AI コーディングエージェントに長いタスクを任せるとき、よくある失敗はモデルの能力不足ではなく、途中でコンテキストが壊れることだ。数時間かけて進めた作業が、うっかりウィンドウを閉じただけで振り出しに戻る。もしくは、エージェントが勝手に方針を変えて、気づいたら別のものを作っている。Deep Work Plan は、そんな「長期間タスクの迷走」を仕組みで防ごうというプロジェクトだ。
これは新しいチャットツールではなく、init.md という入口ファイルを核にしたオープンソースの方法論。このファイルの URL を任意の AI エージェントに渡すと、エージェントはまず手順を読み、現在のリポジトリを「AI 優先・規範駆動・自動運転可能」な状態へ作り替える。公式には「executable onboarding prompt」と説明されているが、要するに「最初にやるべきことをリポジトリ自体に埋め込む」行為だ。
「より良いモデル」より「より良い文脈」
このプロジェクトの背景にあるのは、Context matters more than models という主張だ。より賢いモデルを待つよりも、エージェントが扱う文脈を整理するほうが効果がある、と。具体的には、タスクを原子単位に分割し、それぞれに合格基準と検証ゲートを設ける。さらに、実行途中の状態を保存し、文脈がリセットされても新しいエージェントインスタンスが途中から再開できるようにする。
方法論のページには、実務に即した運用原則が並ぶ。リポジトリに既存の AGENTS.md や CLAUDE.md がある場合は、上書きせずに読んでから統合する。大きな変更の前には計画を提示してユーザーの確認を取る。失敗したら止まって報告する。どの項目も、経験のある開発者なら「そうそう、これだよ」とうなずく内容だ。
個人的に感心したのは、init.md 自体を「信頼できない入力」として扱い、公式ソースかどうかを確認してから評価するよう指示している点。AI エージェントツールにこの手のセキュリティ意識を組み込んだ例は珍しい。trust-but-verify の姿勢は、むしろ安全エンジニアが書きそうだ。
エージェント非依存の設計は現実的か
Deep Work Plan の利点は、特定のエージェントやベンダーに縛られないこと。agent-agnostic で no lock-in を掲げ、どのエージェントにも、どのリポジトリにも適用できる。実際の使い方は単純で、対応するエージェントの入力欄に https://deepworkplan.com/init.md を貼るだけ。URL に Accept: text/markdown ヘッダーを付ければ HTML ではなく Markdown 版を取得できる。
- 原子タスク: 各ステップが小さく独立しているため、途中経過を検証しやすい
- 合格基準と検証ゲート: 定義された完了条件を満たさない限り次の段階へ進まない
- 復元可能な状態: コンテキストが消えても、後のエージェントが継続できる
- MIT ライセンス: 方法論もテキストも自由に利用・改変できる
一方で、効果はエージェントの指示への従順度に大きく依存する。モデルが多段階の指示を厳密に守れなかったり、ファイル読み書きのツール呼び出しに対応していなければ、この計画は机上の空論になる。既存のリポジトリを規範駆動へ作り替える際にも、事前調査とユーザー確認のステップが入るため、時間とトークンは多少余分にかかる。
公開されている技術詳細はまだ少ない。性能数値も、大規模な導入事例もない。あるのは方法論とサンプルだ。正直なところ、こういうプロジェクトは自分で試すのが一番早い。実在のリポジトリで init.md を実行し、生成される構造と、その後タスクを続けたときの安定性を観察してみてほしい。
AI エージェントに長い作業を頼んだけどうまくいかない、と感じているなら、Deep Work Plan は検討に値する軽量な選択肢だ。モデルを置き換えるのでも、開発ツールを乗り換えるのでもなく、エージェントに読ませる地図を用意する。しかもオープンソースで、試すコストはほぼゼロ。それなら一度、自分のリポジトリで実験してみるのがいい。
コメント
コメントはまだありません
最初のコメントを書きましょう