researchの調査結果
│  ├─ dbs-report.md     ← DBSで整理した記事設計レポート
│  ├─ digests.md        ← 記事用素材索引
│  └─ agenda.md         ← 記事構成
│
├─ review/
│  ├─ agenda-check.md   ← 構成確認
│  ├─ fact-check.md     ← ファクトチェック
│  ├─ revision-log.md   ← 修正履歴
│  └─ tool-execution-log.md ← ツール実行記録
│
├─ article/
│  ├─ draft.md          ← 長文記事本文
│  └─ titles.md         ← タイトル案
│
├─ social/
│  └─ x-thread.md       ← Xスレッド
│
├─ visuals/
│  ├─ thumbnail-prompt.md
│  ├─ section-prompts.md
│  ├─ diagrams.md
│  └─ generated/        ← 画像生成した場合の保存先
│
└─ scripts/
   ├─ dialogue.md       ← 対談台本
   └─ podcast.md        ← 
   台本

1テーマから、記事・タイトル・X投稿・画像プロンプト・図解・台本2種。これだけのコンテンツが揃います。

特にNano Banana超えのGPT-Image-2での画像生成を、Claude Codeのワークフローに組み込めたのは非常に嬉しいですね。

v6 r1→r2で何が変わったか

r1からr2への変更はPhase 6（音声台本スクリプト制作）の設計不備の修正です。

Untitled_Clipping_042926_120211_PM.jpg.webp

GoogleのGoogle AI Studio経由でGemini 3.1 Pro TTSなどを使うことで、台本を元に音声生成が可能です。こちらは過去記事がありますのでチェックしてみてください。

aistudio.google.com

aistudio.google.com

【音声革命】Gemini音声生成で変わるコンテンツ制作の新常識「誰でもポッドキャスター」時代

テツメモ｜tetumemo

2025-05-26

過去、このワークフローで出力した音声台本を元に作成した音声コンテンツです　↓

@tetumemo

📕Gemini 2.5 Pro TTSを使って、引用元の記事を「お笑い芸風」のPodcastsとして仕上げてみた

Google AI Studioに台本渡して、数分待つだけでこの番組が”完全無料”でできちゃう時代

Spotifyにも配信済みです

作り方はリプ欄へ　↓ https://t.co/C3M7Z1HxfL pic.twitter.com/XH11T4tO4N
— テツメモ｜AI図解×検証｜Newsletter (@tetumemo) December 11, 2025