cappuccino: Instructions file for Codex

Codexへの指示書：自律型AIエージェントの作成

1. Codexの能力と要件の理解

このセクションでは、OpenAI Codexの主要な能力と、エージェント作成における考慮事項をまとめます。Codexは、自然言語をコードに変換し、ソフトウェア開発タスクを自動化するために設計された強力なAIコーディングエージェントです。

1.1. Codexの主要な能力

Codexは、以下の広範な機能を提供します。

• コードの生成と編集: 自然言語のプロンプトから、機能するコードを生成し、既存のファイルを編集する能力を持ちます。これは、ユーザーの要求を直接コードに落とし込む上で不可欠な機能です。
• コマンド実行とテスト: テストハーネス、リンター、型チェッカーなどのコマンドを実行できます。これにより、生成されたコードの品質検証や、開発ワークフローの自動化が可能です。
• コードベースの理解と分析: コードを分析し、プルリクエストのレビュー、コミットメッセージの作成、差分の要約、さらには安全な変更の提案や実行を行うことができます。これは、既存のプロジェクトに統合されるエージェントにとって重要です。
• ソフトウェア開発タスクの自動化: バグ修正、リファクタリング、テスト生成など、反復的または複雑な開発タスクを自動化する能力があります。
• 多言語サポート: Pythonが最も得意な言語ですが、Go、JavaScript、Perl、PHP、Ruby、Shell、Swift、TypeScriptなど、12以上のプログラミング言語に対応しています。これにより、多様な開発環境でのエージェント作成が可能です。
• クラウドおよびローカルエージェントとしての機能: 強力なクラウドベースのエージェントとして機能するだけでなく、ローカルのコーディングエージェントとしてタスクを委任することもできます。

1.2. Codexの制限事項と考慮事項

Codexは強力ですが、いくつかの制限事項と考慮すべき点があります。

• インターネットアクセス: タスク実行中にインターネットアクセスが無効になる場合があります。これは、外部APIへのアクセスやリアルタイムデータの取得が必要なエージェントの場合、設計上の重要な考慮事項となります。
• 正確性の問題: Codexは解決策を生成できますが、常に正確または最適なコードを生成するとは限りません。生成されたコードの検証とテストは、エージェントの信頼性を確保するために不可欠です。
• フロントエンド作業の制限: 画像入力が必要なフロントエンド作業は処理できません。これは、視覚的なUI要素を操作するエージェントの設計に影響を与える可能性があります。
• タスク途中でのガイダンスの欠如: タスクの途中で追加のガイダンスを提供することができません。エージェントの指示書は、可能な限り詳細かつ明確である必要があります。
• レイテンシ: AIエージェントの性質上、処理にレイテンシが発生する可能性があります。リアルタイム性が求められるアプリケーションでは、この点を考慮した設計が必要です。
• 利用制限: 利用プランによっては、使用量に制限がある場合があります。大規模なエージェントや頻繁に実行されるエージェントを作成する場合、この制限を考慮する必要があります。

これらの能力と制限を理解した上で、Codexに作成させるエージェントの要件を定義し、詳細な指示書を設計していきます。特に、インターネットアクセスの制限は、外部ツールとの連携方法に大きな影響を与えるため、注意が必要です。

2. エージェントの要件定義と指示書構造の設計

このセクションでは、Codexに作成を依頼するエージェントの具体的な要件を定義し、その実装をガイドするための指示書の全体構造を設計します。

2.1. エージェントの目的とコア機能

Codexに作成させるエージェントは、ユーザーの多様な要求に応えることができる「汎用AIアシスタント」を目指します。これは、現在のManusの能力を包含し、さらに拡張性を持つように設計されるべきです。主な目的とコア機能は以下の通りです。

目的: ユーザーの自然言語による指示を理解し、適切なツールを自律的に選択・実行することで、複雑なタスクを効率的に解決する。

コア機能:

1. タスク理解と計画: ユーザーの意図を正確に解釈し、タスクを達成するための多段階の計画を立案する能力。
2. ツール利用: シェルコマンド実行、ファイル操作、ウェブブラウジング、情報検索、メディア生成など、多様な外部ツールを適切に呼び出し、その結果を解釈する能力。
3. 自己修正と学習: 実行中に発生したエラーや予期せぬ結果から学習し、計画や行動を自己修正する能力。
4. ユーザーとの対話: タスクの進捗状況を報告し、必要に応じてユーザーに質問を投げかけ、フィードバックを統合する能力。
5. 永続性と状態管理: タスクの途中で中断されても、状態を保存し、再開できる能力。過去の対話履歴やタスクのコンテキストを維持する。
6. 拡張性: 将来的に新しいツールや機能を追加しやすいモジュール化されたアーキテクチャ。