前の記事では、甥っ子のために作ったひらがな学習ゲームを紹介しました。
最初はChatGPTで軽く試作したものだったのですが、思ったよりちゃんとゲームになったので、Codexを使って本格的に作り直すことにしました。
今回は、そのときに試した役割を分けてAIに開発させる進め方について書きます。
なぜClaude CodeではなくCodexだったのか
Claude CodeのAgent Teamsという考え方は知っていました。
複数のエージェントに役割を持たせて、それぞれの観点から一つの開発を進める。
今回のように、
- 子どもの学習について調べる
- ゲームとして面白くする
- 実装する
- テストする
といった複数の観点が必要なものには、かなり相性がよさそうに思えました。
では、なぜClaude Codeで作らなかったのか。
理由はかなり単純で、そもそもの試作品がChatGPTから始まっていて、その流れでOpenAIのCodexを試してみたかったからです。
ChatGPTで試しに作ったものが思ったよりよかったので、その延長でOpenAIのCodexを使って、リポジトリを触りながら本格的に作り直してみようと思いました。
そのうえで、
Claude CodeのAgent Teamsの考え方を、Codexでも似た形で取り入れてみよう
と考えました。
※Agent TeamsはClaude Codeの機能です。今回使ったのはAgent Teamsそのものではありません。その役割分担の考え方を参考に、Codexのmulti-agent機能で複数のエージェントに役割を持たせました。
いきなりコードを書かせず、まず役割を考えた
Codexで作り直すとき、いきなり実装から始めるのではなく、まず「どんな役割が必要か」を考えました。
一つのAIに研究・ゲーム設計・実装を全部まとめて考えさせるのではなく、観点ごとに役割を分けることにしました。
最初の役割分担
最初は、
| 役割 | 担当 |
|---|---|
| Lead | 全体の仕様決定・統合 |
| Learning Designer | 幼児向け学習設計 |
| Game/UI Designer | ゲーム・画面設計 |
| Developer & QA | 実装・テスト |
という構成でした。
悪くなさそうです。
でも、一つ気になることがありました。
「学術的根拠」は本当に担保できる?
Codexにこう聞きました。
覚える順番などは学術的な根拠に基づいて作ってもらいたいです。
ゲーミフィケーションについても同様です。
この構成で上記は担保されてますか
すると、
いいえ、現状の構成だけでは十分に担保されません。
と返ってきました。
「Learning Designer」という名前を付けただけでは、経験則と研究結果が混ざる可能性がある、という指摘です。
そこで、役割を変更しました。
| 役割 | 担当 |
|---|---|
| Lead | 要件決定、研究と実装の統合 |
| Literacy Researcher | 幼児教育・発達心理・日本語の読み習得研究 |
| Gamification Researcher / UX Designer | 動機づけ研究、ゲーム設計、幼児向けUI |
| Developer & QA | 実装、テスト、アクセシビリティ |
個人的には、このやり取りがかなり面白かったです。
「Researcherを置いた」だけでも終わらなかった
さらに、ゲームの仕様と研究根拠を対応させるために、Evidence Matrixのような資料も作ることになりました。
考え方は、
| 仕様 | 根拠 | 確からしさ | 未確定部分 |
|---|---|---|---|
| 文字と音を対応させる | 読み習得研究 | 比較的高い | - |
| 1回5問 | プロダクト判断 | - | 要検証 |
| 報酬演出 | 動機づけ研究 | 条件依存 | 実際の反応を見る |
のようなものです。
ポイントは、
論文がないプロダクト判断まで「科学的」と言わないこと。
研究で支持されていることと、
この方が遊びやすそう
という仮説を分けます。
プロジェクトにはコード以外にも、
evidence-matrix.mdevidence-policy.mdlearning-design.mdgamification-hypotheses.mdchild-safety-privacy.mdvalidation-plan.mddecision-log.md
などの資料が作られました。
個人で甥っ子向けのゲームを作っているだけなのに、妙に本格的になってきました。
Researcherを置いたことで、こんな指摘も出てきた
Researcherには、
どの文字から覚えるといいのか
も調べてもらいました。
すると、
- すでに知っている文字
- 名前など本人に意味のある文字
- 文字の出現頻度
- 字形の複雑さ
- 見た目が似た文字
- 音韻意識
- 文字と音の対応
など、複数の要素を考える必要があるという整理になりました。
つまり、
「あ行から始めると分かりやすい」
ことと、
「あ行から始めることが科学的に最適」
は別です。
この区別をするようにしました。
学習内容からゲームを考える
#1でも触れたように、最終的には「最初の音」「最後の音」「音をつなげる」といった内容を別々のゲームにしました。
ここで大事だったのは、最初から「7ゲーム作ろう」と決めていたわけではないことです。
Researcherが整理した内容をゲーム設計へ落としていった結果、練習したいことが違うから、結果として別のゲームになったという感じでした。
実際のゲーム:https://moharamo.github.io/hiragana-learning-games/
複数のエージェントに役割を分けてよかったのは「速さ」より「観点」
複数のエージェントを使ってよかったのは、
「4人だから4倍速くなった」
ということではありませんでした。
Developerなら、
JavaScriptでどう実現するか
を考えます。
Literacy Researcherなら、
そもそもこれは何を学習する課題なのか
を考えます。
Gamification Researcherなら、
この演出は遊びたくなるのか、学習を邪魔しないか
を考えます。
研究 → ゲーム設計 → 実装
を意図的に分けられたことの方が大きかったです。
ただし、研究から作ったからといって「実際に楽しい」とは限りません。
次は、作ったものを自分で触りながら、Codexに細かい文句を言い続けた話です。
次: