#AIエージェント

自動化パイプラインを運用していると、セキュリティチェックが壊れているのに気づかず「異常なし」で通ってしまうことがあります——そんな見落としの実例から、壊れた時に安全側で止めるか通すかをチェックの性質で使い分ける設計を解説します。

ルールを守れと書いた説明文が、そのルール違反だと機械的に誤判定されてしまう——そんな自己言及的な誤検知が自動化パイプラインで実際に起きました。誤検知の構造と、検出対象を自由文から構造化フィールドへ移して直した設計を紹介します。

PCで走らせているAIコーディングエージェントの様子を、外出先のスマホから確認して指示も出したい。SSHクライアント・VPN・マルチプレクサの3層をそれぞれ比較検討し、いまの構成に落ち着くまでの選定記です。

AIが作った PR、そのまま「マージしていいのか」で毎回固まる。危険な操作だけを検出して一回だけ承認を挟み、ブランチ名などの入力は決定論的に検証する——自動マージのガバナンスを実装の判断ベースで解説します。

AIに実装・評価まで任せる自動開発では、環境のノイズがコード欠陥と誤判定され、ループが無駄に止まる・無駄に直ることがあります。失敗を環境要因とコード欠陥に仕分け、CIのgreenを根拠に機械的に閉じる設計を紹介します。

AIにフロントエンドを任せると「テストは通るのに表示が崩れている」がよく起きます。自動開発ループに「実際にブラウザで見て確かめる」工程を足す設計を、実装で踏んだ勘所とあわせて整理しました。

AIエージェントに自分のAPIキーを握らせるのは、正直こわい。でも、渡さなくても動く。sandbox の一段上、権限そのものを最小に絞る——ネットワーク・秘匿値・信用範囲の線引きを、ポリシー設計の視点で紹介します。

Issue から PR まで無人で進むワークフローでも、機械のほうから人間に差し戻すべき場所があります。品質と責任の切り分け、LLM が緩められない床、行き詰まりの検出という3つの設計を実装の裏付けで解説します。

AIが書いたテストの「緑」を、そのまま信じて次に進んでいないだろうか。品質ゲート全体ではなく、テストの信頼性だけに絞って——緑が保証すること・しないこと、緑の嘘を見抜く設計を整理します。