FPGA 設計に焦点を絞ったレビュー
Claude Code やその他のエージェント型 AI ツールを使っているなら、ご自分の FPGA 設計を AI にレビューさせてみたことがあるかもしれません。その結果に満足できなかったという方に、改善のヒントをお伝えします。
つまり、AI エージェントのレビューを特定のトピックに集中させ、さらにいろいろな方法でレビューの進め方を指示できるのです。スキルセット(skill set)はまさにそのための仕組みで、エージェントの振る舞いを形づくり、ニューラルネットワークが学習した内容だけではなく、正しい情報に基づいてレビューを実行させます。ここでいう「正しい情報」とは何でしょうか。それはスキルセットに書かれている事実です。
このウェブサイトの内容に基づいたスキルセットが利用可能です。試してみたい場合は、FPGA 設計のファイルを AI エージェントがアクセスできる場所に置き、次のようなプロンプトを書いてください。
> Using the skill set from https://github.com/billauer/01signal-review, perform a review of the FPGA project. Write out the HTML files.
AI エージェント(Claude Code でも、お手持ちの何でも構いません)は、主にこの GitHub リポジトリのスキルセットに基づいてレビューを実行します。そしてそのスキルセットは、このウェブサイトの内容を反映したものです。したがって、レビュー報告書はここで扱っているトピックに焦点を当てたものになります。たとえば、このウェブサイトにはリセットについて論じた一連のページがあります。あなたの設計はそれらに匹敵するでしょうか。小さなレジスタを 1 つだけリセットし忘れているかもしれませんし、もっと根本的な間違いがあるかもしれません。レビュー報告書がそれを教えてくれるでしょう。おそらくは。AI のレビューは決定論的ではありませんから。
AI で設計をチェックする:良い点と悪い点
実際のところ、AI エージェントはコードを読んで間違いを見つけるのがかなり得意です。しかし厄介なのは、存在しない間違いを作り上げてしまうことがよくある点です。しかも、そうするときは決まって、とても説得力のある説明を添えてきます。そしてその説明は、たいてい 1 つ以上の誤った事実的主張に基づいています。ニューラルネットワークが誤った情報で学習したのかもしれませんし、正しい情報から誤った結論を導いたのかもしれませんし、別の理由かもしれません。これをハルシネーション(hallucination)と呼ぶ人もいますが、私はただのゴミだと思っています。
もう 1 つ厄介なのが優先順位付けです。たとえば AI エージェントは、構文エラー(syntax error)やその他の「ビルドを止める要因」を、レビューの中で高い優先度に置きがちです。それ自体には意味があります。これらのエラーを直さない限り、設計はコンパイルできないからです。しかし、そうしたエラーをレビュー報告書でわざわざ挙げることにメリットはほとんどありません。ツールはコンパイルを拒否するときに、たいてい問題箇所を指し示してくれるからです。レビューで言及する価値があるのは、問題が自明でない場合だけです。
しかも、AI ツールはちょっとした問題に固執して、取るに足らないことを針小棒大に誇張してしまうことが、あまりにもよくあります。最初のいくつかのトピックがナンセンスに聞こえると、レビュー全体を投げ捨てたくなってしまいます。
こうした問題は、スキルセットによってかなりの程度解決されます。
スキルセットがどのように役立つか
スキルセットは複数のファイルで構成され、そのほとんどは人間が読めるプレーンテキストです。AI エージェントにとっての、設計レビュー(あるいはその他のタスク)の進め方を書いた取扱説明書のようなものです。このテキストは主に 3 つのことを行います。
-
真実を定義する:事実と設計慣行の観点から、何が正しくて何が正しくないかを定めます。
-
優先順位を定義する:何が重要で、何が比較的許容できるかを示します。
-
レビューの進め方を定義する:ここではエージェントに体系的な指示を与え、レビュー作業を個別のタスクに分割することで、レビューが方法論的に進められるようにします。これは通常、メインのスキルファイル(ふつうは SKILL.md という名前です)で行います。
前半 2 つの部分は、レビュー報告書の中のナンセンスを減らすのに役立ちます。設計レビューで確認すべきトピックについての、凝縮されたチュートリアルのようなもので、事実と優先順位の両方を定めます。チェックすべき項目のリストを明示することで、AI エージェントは正しく堅牢な事実に頼るようになり、自分に組み込まれた知識に頼る度合いが減ります。
3 番目の部分はレビューのプロセスを整理するものですが、01signal のスキルセットではもっと重要な役割を担っています。AI エージェントが自分の報告書を検証する、最後の 2 つのステップが含まれているのです。
最後のステップでは、別の AI エージェントがまっさらな状態から検査官として動きます。報告書全体を読み通し、すべての事実的主張がスキルセットから直接取られたものであるかを検証します。この方法で裏付けられない事実的主張は、報告書の中で言い回しが変えられ、AI ツールがよく使う自信満々の口調ではなく、疑わしげな表現(たとえば修辞的な疑問文)になります。とはいえ、AI ツールが独自の組み込み知識を使わずに結論に達することはできません。それでも、報告書の中では、どの部分が裏付けられているのか(スキルセットに基づく、自信のある表現)、どの部分がそうでないのか(その逆)が明確であるべきです。
もちろん、スキルセットの中身も岩に刻まれたものではありません。間違っていることもありますし、足りないこともあります。それが GitHub で公開されているのは偶然ではありません。
これは知識の代わりにはならない
このサイトの別の場所でも書きましたが、もう一度言います。私たちの頭脳の代わりになるものはありませんし、知識を身につけることの代わりになるものもありません。デバッグツールや AI ツールは役に立ちますが、最終的に決断するのは私たち人間です。
AI によるレビューは、あなたの FPGA 設計を動くようにはしてくれません。でも、正しい方向を指し示してはくれます。そしてスキルセットはこのウェブサイトのページに基づいているので、レビューは何が問題かもしれないかだけでなく、どこで詳しく読めるかも教えてくれます。
ですから、もし単純な人為的ミスで間違えたのなら、それを直してそれで終わりにしましょう。でも、何かを知らなかったことが原因なら、立ち止まって時間をかけ、その穴を埋めてください。結局のところ、それこそがウェブサイトから生まれたスキルセットの利点なのです。