PostHog の Danilo Campos氏は、15,000 件の月間実行を誇る自動コード生成ツールの開発経験から、LLM エージェントが直面する「モデルの陳腐化（Model Rot）」や「不適切なアーキテクチャ選択」という課題を共有しました。彼らはこれらの問題を解決するため、最新ドキュメントの提供、「モデル航空機」による標準的な実装パターンの提示、そして段階的な指示（Breadcrumbing）によるエージェントの誘導という3つの戦略を採用しています。さらに、人間側のコンテキスト制限やセキュリティリスク（環境変数の漏洩など）への対策として、エージェント自身への事後インタビューや厳格なツール権限管理の重要性を説いています。最終的に、複雑なコードスキャフォールディングよりも、柔軟なプロンプトと文脈提供が現代の AI エージェント開発においてより重要であると結論付けています。
「ロボットが鼻を血まみれにする」というユーモアある表現で始まる、現場の痛みを伴う実践的な知見が満載です。単なる理論ではなく、PostHog という実際の製品で検証された戦略（モデル航空機や Breadcrumbing）は、AI エンジニアリングの現場で即戦力となる価値があります。
- 01
モデル陳腐化への対策
学習データの古さによる誤った API 生成を防ぐため、最新ドキュメントをコンテキストに直接埋め込む手法を採用している。
- 02
標準実装パターンの提供
完全なアプリではなく「モデル航空機」と呼ぶ簡易サンプルを用意し、エージェントが正しいアーキテクチャで統合するよう誘導する。
- 03
段階的指示（Breadcrumbing）
最初から詳細を指定せず、まずビジネス価値のあるファイルを検知させ、イベント定義を経て実装へと至るステップを踏む。
- 04
人間側のエラーとセキュリティ
コンテキストの断片化や矛盾する指示による失敗を防ぐためエージェント自身に質問し、環境変数の読み取りを厳格に制限する。
本動画は、LLM エージェントを単なるコード生成ツールとして扱うのではなく、信頼性と一貫性を保証するための「インフラ設計」として捉える視点を提供します。特に、ドキュメントの鮮度維持や標準化されたサンプル（モデル航空機）の活用は、エンタープライズレベルでの AI 自動化導入における実用的なベストプラクティスとして即座に適用可能です。