Claude Code で自己改善システムを作る5ステップ — Austin Marchese の Karpathy×Anthropic 統合フレームワーク

Austin Marchese は Andrej Karpathy と Anthropic の知見を統合した自己改善システムの5ステップを公開する。動画は何百人にも同じ設計を教えてきた経験を背景に、再現性のある実装ガイドとして組まれている。

ステップ1は『Base』だ。改善のための土台を作るフェーズで、プロジェクトを1つ立ち上げ、データを蓄積して時系列で価値を伸ばす器を用意する。中身は2つに分かれる。一つ目はナレッジベース。Karpathy がバイラルさせた『LLM ナレッジベース』のコンセプトをそのまま採用し、raw フォルダに通話記録など生資源を蓄積、wiki フォルダで raw への参照を持って AI が情報を素早く見つけられる構造にする。本の目次のような役割だ。二つ目はスキル。設計を強制する claude.md ファイルでプロジェクト全体の一貫した参照ルールを明文化する。Claude Code に対する『どの順で何を読むか』の規約として機能する。

中盤では情報を取り込むパイプラインが具体的に示される。メールからの取り込みでは alias domain を使って特定の発信源を分類しやすくする工夫を共有する。Austin のニュースレター購読も同じパイプラインで処理されるよう設計されている。

駆動役は sync curated content スキルだ。alias inbox からニュースレターを引き、各メールから要点を抽出し、wiki に処理して入れる。設計上の要点は『少なく高品質な情報源だけを意図的に選ぶ』こと。情報源を増やすと出力が薄まる、と明確に警告する。パイプライン4の periodic data dumps は別の発想で、1日や1週の終わりに学んだことを Whisper Flow で音声入力し、add new resource スキルに渡して取り込む。自分の経験という最強の情報源を構造化された知識へ変換する仕組みだ。

終盤では運用ルールが整理される。スキルが期待通り動かなかったら、その会話を踏まえて『この会話を元にスキルを改善して』と一言追加するだけでよい。自動改善を待たずに手動で押し進めることがシステムの推進力になる。

そして最終ルールが『Action produces information』だ。これは Coinbase の Brian Armstrong の言葉で、Austin はこれを動画の核に置く。raw/inputs と raw/sessions のどちらがいいか、午前6時か9時か。こうした細部の最適化は無意味で、『過剰に考えること』だけが本当の間違いだと断じる。AI は十分に強力だから、まず使って構築せよ。システムはホワイトボード会議ではなく反復で磨かれる。動画の締めもこの主題に揃っている。やってみることが情報を生む、その情報が次の判断を確かにする。