週末、また繰り返しの作業に半日を費やしてしまったが、突然気づいたんだ。このAI自動化スタックがもう半年も稼働していて、効率がかなり向上していることに。思い切ってこのアーキテクチャの協力方法をまとめてみる。

核心となるのは二つの役割分担：**Hermes が編成を担当し**、Claude Code が技術を担当している。Hermesは本質的にはタスクの管理者で、スケジュールや記憶管理、バックグラウンドのcronタスクを処理し、TelegramやFeishuへのメッセージ配信を行う。常にオンラインの秘書のようなもので、昨日のアイデアを覚えていて、今夜は時間通りにリマインダーを送り、明日は自動でデータ収集スクリプトを実行する。

本当に複雑なコーディング作業は、Claude Codeに一括で任せている。大規模なリファクタリングやコード監査、あるいはゼロから一への機能設計——これらはすべてClaude CodeのCLIモードを使って完璧に処理させる。両者ともに私のスキルライブラリ（方法論の蓄積）にアクセスできるので、Hermesが既存のロジックを再利用したい場合は、直接スキルを呼び出すだけ；Claude Codeも使えるので、切り替えのコストはほぼない。

モデル選択はコストと利益のバランスを考慮している。日常の対話や毎日の早報、市場の監視などの高頻度の処理にはHaikuを使って支えている（安価）。本当に深い推論が必要な大きなタスクにはSonnetやOpusにアップグレードする。こうすることで、1か月のトークンコストをコントロールできる。

別の視点から見ると、**エージェントは自動化された生産ラインの脳**であり、意思決定とスケジューリングを担当している；**スキルは生産ラインの手**であり、具体的な作業を行う。Hermesはエージェント側にいて、全ての工程に記憶と文脈を与えている。途中で特定のタスクが範囲を超えた場合は、直接この専門家であるClaude Codeにエスカレーションする。

このシステムを使う前は、毎週8時間を繰り返し作業に費やしていた。今では、特定の作業は基本的にバックグラウンドで実行され、定期的にレポートや異常警告を確認するだけで済む。一番の落とし穴は、スキルのドキュメントが不明確で呼び出しエラーを引き起こすことだ。今では、各新しいスキルに対して"よくある罠"や"使用シーン"を必ず補足するようにしている。

ここまで話すと、AI自動化の核心は最強のモデルを使用することではなく、**作業を十分に細かく分け、各ユニットを独立させ、エラーが発生してもデバッグが容易であること**だと思う。この方向に小さなチームが投資すれば、かなりの手作業を削減できるはずだ。

$BTC #AI #エージェント