決定論的生成を土台に、非決定論的生成でビジネスロジックを書く

Claude Codeの利用量を確認する際に、キャッシュの扱いが判断に影響することが分かる。1週間で1Bトークンと表示されても97%がキャッシュなら、実際に課金やレート制限に効くトークン数は想定より少ない可能性が高い。

AIアシスタント向けコードコメントの書き方を改善する判断材料が得られる。長文コメントはモデル自身の動作理解に寄与せず、簡潔な記述の方が効率的とみられる。

AIレビューを同じ条件で複数回実行すると結果がどう変わるかが分かり、レビューを1回で信頼してよいかの判断材料になる。ClaudeとRobloxの個人開発で、指摘内容の一致や差分を確認して運用方法を決められる。

医療AIを自前で育てる場合と既存AIを借りて使う場合の比較から、実運用での選択基準が得られる。育てたAIが借り物に勝てるかどうかの結果をもとに、開発コストと性能のバランスを検討できる。

AIでWebツールを量産するモデルが、広告収益に依存すると失敗するリスクが分かる。多数のツールを作っても広告収入が伸びず、Googleの対応でアクセスを失う事例から、外部依存のリスクを把握できる。

ClaudeとCodexに同じコードベース知識を持たせ、エージェント間の認識を揃える連携方法が分かる。JetBrains Contextを経由して共有コンテキストを参照させることで、両ツールの回答前提を統一しやすくなる。