[AIエージェントパイプライン #1] 学習アプリを作り始めた理由
LLMで勉強していて疲れたことはありませんか？
私はそうでした。だからLLMで学習コンテンツを自動生成し、それをアプリにすることにしました。
このシリーズは2025年下半期に行ったサイドプロジェクトの経験をまとめたものです。
1. LLM学習の限界
ChatGPTが登場して以来、私の学習パターンはこのように変わりました：
- 気になる概念があればChatGPTに質問
- 回答をNotionに整理
- 翌日、また別の疑問が生じる
- また質問、また整理…
- 一週間後、最初に整理した内容が何だったか思い出せない
問題は一貫性でした。
- 昨日聞いたことと今日聞いたことの説明の深さが違う
- 同じ概念なのに違う用語で説明される
- 整理した内容の間につながりがない
結局、Notionには断片化された知識の欠片だけが積み重なっていきました。
2. 私が欲しかった学習コンテンツ
LLMに質問して整理しながら感じました。 「こんな学習資料があればいいな」：
一貫した構造
すべてのトピックが同じ形式で整理されていればいいな。 毎回違う形式の回答を整理するのは疲れました。
レベル別説明
どんな概念でも簡単な説明から専門家レベルまで見られればいいな。 自分が現在どの程度の深さまで理解しているか、 またどこまで知る必要があるかを把握したかったのです。
可視化
Notionに直接整理する時、可視化が一番難しかったです。 LLMに可視化を頼むとトークンを多く消費し、毎回少しずつ違う結果が出ます。 一貫した可視化が含まれたコンテンツがあればいいな。
クイズ
文章だけ読むと退屈です。 問題を解いて当てながら、過去の記憶を呼び起こし、知識をテストしたかったのです。 個人的に私に合った学習方法でもあります。
3. アイデア：LLMでコンテンツ自動生成
このような学習コンテンツを直接作るには時間がかかりすぎます。 JavaScriptだけでも数十のトピックがあり、各トピックにはかなりの分量が必要です。
そこで浮かんだアイデア：
「LLMで学習コンテンツを自動生成し、それをアプリにしよう」
最初から目標はこれでした。 単に学習アプリを作るのではなく、 コンテンツ自動生成パイプラインとアプリを一緒に作ること。
核心アイデアは3段階適応型学習でした：
| レベル | 対象 | 説明方式 |
|---|---|---|
| Easy | プログラミング入門者 | 日常の比喩、可視化、コードなし |
| Normal | 一般開発者 | 技術用語 + コード例 |
| Expert | 10年以上のシニア | 仕様書、エンジン実装、最適化 |
ユーザーが自分のレベルに合った説明を選んで見ることができれば、 同じコンテンツで入門者から専門家まで全員が学習できます。
4. 方法：Claude Codeサブエージェント
コンテンツ自動生成の方法としてClaude Codeのサブエージェントを選びました。
Max Planを購読していましたが、毎週使用可能なトークンを全部消費できていませんでした。Claude Code CLIのドキュメントを見ると、claude -pオプションでプロンプトを渡して自動化できました。
目標は2つでした：
- 学習コンテンツ自動生成パイプライン：AIエージェントでマークダウンコンテンツを生成
- 学習アプリ：生成されたコンテンツをレンダリングし、インタラクションを提供
このシリーズは最初の目標であるパイプライン構築過程を扱います。
次回は何を生成するかについて扱います。
このシリーズはAI-DLC（AI-assisted Document Lifecycle）方法論を実際のプロジェクトに適用した経験を共有します。 AI-DLCの詳細については経済指標ダッシュボード開発記シリーズを参照してください。