1gauntlet loopを構成する3つの要素

紹介された型は、タスク、作業方法、品質基準の3要素で整理できます。タスクでは作るものを決め、作業方法ではメインエージェントが仕事を小さく分けてサブエージェントへ配分します。品質基準では、どこまで改善したら止めるかを指定します。

1. タスク：ファーストパーソン・シューティングゲームのように、作る対象を定める。
2. 作業方法：各担当に作業を任せ、別のサブエージェントに見た目や仕様を確認させる。
3. 品質基準：基準作品と比べ、批評役が十分だと判断するまで反復する。

「いい感じに作って」と任せるだけでは、評価の物差しがありません。作業の分担と合格ラインまで同じ指示に含めることで、生成と検証を一つの流れにします。

2サブエージェントと批評役を組み合わせる

通常のAI利用では、利用者が出力を確認し、次の修正指示を送ります。gauntlet loopでは、この確認役をAI側へ移します。作業エージェントが成果物を作り、批評エージェントが基準に照らして評価し、必要なら修正を促す構造です。

規模を広げる場合は、メインエージェントが複数の担当を立ち上げ、それぞれに批評役を組み合わせます。見た目、仕様への適合、参照画像との近さなど、批評役が何を確認するかも事前に定める必要があります。

生成担当は自分の出力を十分だと思い込みやすい、というのが動画内の説明です。別の担当を評価役に置くことで、人間が毎回すべての工程を確認する負担を減らす狙いがあります。

3ゲームと3D空間で見えた反復の力

実演では、ポケモンの開始エリアを思わせる3D空間、カーレース、マリオカート風のゲームが紹介されました。道路、家、テクスチャなどの細部まで作られており、人間なら長時間かけるようなカスタム環境をAIが反復できる例として扱われています。

別のテストでは、シドニーのDarling Pointにある物件の間取りと、リビングや寝室の参照写真から探索できる3Dアパートメントを作りました。Claudeは部屋や照明を担当ごとに分け、批評役が生成したスクリーンショットと元画像を比較します。

約2時間後も処理は続いており、キッチンカウンター、絵画、寝室のレイアウトは参照画像に近づいていました。一方で、ソファやテクスチャには改善の余地が残っています。高い基準を置くほど反復時間も伸びる実例です。

4フロントエンド制作で分かった限界

同じ構造はKetone IQのフロントエンドサイトにも試されています。複数のサブエージェントがサイトを作り、評価担当が確認する工程で、実行時間は約1時間19分でした。生成物には商品紹介、brain fuelという見出し、ダークモードとライトモード、アニメーションが含まれています。

見た目の演出は洗練されていましたが、実際のKetone IQサイトのブランドデザインシステムとは大きく異なりました。批評役を置いても、評価基準が見栄えに偏れば、ブランドや商品要件を外したまま見た目だけを磨く可能性があります。

話者は、最低限の製品仕様やデザインシステムを先に作り、その後の品質改善にgauntlet loopを使う考えを示しています。最初の方向性を人間が確認してから、品質を高める段階へ移るほうが管理しやすいという整理です。