見過ごされがちな効率のレバー
最近、中国の開発者コミュニティでAI Agentの実践経験に関する投稿が1.3万ビューと76いいねを獲得した：
「中美の優秀な大モデルの助けがあり、Hermes Agent/OpenClawなどの優秀なオープンソースAgentフレームワークと対応するHarness Engineering（驾驭工程）のおかげで、現在「捉虫」と「救火」の効率が大幅に向上した。これほんの1〜2年前だったら、想像もできなかったことだ。」
この投稿の核心キーワードはHarness Engineering（驾驭工程）——特定のツールを指すのではなく、AI Agentを体系的に编排して実際のエンジニアリング問題を解決する方法論である。
「驾驭工程」とは何か？
モデルが「エンジン」で、Agentフレームワークが「シャーシ」だとすると、Harness Engineeringは「運転技術」だ——同じハードウェア構成でも、異なる運転方法で产出に10倍の差が生まれる。
具体的には、驾驭工程は3つのレベルから構成される：
レベル1：モデル選定と编排
単に「APIを呼ぶ」のではなく、タスクの特性に基づいてモデルを動的に選択する：
緊急バグ修正 → Claude Opus 4.7（コード理解が最高）
↓
バッチコードスキャン → DeepSeek V4 Flash（低コスト、高スループット）
↓
アーキテクチャ案評価 → GPT-5.5（多段階推論が強い）
↓
中国語ドキュメント生成 → Kimi K2.6（中国語コンテキスト + 長いコンテキスト）これはまさに前の「マルチモデルルーティング」記事で説明した戦略だ。しかし驾驭工程の文脈では、このルーティングは自動化されている——Agentフレームワークがタスク記述に基づいて最も適切なモデルを自動的に選択する。
レベル2：Agentワークフロー設計
「捉虫」（デバッグ）と「救火」（インシデント対応）は開発者の日常で最も頻度が高く、最も時間を消費する2つのタスクだ。Agentフレームワークでワークフローを再設計した後：
従来のデバッグフロー：
1. エラーログを読む（5分）
2. 疑わしいコードを特定（15-30分）
3. 再現テストを書く（20分）
4. 修正を試みる（30-60分）
5. 修正効果を検証（10分）
合計：1.5〜2時間Agent支援デバッグフロー：
1. エラーログをAgentに投入（30秒）
2. Agentが自動的に疑わしいファイルを特定 + 修正提案を生成（2分）
3. 開発者が提案をレビュー、方向性を確認（3分）
4. Agentが自動的にテストを作成 + 修正を適用（3分）
5. Agentが自動的にテストを実行して検証（1分）
合計：10分効率向上：約10倍。
レベル3：フィードバックループと継続的最適化
本物の驾驭工程は一度限りの設定ではなく、継続的なフィードバックメカニズムを構築することだ：
- Agent修正提案の採用率 → プロンプトとモデル選択の最適化
- タスク完了時間 vs 期待値 → Agentワークフロー設計の調整
- コスト消費分布 → より多くのタスクを低コストモデルに移行
実践：国産モデル + オープンソースAgentフレームワークのベストコンビネーション
コミュニティのフィードバックと実際のテストに基づき、「捉虫」と「救火」シーンで最も優れたパフォーマンスを発揮するコンビネーションは以下の通り：
コンビネーションA：OpenClaw + DeepSeek V4 Pro
| 次元 | データ |
|---|---|
| モデルコスト | DeepSeek V4 Pro APIはClaude Codeの約1/40 |
| Agentフレームワーク | OpenClawはDeepSeek APIの直接接続をサポート |
| 適用シーン | コード生成/レビュー、バッチタスク、CI/CD統合 |
| 優位性 | コストが極めて低く、クローズドソース・フラッグシップとの性能差が小さい |
開発者の実測フィードバック：
「最近、ワークフローを完全にDeepSeek V4 Proに切り替えたが、体験は非常に良い。DeepSeekの価格はClaude Codeの1/40で、Claude Code以外の他のモデルと比較して性能に大きな差はない。」
コンビネーションB：Hermes Agent + Kimi K2.6
| 次元 | データ |
|---|---|
| モデルコスト | Kimi K2.6 サブスクリプション 約$80/月（Coding Plan Max） |
| Agentフレームワーク | Hermes Agent デスクトッププラットフォーム、マルチモデルをサポート |
| 適用シーン | 長文ドキュメント分析、中国語コンテンツ、Agentクラスター協調 |
| 優位性 | Kimi K2.6は300サブAgent並列 + 4000協調ステップをサポート |
コンビネーションC：ハイブリッドルーティング（究極形態）
LiteLLMまたは自制ルーティングレイヤーを通じて、全自动モデル選択を実現：
routing_rules:
code_review:
primary: claude-opus-4.7
fallback: deepseek-v4-pro
cost_limit: $0.50/タスク
bug_fix:
primary: deepseek-v4-pro
fallback: kimi-k2.6
cost_limit: $0.20/タスク
long_context:
primary: kimi-k2.6 # 100万トークン
fallback: deepseek-v4-pro # 100万トークン
cost_limit: $0.30/タスク
batch_processing:
primary: deepseek-v4-flash
cost_limit: $0.05/タスクツールエコシステム：誰が「使いやすい」驾驭体験を提供しているか？
注目すべきは、OpenClawとHermes Agentという2つのオープンソースフレームワーク 외에도、驾驭工程のハードルを下げる製品がいくつかあることだ：
- 小龙猫（LazyCat）：世界上で数少ない、OpenClawとHermes Agentの両方に使いやすいWebインターフェースを提供する製品。Kimi、GLM、DeepSeekなどの国産モデルの直接接続をサポート。AI Keyを入力するだけで設定完了
- Ollama Cloud：国産モデルのクラウド推論サービスを提供、デプロイ不要
- NVIDIA NIM：中国モデルAPIの無料アクセスを提供（以前本サイトで報道済み）
これらのツールの共通点：驾驭工程を「エンジニアリング能力が必要」から「开箱即用」に変えたことだ。
構造判断
驾驭工程の台頭は、より深いトレンドを反映している：AI開発の重心が「モデル層」から「编排層」にシフトしている。
主流モデルの能力差が6〜8ポイント（Intelligence Index）に縮小し、価格差が10倍に達するとき、競争の鍵はもはや「谁的モデルが強いか」ではなく「谁能更好地驾驭这些モデル」にある。
このパラダイムにおいて：
- オープンソースAgentフレームワーク（Hermes Agent、OpenClaw）の価値が再定義される——它们不是「モデルの上层包装」而是「驾驭工程の基础设施」
- 国産モデルのコスト優位性が増幅される——驾驭工程の核心は「正しいツールで正しい仕事をする」ことだからだ
- 開発者の競争力が「特定のAPIに詳しい」から「効率的なAgentワークフローを設計する能力」へシフトする
アクションアドバイス
- まだ手動でAPIを呼んでいる場合：OpenClawまたはHermes Agentを試してみよう。一般的なデバッグ/コードレビュータスクをAgentワークフローとして設定すれば、効率が5〜10倍向上する可能性がある
- Agentフレームワークを評価している場合：マルチモデルルーティングをサポートするフレームワークを優先し、単一モデルへのロックインを避けよう
- チームをリードしている場合：「驾驭工程」をエンジニアのスキル要件に含めよう——Agentを驾驭できない開発者は、IDEを使わない開発者と同じで、効率差は桁違いだ
- 起業を考えている場合：Harness Engineeringツール層にはまだ大きな空白がある（ビジュアルワークフローエディター、コスト最適化エンジン、Agentパフォーマンスモニタリング）——起業と投資の良い方向性だ