AIエージェントがあれば技術書なんてすぐ書けるでしょ→無理でした

Qiita Tech Festa Dayで講演した内容です

Transcript

2. About Me 渡邉 洋平(watany) • • • • 所属：NTTテクノクロス株式会社 AWS Ambassadors(2024〜) JAWS-UG東京(AWSコミュニティ) 運営 寄稿：CodeZine ◦ 仕様駆動開発への期待と誤解 2026年5月2日（土）発売 https://www.sbcr.jp/product/4815636593/ 2
3. 技術書(単著)を書きました - 買って読んで欲しい！ - 対象読者： - ⽣成AI×システム開発を調べてもネットの場 当たり的な情報に振り回されて困っている - Agentの使い⽅をどこから学び始めるべきか わからない - ⾃分は⼤丈夫でもチームメンバが後をついて こない時、渡す本がない 2026年5月2日（土）発売 https://www.sbcr.jp/product/4815636593/
4. AI活⽤×執筆のジレンマ ※個⼈の信念です。 - 「AIにシステム開発を委ねましょう！」と 書いたのに、AIに執筆を委ねない理由を 並べるのは道理に合わない - とはいえ、LLMに出⼒させた⽂章は、 AI臭くて使い物にならない 2026年5月2日（土）発売 https://www.sbcr.jp/product/4815636593/
5. AI Slop(⽣ゴミ) 圧倒的な量に対して内容の薄いコンテンツへの揶揄 海外版流⾏語⼤賞の1つが「スロップ(汚物)」に決定、「AIスロップ」のように使われる⾔葉 https://gigazine.net/news/20251217-merriam-webster-word-of-the-year/
6. AI Slop ⽂章の”臭い” ⽂章における代表的なAI Slop - 語彙：「構造」「⾜場」「刺さる」「効く」「置く」「emダッシュ（—）」 - 構⽂：Markdown強調、コロン付き箇条書き(- hogehoge: fugafuga) - 構成 - 章‧節でのサブタイトルの多⽤ - クリフハンガー(続きが気になる中途半端な終わり) - バイアスの⽋如(書き⼿の極論‧傾向に対する、過度な調整) - LLMの予測可能性(＝前の話から想定できる地点へ着地してしまう)
7. AI Slopの脱臭に関する是⾮ - そのAI臭を消す努⼒は、誰のためにやって いるのか - 「品質改善」「ロンダリング」 - なぜAI臭さを消したいのか？ - 「責任を負う」「外注の痕跡を消す」 https://x.com/ktrmnm/status/2078763563733414102
8. ”AI Slop”を脱臭するアプローチ Skilsの例 - blader/humanizer - Wikipedia:Signs of AI writingに基づき、AI出⼒で頻出のパ ターン(33観点)を検出して⾃然な⽂章に修正するスキル - k16shikano/japanese-tech-writing - ⽇本語の技術⽂書を書かせたり推敲させるための⽇本語⽂章 規範スキル
9. ”AI Slop”を脱臭するアプローチ - 執筆中は⾃前Skill‧Commandを試していた - 内容は後述 - Linterも試していた - textlint-rule-preset-ai-writing textlint-rule-preset-ai-writingを試す https://zenn.dev/hibara428/articles/a4235e23f04110
10. 結論として採⽤できなかった 決定論的フィードバックは、⽂章の質に寄与できない - Linterで「AI⽂章あるある」を刈り取ると、⼈間らしい⽂章ではな く、単に別のバイアスを持った⽂体になった - アンチパターンを機械的に添削した結果、かえって単調な⽂章に なってしまった - 漢字の閉じ開き、もの‧ことの撲滅 - LLMなりに⼈間らしさ(機械翻訳らしさ)を踏まえて出⼒しているの で、AI Slopの特徴を全て消すと、違和感が増す可能性 - 例：スラングを意識しすぎると却って話し⾟くなる
11. どうしたか
12. 1. ⾃分の真似をさせる ⾃分の⽂体‧スタイルを”蒸留”する - 「⽂体や構成は@watanyの公開記事や登壇スラ イドを読んで理解し、参考に執筆Skillを作って」 - Qiitaを含めて約200くらいの公開資料 - Claude Codeなどの「Web search tool」で 検索させる。どう真似るかはLLMに任せる https://qiita.com/watany
13. 2. レビュー、修正 - レビュープロンプト例 - 「誤字脱字‧表記誤り‧⽂法誤りはありますか？」 - 「この＜⽂章＞＜表現＞を簡潔にする代替案を考えてください」 - 「前後の章‧節と整合性が取れてない点を指摘してください」 - Tips - これらを1つの神Skillsに固めると抜け漏れが出るように感じる - 変に凝るより、定型reviewコマンド＋観点無しレビューを3並列
14. どうしたか → どうなったか ユーザーハーネスの考え⽅にマッピングすると - feedforward(⽣成に必要な情報) - 1. ⾃分の真似をさせる - feedback(評価に必要な情報) - 2. レビュー‧修正 どうなったか - 似てる⽂体にはなるけど、良い⽂章にならない Harness engineering for coding agent users https://martinfowler.com/articles/harness-engineering.html
15. 「技術書の⽂章」の分解 技術書の⽂章には実⽤的に三層ある(と思う) 1. 語彙 - 頻度が⾼い‧使われ⾟い語彙 2. ⽂のリズム - ⼀⽂の⻑さ、句読点の位置、⾔葉の緩急 3. ⽂章の⾻格 - 何を書くか、書かないか、どの順序で語るか
16. 分解した「技術書の⽂章」とどう向き合うか 1. 語彙 - LLMに⼀旦ありのままに書かせる - 禁⽌したい語彙はレビューで検出する 2. ⽂のリズム - LLMに書かせた⽂章を、⾳読して違和感を検出する 3. ⽂章の⾻格 - 初⼿AI VS 初⼿Human
17. 1. 語彙と向き合う - LLMに⼀旦ありのまま書かせる - GPT 5.6, Claude Fable 5のプロンプトガイドを読むと、 守らせる⼿順を減らすのがベストプラクティス - 禁⽌したい語彙はレビューで検出する - 機械的に削ると⽂章も機械的になるため指摘に留めるのも⼿ - 無駄な例「AIっぽい⽂章を⾒つけて」
18. 2. ⽂のリズムと向き合う LLMに⼀旦ありのままに書かせ、⾳読して違和感を検出する - 黙読でもいいが、⼩声でも声に出した⽅がいい - 声に出さず何度も読むと違和感が摩耗してしまう - 「私はこの表現をするか？」「話の流れに違和感は無かった か？」「⾔葉選びは妥当か」など - LLMに限らず、煮詰まったら効果的 - リズム改善系のSkillはあるが、LLMらしさを軽減するものの 違和感はぬぐえないため、今の所は使わない予定
19. 3. ⽂章の⾻格と向き合う Human In The Loopの代表的なパターン - 初⼿AI - コンセプトを伝えてLLMに書かせる→「こんなのが俺の⽂章なわ けないだろ！」→反発のままに書き直す→LLMに直させる→ 「こんなのが俺の⽂章なわけないだろ！」(以下略) - 初⼿Human - ⼀旦殴り書き‧メモレベルの材料を元にLLMで初稿を起こす。 順序を並べ替えたり、過不⾜を修正したり、を⼈とLLMでターン 制で繰り返す
20. 部分的に効果があったアプローチ - 前提：本書にはエージェント(Cline)の操作 の様⼦を実況形式で画⾯キャプチャで紹介 するパートがある - PART3: Vibe Codingを試してみよう - PART5: Agentic Coding ‒ 開発基盤構築 - PART6: Agentic Coding ‒ コーディング - PART7: Agentic Coding ‒ リリース 2026年5月2日（土）発売 https://www.sbcr.jp/product/4815636593/
21. 部分的に効果があったアプローチ 画像から⽂章を作る⇒けっこう厳しい - ⼀操作ごとにキャプチャしていないので、 意図しないストーリーを創作してしまう - OCR的にキャプチャの⽂字を取り出して くれるのは普通に便利 画像のキャプションを作る⇒そこそこ - 意図しないストーリーを創作してしまう - 意外と説明を1⾏に収めるのは⼤変なので、 打率が低くても試す価値はあった https://www.sbcr.jp/product/4815636593/
22. AIエージェントでも技術書はすぐ書けない - 書籍の半分ほどはエージェント執筆を試みたが、肌感覚で1~3割程度の効率化 - 何なら⼿段の試⾏錯誤が⻑すぎて、脱稿が遅れてしまった - ⼤量に⽂を出⼒するのと、書籍としての品質にはギャップがある - 少なくとも0→1は「おもんない」⽂章になる - とはいえ、LLMの出した表現を普通に採⽤する場合も - 素直に⼿を動かして書くか、LLM出⼒で早めに失敗⽂例を知る⽅がいい - プロンプトやSkillsに凝るよりOpus4.6 やFableなど⽂章⼒の⾼いモデル を使う⽅が良い - レビューは細かくプロンプトを刻んで適宜実⾏→issueなどに記録
23. せめてものTips - AIにゼロから書かせる時は⾃分の⽂章蒸留は効果がある - 「⽂体や構成は<任意>を読んで理解し、参考に執筆して」 - ⽂章を修正する語彙があるとLLMに指⽰しやすい - コロケーション：単語と単語、その他の品詞間の⾃然な組み合わせ - 呼応：「なぜなら〜からだ」など、対応する表現が正しい組み合わせか - Linterは育てるまでが⻑いので、最悪LLMレビューに置き換える選択肢も - ⽂章の違和感を拾うのは⾳読が⼀番実⽤的