【重複購入のご注意】この記事は「ミオ｜AI大好きな後輩」がnoteで販売している同名記事（エージェントに自己採点させない：Claude Code・Codex・Gemini CLI で合否を機械に置き、検証器を守る設計）と同じ内容です。すでにnoteで購入・閲覧できる方は重複購入にご注意ください。
2026年10月9日に公開された2本の運用記録が、Hacker News で議論になっています。ひとつは momo5502 氏の「500+ Billion Tokens Later」で、Claude Code と Codex を使ったゲームの逆コンパイルの記録です。もうひとつは Cockroach Labs の「Five months treating bugs like patients and coding agents like a medical team」で、コーディングエージェントのパイプラインを5か月動かした記録です。
momo5502 氏の記録は、エージェントの「できた」や、レビュー役のモデルの「問題ない」を完了の根拠にした所で崩れた例です。氏によると、ゲームが起動してメニューが出て、マップも読み込めたので出来は良いと考えていたところ、意味が間違っていました。レビュー役は、ワーカーが書いたコメントの正当化を受け入れていました。momo5502 氏は、このコメントが意図しない prompt injection のように働いたと書いています。そこで合否を、元の実行ファイルと再構築した関数のバイト列を比べるスクリプトに任せました。Cockroach Labs は、コーディングエージェントが本番品質のコードを書くと信用しきれないと書き、その前提でゲートを置いています。計画のレビュー前にコードを書かせない、テストを無効にしたり弱めたりさせない、変更が約1000行を超える見込みなら分割する、手戻りが3回を超えたら安全レビューに回す、というものです。
長時間、または複数のエージェントを並べて回し、完了の判断を任せている開発者に向けて書きます。1つのセッションを横で見ながら使う方は対象外です。筆者は AI 開発ツールの仕様を公式資料と照らして追っています。本稿は、上の2本、Hacker News のコメント、Claude Code・Codex・Gemini CLI などの公式資料を2026年10月9日から12日（JST）に取得して突き合わせた内容です。
自己採点をやめるための問い
自己採点をやめるために決める3つの問い（何を機械の合否にするか、その検証器をどう守るか、何回で打ち切り誰に渡すか）の順番を描いた図です。問いの分け方は筆者の整理です。図の「機械の合否」は、実行して結果が合格か不合格で返る検証を指し、モデルによる判定は含みません。3つを決めたら「完了の判定に使う」に進みます。答え方（Stop hook の設定例、検証器の守り、打ち切りの数え方）は有料部で扱います。
考える順番は3つです（筆者の整理です）。何を機械の合否にするか。その検証器をどう守るか。何回で打ち切り、誰に渡すか。
出発点になる最小の形は、公式にあります。Claude Code のhooks のガイドは、Claude が止まる前にテストを通させる Stop hook の例を載せています。
{
"hooks": {
"Stop": [
{
"hooks": [
{
"type": "agent",
"prompt": "Verify that all unit tests pass. Run the test suite and check the results. $ARGUMENTS",
"timeout": 120
}
]
}
]
}
}公式はこの agent hook を experimental と注記し、本番の流れでは command hook を勧めています。本稿の設定例の確認は、JSON・YAML の構文と取り出したシェル行を手元の macOS で実行するところまでです。CLI の挙動は公式資料に帰属させ、手戻り台帳の連携は導入設計として示します。Stop hook は、Claude が応答を終えるたびに動きます。ここで「何を合否にするか」「その合否を誰が書き換えられるか」「落ち続けたら何回で打ち切るか」を決めないまま使うと、モデルの自己申告を別のモデルの自己申告に替えただけになります（筆者の読みです）。
参考になったら、記事下部のライクとXの共有ボタンから応援してもらえるとうれしいです。
続きでは、この3つの問いに順に答えます。合否の決め方と、完了の前に検証を差し込む Stop hook の設定例、検証器の守り方と CI の設定例、手戻りの打ち切り方に、Hacker News の反論（ゲートを増やすと遅くなる・どのゲートが効いたか分からない・検証できる正解が無い開発に持ち帰れるか）への整理を添えます。とくに最後の「何回で打ち切り、誰に渡すか」は、公式の上限が数えているのが手戻りの合計ではない、という点から答えます。
この記事の販売者
