Part 3: 生成 AI チャットのまとめ技

生成 AI との対話を効果的に記録・活用し、継続的な開発者サポートを実現する手法をご紹介します。

今までの課題

最近の生成 AI 利用事情を見ていると複数のAI（ChatGPT、Claude、Gemini等）を使い分けるシーンをよくみかけます。各 AI には得手不得手があるので、ハッカソンや仕事などで技術をつかうときにでやることに応じて、相性の良いものを選択しているわけです。

alt text

一つのチャットに複数のコンテキストが混在すると、最初の課題がぼやけてしまう問題がありますが、なかなか一つに絞るのは難しいですよね。一つの機能を開発していても、いろいろなアプローチを検討したり、途中で変更しがちでした。

長い会話はそれまでの会話をすべて引き回して次の回答につなげるため、処理が早くなった昨今とはいえ、あまり長いコンテキストは作業効率にも響いていました。

そこで文脈を次へ引き継ぐまとめ

alt text

さて、そういうときに、私が DevRel でお伝えしていることとしては AI にそれまでのことを一旦まとめて Markdown 形式で出力させることです。

Claude であればドキュメントを作ってくれる Artifacts という機能があるので、これを意識して。

今までの経緯をまとめてください。ドキュメントで。

くらいの依頼で、こんなドキュメントを作ってくれます。

alt text

こうすれば、まとめた内容を他の AI やチャットに引き継ぐことで、今までの流れを理解した会話をつづけることができます。

デモ

alt text

このシナリオで実際にまとめ技をやってみます。

### 1. 要件の提示

センサーデータを保存するシステムを作るんだけど、PostgreSQLとSQLiteで迷ってます。用途は2つで、1つ目は数ユーザー分の設定管理、2つ目が1台のマルチセンサーから1分間隔で来るJSONデータの保存です。データは3ヶ月分、約13万レコードになる予定。検索処理が中心で、トランザクション要件は軽めなんだけど、どっちがいいでしょう？

　　　↓
　　Claude の回答
　　　↓

### 2. パフォーマンスとスケーラビリティ

パフォーマンス的には大丈夫でしょうか。13万レコードからの検索と、1分間隔の書き込みが発生するんですが。あと将来的にスケールする可能性もあって、どういう時にPostgreSQLに移行すべきかも知りたいです。

　　　↓
　　Claude の回答
　　　↓

### 3. テーブル設計とJSON処理

なるほど、SQLiteで行こうかなと。テーブル設計はどうすればいいですかね。JSONデータはそのまま保存する感じですかね。もしJSON内の特定フィールドで検索したくなったらどうすればいいかも教えてほしい。

　　　↓
　　Claude の回答
　　　↓

### 4. 運用管理とバックアップ

運用面で気をつけることありますかねえ。古いデータの削除とかバックアップとか気になります。

　　　↓
　　Claude の回答
　　　↓

### 5. 環境構築とNode-RED統合

環境はDebianで、実はNode-REDで実装する予定なんだ。インストールとNode-REDでSQLiteが使えるノードについて教えてほしいです。

　　　↓
　　Claude の回答
　　　↓

### 6. Node-REDフロー実装

Node-REDでのテーブル作成、データ書き込み、検索のフローはどう組めばいいでしょう？

　　　↓
　　Claude の回答
　　　↓

### 7. パフォーマンス最適化のヒント

パフォーマンスをさらに上げるために、最初からやっておいた方がいいことってありますか？

　　　↓
　　Claude の回答
　　　↓

### 8. まとめの依頼

ありがとう、かなりクリアになった!このディスカッションの内容を後で見返せるように、ドキュメント形式でまとめてもらえる?次のチャットに引き継ぎたいんだ。

　　　↓
　　Claude の回答（ドキュメント化）
　　　↓

## 9. 他のチャットセッションで発展した質問

このような形で SQLite + Node-RED でいくつもりです。それを踏まえて timestamp に日付型、sensor_value に JSON 型でセンサーデータが入り sensor_type には temperature などセンサータイプが入るテーブルを作りたいです。
Node-RED の今回の SQLite ノードの時はデータベースのファイルの扱いってどうなりますか？わざわざ新規に作らなくても勝手に作られますっけ？

チーム内での共有や自分自身の脳の定着にも良い

alt text

結構、生成AIとの会話ログをそのまま放置すると忘れやすくなりますよね。でもこうやって、適切にまとめることで情報が圧縮され、自分のメモツールに移行して見返せるようにすると知識として定着しやすくなる、技術を伝える DevRel の観点からも開発者のみなさんに良い体験をお伝えできます。

また、ハッカソンや仕事の場合にも、同じチーム間で得た知識や開発方針をまとめるというのは大切ですから、このようにほどよくまとまったものができるというのは良い効果があります。

この章のまとめ

生成 AI チャットでのまとめ技により、生成 AI を横断的に使ったり、イイ感じに新しい会話でフレッシュに開発を進めることができます。長くなった会話をリセットすることで、AIの応答速度も改善し、よりよい回答が得られやすくなるという実用的なメリットもあります。

また、こうすることで、個人の経験がチームの知見となるサポートができ DevRel としても開発者へのサポート品質が向上します。ハッカソンの現場ではチーム内でいろいろなパートが動くので「昨日調べた内容、まとめておいたから見て！」と共有できますから、チーム開発がスムーズになり、同じ問題で悩む時間を削減できるでしょう。