ゼロからチャットで作るくるくるキューブへ

北極星：なぜ「回転する立方体」なのか

この日のすべての目的は 1 つの受け入れポイントでした。クリーンなマシン上でクローンを作成し、キーをドロップし、コマンドを 1 つ実行してから、インターフェイスでエージェントに「回転キューブを作成」と指示します。エージェントはコードを編集し、エンジンがホットリロードされ、ブラウザに回転キューブがすぐに表示されます。キューブ自体は目立ったものではありませんが、これは製品の核心である「話すだけで本当に実行できるものを構築できる」という賭けの最低限の証拠であり、そのチェーンのいずれかのリンクが切れると、プラットフォームは維持できなくなります。目標を 1 つの明確な許容点に集約することは、1 枚のスクリーンショットで証明できるように、チームが「進歩を感じている」のではなく、厳しい合格/不合格の目標を追いかけていることを意味します。この日は過ぎていきました。

エンドツーエンドのループが実行されます。文章を言うと、画像が変化します。

このループは 6 つのリンクをエンドツーエンドで連鎖させます。チャット ボックスで要件を述べる → エージェントが対応するコードをゲーム ファイルに書き込む → ファイル ウォッチャーが変更に気づく → リアルタイム チャネルがフロント エンドに通知する → エンジンが新しいコードを動的にロードする → 画像が即座に更新されます。この日、これら 6 つのリンクが初めて完全かつ安定して接続され、自動化されたブラウザのスクリーンショットで実際に回転途中の立方体が傾いてキャプチャされ、無害なアイコンが欠落しているという 1 つの通知を除いて、エラーはまったく発生しませんでした。つまり、「見たものが得られるもの」は、もはやビジョンデッキの 1 行ではなく、繰り返しトリガーされる実際のパイプラインになります。その後の「チャットしながらビルドして結果をすぐに確認する」というエクスペリエンスはすべて、このループに基づいています。それが機能することで、製品は本当に生き返ったということになります。

3 つのレイヤーのランド: 明確な役割、交換可能

このループを長期にわたって耐えられるようにするために、システムは、明確で独立して置き換え可能な責任を持つ部分に分割されました。つまり、実際にエージェントの思考と行動を駆動するランタイム カーネル (モデル呼び出し、ツール、セッション、メモリの処理)。純粋なオーケストレーションとインターフェイスのブリッジ (ファイルの変更をフロントエンドにブロードキャストし、大規模なモデル自体には一切触れません)。エンジン (ゲーム コードを画像にレンダリングする)。さらに、ユーザーが直面する 3 列のインターフェイスも追加されます。この分割は内部インターフェイス契約に書き込まれ、軽々しく再訴訟されないよう鉄則として設定されました。カーネルはカーネル、オーケストレーションはオーケストレーション、境界は明確なままです。その価値は、各レイヤーが独自に進化して交換できること、1 つのレイヤーの問題が全体に影響を及ぼさないこと、そして「エンジンの交換、インターフェースの交換」が書き換えではなく後で可能になることです。

「プレースホルダー シェル」を実際のエージェント ランタイムに置き換える

夜明け前のバージョンのループでは、エージェントを駆動していたのはまだ一時的なプレースホルダー シェルでした。この日、約 30 ステップを超える手順を経て、実際の「プロフェッショナル コーディング アシスタント クラス」のエージェント ランタイムに置き換えられました。このカーネルには、実際のエージェントに必要なものが備わっています。つまり、大規模なモデルを呼び出し、ツールを使用し、セッションとメモリを維持し、「考えて行動する」ループで自らを前進させることができます。交換後、システムは初めて純正モデルの応答を受信し、完全な「実際のモデル + 本物のツール」ループを実行しました。このステップにより、製品は「チャットできるように見える」状態から「実際に動作できる」状態になりました。以前の会話はパフォーマンスでした。その背後には、プロジェクトを真に変更するためのツールの読み取り、書き込み、使用ができるエンジンが組み込まれています。

再発明しない: 何千行もコピーする代わりに標準を再利用する

エージェントの機能を埋める際、ツール機能を導入するプロトコル層と標準の会話イベント プロトコルの 2 つの部分は、「他の場所から 1,000 行コピーする」ことによって実行できたはずです。この日の判断は明白でした。成熟したオープンスタンダードがすでに存在し、直接インストールして使用できる場合は、それを手動で再コピーしてはなりません。そのため、両方とも以前の手書きバージョンの公式標準実装に置き換えられました。ツール プロトコル コードは百数行から 80 行に縮小され、より完全なトランスポートと機能変更通知が無料で提供されました。会話イベント プロトコルは標準ライブラリを取り込み、新しいコードをほとんど使用せずに 30 を超える標準イベントを再エクスポートしました。 2 つのステップを合計すると、200 のネット回線が追加されながらも、エンタープライズ グレードの機能が実現されました。その背後には、繰り返される規律があります。すでに公的基準に組み込まれている車輪の再発明ではなく、誰も解決してくれない難しい問題に労力を費やします。

何百ものチャット UI パス: 生のテキストからデスクトップグレードに近いものまで

ループが実際に機能すると、インターフェイスのエクスペリエンス ギャップが最大の悩みどころになりました。この日、100 回以上の小さなステップを経て、チャット パネルを「生のテキストとプレースホルダー ボックス」から、成熟したデスクトップ アシスタントに近いものに磨き上げました。これには、手書きの Markdown レンダラー (コード ブロック、リスト、テーブル、タスク リストがすべてサポートされています)、コンテンツの長さに応じて速度が変化する文字ごとのストリーミング アニメーション、結果全体に展開される高密度の「錠剤」タグに凝縮されたツール呼び出し、エージェントの「自己修正/反映」が視覚的に開始され、アクセシビリティ基準を満たすように調整された泡と背景のコントラスト、モーションを減らしたいユーザーのためにオフになったループ アニメーションが含まれます。各パスで 1 つのことに触れ、自己テストし、メモを記録しました。要点は明白です。どんなに強力な機能であっても、読み取りに手間がかかったり、安っぽく見えたりする場合、ユーザーは信頼できません。見つめる表面を心地よいものに磨き上げること自体が、コア機能の一部です。

フラットな再構築 + ゼロビルド、ソースから実行する開発

午後には、構造が平坦化されました。かつては深くネストされていたディレクトリが平坦になり、各部分がより直接的な方法で隣り合って配置されました。これに伴い、「ゼロビルド」開発モードが確立されました。クローン作成後、最初に長いコンパイルとバンドルの手順を行わずに、1 つのコマンドでソースが直接実行されます。開発者にとって、これは行を変更するとほぼ即座に結果がブラウザに表示され、段階的な反復の速度が 1 レベル上がることを意味します。初心者にとって、「クローンから画像を見るまで」の道は最短距離にあります。構造の簡素化は目に見えないものですが、今後数週間に「1日1歩の大きな一歩」のリズムを維持できるかどうかが決まります。基礎がシンプルで明確であればあるほど、その上に迅速かつ安定して構築することができます。

ファイル、プレビュー、コンソール、スイッチャーの 3 列の Studio が形になります

夕方には、実際に使用できるパネルのバッチを一度に備えた 3 列の Studio がレイアウトされました。左側のファイル ツリーは実際のプロジェクト ファイルに接続されており、製品をクリックしてプレビューします。中央のライブ プレビュー ウィンドウはエンジンに直接接続されており、フレーム レートの読み出し、一時停止、リロード、フルスクリーン、デスクトップ/モバイル デバイス モードを備えています。さらに、エンジンのコンソール出力をパイプするパネル、過去のセッションをリストして再生するスイッチャー、および「新しい」メニューでプロジェクトとゲームを切り替えるためのエントリがあります。注目すべきは、この日も本能に従い、「プロジェクト」と「ゲーム」という 2 つの概念を 1 つに統合したことです。ユーザーは、これらは同じものであるため、インターフェイスでそれらを強制的に分離すべきではないと言いました。これにより、「管理左 / プレビュー中央 / チャット右」のレイアウトが定着し、Studio は山積みの機能から使いやすい製品形式に収束し始めました。

この日が意味するもの

総合すると、この日の重要性は次のとおりです。それは単一の機能の出荷ではなく、製品の中核となるテーマが初めてエンドツーエンドで証明されたということです。文から動く立方体まで、その間にあるすべてのリンク (レンダリング、ランタイム、オーケストレーション、インターフェイス) がクリーンなマシン上で実際に実行されたことがスクリーンショットで証明されています。キューブ以降の複雑なものはすべて、実際のゲーム、複雑なシーン、エージェント チーム全体など、このすでに接続されているトランク上で成長します。だからこそ、この日はモデルとして記録する価値があるのです。最初に最も重要で最も反証可能なメインチェーンを接続し、次にブランチについて話します。 1 回走れば、2 回目、100 回目でも自信が持てるようになります。