「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」という情報が、いまIT業界で大きな話題となっています。
このトレンドは、AIを活用した開発に携わる多くのエンジニアやプロンプトエンジニアにとって、従来の常識を覆す画期的な発見として注目を集めています。
AIエージェントへの指示は、詳細であればあるほど良いという考え方が主流でしたが、実は不要な情報がAIのパフォーマンスを低下させているというのです。
本記事では、この驚きの発見がなぜ今話題になっているのか、その背景や具体的な経緯、そして今後のAIコーディングのあり方について、最新のWeb情報を元に詳しく解説します。
この記事を読むことで、AIコーディングの効率を最大化するためのヒントを得て、より賢いAI活用を実現できるでしょう。
AIエージェントの指示ファイル「CLAUDE.md」「AGENTS.md」とは
AIコーディングにおいて、CLAUDE.mdやAGENTS.mdは、AIエージェントにプロジェクトの文脈や指示を与えるための重要なファイルです。
これらのファイルは、Anthropic社のClaude CodeやOpenAI Codex（現行のAIコーディングツールではAGENTS.mdが使われることが多いようです）などのAIコーディングツールを使用する際に、AIがプロジェクトのルール、作業手順、注意事項などを理解するために用いられます。
AIエージェントに与えるコンテキストの役割
AIエージェントは、人間のように記憶を持たないため、セッションごとにプロジェクトの状況や開発者の意図を再構築する必要があります。
そのため、これらの指示ファイルにプロジェクトの全体像、技術スタック、コーディングスタイルガイド、特定の規約などを記述することが推奨されてきました。これにより、AIはより適切で一貫性のあるコードを生成することが期待されていました。
ファイル肥大化の課題と「何でも帳」化
しかし、AIコーディングエージェントを使い続けるうちに、CLAUDE.mdやAGENTS.mdファイルは巨大化していく傾向にありました。
開発者が注意事項や作業手順、引き継ぎ事項、過去のトラブル記録などを次々と書き足していくことで、ファイルは数百行にも及ぶ「何でも帳」のようになってしまうのです。
一見すると、多くの情報を与えることでAIは賢く動くと考えられがちですが、実際には長い指示書が常に有効とは限りません。
古い進捗情報、すでに完了した作業、特定のプロジェクトだけで使うルールまで毎回読み込ませると、本当に重要な指示が情報の海に埋もれてしまうという問題が発生していました。
「削ったら賢くなった」現象の背景と経緯
白井暁彦氏の「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」という記事が注目を集めたのは、このファイル肥大化の課題に対する具体的な解決策と驚くべき効果を提示したためです。
プロンプトエンジニアリングの進化とコンテキストの重要性
2023年頃から「プロンプトエンジニアリングが重要」という認識が広まり、いかにAIから望む回答を引き出すか、そのための「うまい一文」やテンプレートが数多く共有されてきました。
しかし2025年から2026年にかけては、その対象がプロンプト単体から、コンテキスト全体、さらにはシステム全体へと広がっています。
▶ あわせて読みたい：「人間の目はかわらない、だからJPEGは30年もつ」が示すデジタル画像の未来
AIエージェントの性能は、プロンプトの質だけでなく、与えるコンテキストの適切さによって大きく左右されることが認識され始めています。
不要な情報の悪影響：AIの「思考」を妨げる要因
白井氏の検証では、長く使い込まれたCLAUDE.mdが禁止事項やトラウマの塊のようになり、ネガティブな指示が多く含まれていることが指摘されています。
これは、AIが「〜しちゃダメ」という指示を過剰に読み込むことで、本来のタスク遂行において非効率な思考プロセスをたどってしまう可能性を示唆しています。
AIの思考プロセスに関する研究では、言語モデルは問題文中の不要な変数を自動的に無視し、最短経路で答えにたどり着く傾向があることが示されています。
しかし、過剰な情報はAIがその「最短経路」を見つけることを妨げ、結果としてパフォーマンスの低下を招く可能性があります。
最適化の鍵：コンテキストエンジニアリングの新たな視点
CLAUDE.mdやAGENTS.mdを「削る」行為は、単にファイルを短くすることだけが目的ではありません。「必要な情報を、必要な場所に、必要なタイミングで読み込ませる構造へ変えること」が本質的な狙いです。
情報の優先順位付けと段階的開示（Progressive Disclosure）
白井氏は、グローバルな原則、プロジェクト固有のルール、詳細仕様、現在の進捗、過去の作業ログを分離し、エージェントがその場で必要とする情報だけが見えるようにする「コンテキストエンジニアリング」の重要性を強調しています。
これは、人間への指示と同様に、最初からすべてを渡すのではなく、作業に必要になった時点で詳細を開示する「Progressive Disclosure」という考え方に基づいています。
重要なのは、単に文書を分割するだけでなく、「いつ読むか」を短く明示することです。
「足すより消す」プロンプト最適化の原則
最近のLLM、特にClaude Opus 5のような最新モデルでは、「足すより消す」というプロンプト最適化の原則が有効であることが示唆されています。
例えば、「非自明なタスクには最後に検証ステップを入れること」といった旧モデルで有効だった指示が、最新モデルでは邪魔になるケースがあるのです。
▶ あわせて読みたい：街角に潜む「AIっぽい作品」の正体とは？話題の鑑賞会から読み解く現代アートの潮流
公式ガイドラインでも、肥大化したCLAUDE.mdはClaudeに無視されやすいと警告されており、「これを削除するとClaudeが間違いを犯しますか？そうでない場合は、削除します」というシンプルな問いかけが推奨されています。
関連する人物と作品、今後の見通し
今回のトレンドの中心人物である白井暁彦 aka しらいはかせ氏は、AIコーディングエージェントの活用において実践的な知見を発信し続けている著名な研究者・開発者です。彼のnote記事は、多くのAI開発者に新たな視点を提供しました。
AIエージェントの進化と「Harness Engineering」
プロンプトエンジニアリングの進化は、2026年にはOpenAIが提唱する「Harness Engineering」という概念にまで広がっています。
これは、プロンプトだけでなく、要件、情報、ツール、状態、権限、実行手順、評価、人間の介入点までを含むシステム全体を設計対象とするものです。
AIエージェントは、単一のプロンプトに応答するだけでなく、複数ステップの開発タスクを自動で処理し、デバッグ、リファクタリング、最適化といったタスクを効率的にこなす能力が向上しています。
AIコーディングの未来：より洗練された対話へ
AIコーディングの未来は、単にコードを自動生成するだけでなく、AIがより賢く、効率的に「思考」し、開発者の意図を正確に汲み取る方向に進化すると考えられます。
そのためには、人間側もAIの「認知構造」を理解し、不要な情報を排除し、必要な情報を構造化して提示するスキルがますます重要になります。
また、AIが生成したコードの品質を人間がレビューし、「AIを代替」ではなく「補完」として位置づけることが重要です。 AIの性能を最大限に引き出すためには、AIの「思考プロセス」をいかに最適化するかが今後の大きな課題となるでしょう。
▶ あわせて読みたい：アルゴリズム疲れの終止符？RSS再評価の波と情報主権を取り戻す方法
実際の活用事例
📌 ケーススタディ
30代のソフトウェアエンジニアであるAさんは、日々の開発業務でAIコーディングエージェント「Claude Code」を頻繁に利用していました。
プロジェクトの立ち上げから半年が経過し、CLAUDE.mdファイルは「これはこうすべき」「あのバグは避けるべき」といった指示が積み重なり、1000行近くにまで肥大化していました。
当初はAIが賢く動いているように感じていましたが、最近ではAIの応答速度が遅くなったり、意図しないコードを生成したりすることが増え、Aさんは頭を悩ませていました。
そこでAさんは、白井暁彦氏の「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」という記事を読み、自身のCLAUDE.mdを見直すことを決意しました。
まず、過去のプロジェクトでしか使わない情報や、すでに解決済みのバグに関する記述、さらにはAI自身が判断できるような一般的なコーディング規約などを大胆に削除しました。
次に、グローバルなルールとプロジェクト固有のルールを分離し、AIが必要な時にだけ参照するようファイル構造を整理しました。
この最適化の結果、Claude Codeの応答速度は劇的に改善し、生成されるコードもより的確で意図に沿ったものになりました。
特に、以前は頻繁に発生していた「余計な機能の追加」や「過去のバグの再発」といった問題が減少し、Aさんのコードレビューの負担も軽減されました。
Aさんは、AIに多くの情報を与えることが必ずしも良い結果に繋がらないことを実感し、AIとの対話の質を高めるためには、人間側が情報の「選択と集中」を行うことの重要性を学びました。
AIコーディングにおけるコンテキスト最適化比較表
| 項目 | 情報過多なコンテキスト（旧来の考え方） | 最適化されたコンテキスト（新しいアプローチ） | AI生成コンテキスト（一部研究結果） |
|---|---|---|---|
| 目的 | AIに多くの情報を提供し、網羅的に理解させる | AIが必要な情報を適切なタイミングで参照できるようにする | AIにコンテキストファイル自体を生成させる |
| ファイルサイズ | 肥大化しがち（数百〜千行以上） | 簡潔に保たれる（数十〜数百行程度） | 変動するが、不要な情報が含まれやすい |
| AIのパフォーマンス | 応答速度低下、意図しないコード生成のリスク | 応答速度向上、的確なコード生成 | タスク成功率が平均2〜3%低下、推論コスト20%以上増加 |
| 情報の粒度と構造 | グローバルな情報と局所的な情報が混在 | 情報の優先順位付け、段階的開示 | 一貫性がなく、エージェントが自力で発見できる情報が多い |
| 維持管理の容易さ | 更新が煩雑、不要な情報の削除が困難 | 必要な情報の追加・削除が容易 | AI生成のため、人間による管理は限定的 |
| 推奨される利用シーン | 初期段階での網羅的な情報共有 | 継続的な開発、効率重視のプロジェクト | 推奨されない（人間が精査したものが良い） |
まとめ
「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」というトレンドは、AIを活用した開発におけるプロンプトエンジニアリングの新たな局面を示しています。
従来の「情報が多いほど良い」という考え方から一歩進み、AIに与える情報の「質」と「構造」がAIのパフォーマンスを大きく左右するという認識が広まりました。
不要な情報や過去の履歴、過剰な禁止事項は、AIの思考プロセスを妨げ、応答速度の低下や意図しないコード生成につながる可能性があります。
このトレンドから学ぶべきは、AIエージェントに対して「必要な情報を、必要な場所に、必要なタイミングで読み込ませる」という、より洗練されたコンテキストエンジニアリングのアプローチです。
具体的には、グローバルな指示とプロジェクト固有の指示を分離し、段階的に情報を開示する「Progressive Disclosure」の考え方を取り入れることが効果的です。
今後は、AIの「ブラックボックス問題」を理解し、人間がAIの思考を最適化するための「情報選定力」が、AIコーディングの生産性を高める鍵となるでしょう。
開発者の皆様は、一度ご自身のCLAUDE.mdやAGENTS.mdを見直し、AIとの対話の質を向上させるための「断捨離」を検討してみてはいかがでしょうか。
これにより、AIはさらに強力なパートナーとなり、開発効率を飛躍的に向上させる可能性を秘めています。
コメント