OpenAIは「GPT-5コーディングガイド」を発表し、GPT-5を使用したAIプログラミングのための6つのベストプラクティスを示しました：
# 1. 指示は正確であるべきで、情報の衝突を避ける
新しいGPT-5モデルは指示に従う能力が大幅に向上しましたが、これには副作用があります：曖昧または相互に矛盾する指示に直面した場合、それを処理するのが難しいことがあります。この状況はあなたの.cursor/rulesまたは設定ファイルで特に注意が必要です。
# 2. 適切な推論レベルを設定する
GPT-5は問題を解決する際に常に一定の推論を行います。最良の結果を得るためには、複雑なタスクを処理する際に "high reasoning effort" を使用するべきです。モデルが簡単な問題に対して「考えすぎる」傾向がある場合は、より具体的な指示を与えるか、mediumまたはlowの推論レベルを選択してください。
# 3. XMLに似た構文を使用して命令を構造化するのに役立てる
私たちはCursorとの協力で、XMLに似た文法を使用することでモデルにより多くのコンテキストを提供でき、GPT-5がより良く機能することを発見しました。例えば、モデルに次のようなコーディングガイドラインを与えることができます：

なぜAIペアプログラミングを使うと、私への入力は出力よりもはるかに価値があると感じるのか😅
オープンソースコードリポジトリで価値のある情報を探したり、システムアーキテクチャを整理したりするのを頻繁に手伝ってもらっており、いつも非常に良い体験を得ています。
しかし、それにコードを書かせると体験が非常に悪くなります。書かれたコードが信頼できず、自分でレビューしなければなりません。レビューを終えると、常に大小の問題を発見することができ、修正や補完を繰り返さなければなりません。
これが古典的なプログラミングのプログラマーがvibe codingに直面したときの最大の障害なのだろうか：思い切って手放せない😂
そして、これはインターン生を指導する感覚とは異なります。賢いインターン生はしばらく調整すればどんどん上手くなります。私はインターン生が間違いを犯すことを知っていますが、彼らが成長することも知っています。しかし、AIはそうではありません。AIの全体的な記憶は私が与えなければなりません😤

それでは、推論速度が20倍速くなった場合、私たちのvibeコーディングの方法はどのように変わるのでしょうか？

AIプログラミングツールの発展に伴い、私はMCPツールに対する理解も変わってきていると感じています。
以前よく使われていたsequential thinking、task_managerは、モデルの計画と推論能力の向上に伴い、plan modeとthink harder/ultrathinkが登場しました。私は今、原生ツール内で作業を完結させたいと思っており、mcpを借りることは望んでいません。
もう一つのカテゴリは、context7やdeepwikiのようなコンテキスト強化ツールです。コンテキストエンジニアリングに関しては、より精密で正確である必要がありますが、この種のMCは現在のところその要求を満たすことができません。ですので、私はMCを使用するのではなく、自分で深く整理することを好みます。
文脈整理のプロセスは、Deep ResearchやNotebookLMなどの外部ツールを利用することができ、コードの外側で高品質で十分に包括的な文脈を事前に収集することができます。
さらに、テスト効率と精度を向上させることができるmcpツールをお勧めします。例えば、playwright mcpです。
要するに、mcpツールはAIプログラミング能力の延長として、手足の役割を果たすべきであり、脳を強化するものではない。

デプスリサーチは「何を構築するか」というプロダクト化の意思決定の問題を解決します。深さと広さを兼ね備え、私たちが情報のカクテルパーティーを打破し、方向を明確にするのを助けます。
Claude Codeは具体的な実施の詳細を解決するのを助け、私たちがシステムアーキテクチャ、モジュール分割、再構築といったhigh levelの側面により集中できるようにし、イテレーションと試行錯誤の効率を向上させます。
未来には確実により先進的なAI生産性ツールが登場するでしょうが、上記の三つのステップは不変の基本論理であると私は考えます。

MCPが出てからこんなに時間が経ったのに、実際に使えるものはあまりないようですね？
私が言う「使える」とは、AIプログラミングにおいて、安定して高頻度で使用でき、プログラミングの効果に実質的な向上をもたらすことを指します。
私が問題ないと思うものをいくつか共有してください:劇作家、Context7、シーケンシャルシンキング
前の2つは文脈の正確性の問題を解決し、3番目は計画的思考を解決します。

プログラミングの分野には、「バッドスメル」という言葉があります。
経験豊富なプログラマーは、システム内の「悪臭」を嗅ぎ取ることができ、事前に予防し、アーキテクチャの最適化とアップグレードを行うべきだということです。
もう一つの言葉は「過剰設計」です
つまり、最初に考えすぎて、多くの不要な拡張性やモジュールの分離を設計してしまい、膨大で無駄なメンテナンスコストをもたらし、逆にバグを引き起こしやすくなっています。
この二つの言葉は、時間と文脈の中で見る必要があります。
最良のアーキテクチャデザインはなく、現在（および将来の一定期間）に最も適したアーキテクチャデザインがあるだけです。
この程度の把握は、現在のAIではまだ遠く及ばない。
しかし、AIを導入することで、私たちはアーキテクチャについて考えるための時間を増やし、適切なタイミングでリファクタリング、デカップリング、分割、または統合を行うことができるようになりました。
これが人間の価値です

プログラマーが最も喜ぶのは、各大手AI企業が競い合っていることです😂
Julesに登録したばかりですが、どうやら無料で試用できるようです。

Googleがまた大きな手を打とうとしているのか？

vibe codingは本当にプログラミングを理解している人の手の中でのみ効果を発揮します。理解していない人には💩山と様々なセキュリティの脆弱性😅

素晴らしい経験であり、コンテンツマーケティング、トラフィック、顧客獲得、コンバージョン、ブランド、デザイン、競争の壁、協力の拡大など、あらゆる側面について考え、実行する必要があります。
AI時代、最も不足しているのはアイデアと研究開発能力です😂