『三位一体の単一点』の開発環境は、AIを前提として構築してあります。 私自身エンジニアですが、コーディングエージェントの登場でこの一年ほどで開発効率が5倍くらい上がりました。周囲にはもっと上がったと言っている人もいます。
それはいいんです。いいんですが、AIへ渡すコンテキストをカタカタと打ち込んでいるだけで1時間経っているとかがざらにあって困ります。
そこで、人に指示を出すのと同じノリでおしゃべりしながらAIにタスクを渡す仕組みを作りました。それが割と良かったので、Claude Codeのプラグインとしても公開しました。今日はそのお話をします。
まず普通の音声入力を試したのですが、正直精度がイマイチであまり使えませんでした。 理由は、音声入力のAIはこのプロジェクトの文脈を知らないことです。
プロジェクトで使っているツールの名前、関わってくれている人の名前など、固有名詞がやたらと多い。それが全部誤読されるのです。コンテキストの精度が落ちて、AIの返答もぼんやりする。それなら手で打ったほうが早いわと。
そこで、「音声入力AI」と「文脈を理解するAI」を合体させたものを作りました。
やっていることは3段階です。
そして仕上がった文字起こしをClaudeが読み込み、そこから会話を始めます。
大量のコンテキストを雑に渡せて便利。
同じことをしているものが見当たらなかったので、せっかくならプラグインにして公開しました。Claude Codeの中で2行打てば入ります。
入れ方や使い方の詳細は、別途noteに書きました。
https://note.com/trinity_nexus/n/n7ac7edfae794
コードはGitHubにあります。
https://github.com/howel-jp/voice-memo-kit
便利です。手打ちの苦労は明らかに減りました。さっき喋った内容を数えてみたら1.3万字ありました。手で打ってたら一日終わりますよね。
とはいえ、何にでも使えるわけではないというのが正直なところです。結局のところ、AIの返答の質は「何を喋るか」——話している内容の質に集約されます。その構造は変わっていないし、むしろ強化された気がします。手打ちというタスクの壁がなくなった分、何を考えているかやどのくらい考えを深めているかがそのまま成果の質に出る。
それから、打ちながら考えるという時間も、私にとっては大事だったりするようです。喋るより打つ方が遅い。遅いからこそ、打っている間に考えが深まることがある。そういうパターンだなと思ったときは、今でも普通にキーボードで打っています。
逆に文章の構成を考えるせいで筆が進まないときは、もう頭の中を全部雑に吐き出すつもりでパッと済ませる。無駄な時間が削れてこれはすごく良かったです。
ちなみにこの記事も、5分半ほどのボイスメモをベースにAIの支援を受けながら書いてます。
『三位一体の単一点』は、AIが人類と同程度の知性を獲得した未来が舞台のSF群像劇ノベルゲームです。
おしゃべりしながら作っています。
フォローすると、開発ログや新作ゲームの公開が通知されます