理を、一図に
AIエージェントは、苛酷な砂漠（開発環境）を往くキャラバン。 Markdown の WYSIWYG 編集・差分レビューと、TypeScript プロジェクトのリアルタイム可視化、そして複数の AI セッションの一望と引き継ぎで、その旅路を安全に見守り導く — AI時代の羅針盤となる3つの VS Code 拡張です。
なぜ「ラクダ」なのか — 制御ではなく、伴走へ。
「馬」は整備された道を高速で駆けるが、未知や重いコンテキストに弱い。対して「ラクダ」（AIエージェント）は巨大な荷（コードベース）を背負い、砂嵐（エラー）の中でも自ら考え歩き続ける長距離ランナーだ。そしてキャラバンにおけるラクダは、隊商頭の意図を汲む同志である。
ハーネスのジレンマ。
主流のアプローチは AI を「ハーネス（手綱）」で縛る ― ホワイトリスト、ガードレール、ツール制限、サンドボックス。しかし縛るほどに自律性も判断力も失われる。
見える化で築く、伴走。
Anytime は制約をかけない。行動を見える化（Trail）し、成果物をレビュー可能（Markdown）にし、隊列そのものを見渡せる（Agent）ようにすることで、事前事後の検証で信頼を築く ― この思想を、3 つの拡張で具現化した。
編集後記。
本サイトは、設計・実装・テストのすべてを Claude Code（AI コーディングアシスタント）が行い、人間は指示のみを担当する実験的なプロジェクトです。Anytime Markdown 自体を仕様の把握やテスト内容の確認に活用しながら開発しています。ソースコードは GitHub で公開しています。
- 要件書 / 設計書の作成・改訂（AI）
- 設計書の承認（人）
- 実装計画 → AI 実装
- 検証 → AI レビュー、テスト
- ずれの検知・実測突合
逸脱を記録・是正し、設計書へ戻す
- 受け入れ試験（人）
- 本番リリース
- 健全性分析・インシデント検知
- 改善提案の採否（人）
採択した提案は設計書の改訂へ
足跡と地図のずれを Trail が検知し、地図＝設計書を描き直す
Anytime Agent ― 隊列を見渡す— shippedイラストのラクダ＝AI セッションを可視化します。ループ A を走らせたまま、どのセッションが何をしているかを一覧で把握し、文脈を保ったまま引き継げます。
Anytime Trail ― 足跡を記録し、ずれを検知する— shippedラクダの足跡＝実際に走った記録を残します。コードグラフと設計書を突き合わせてずれを検知し、ループ A の検証とループ C の健全性分析を支えます。
Anytime Markdown ― 仕様を書き、レビュー可能にする— shipped目的地までの地図＝設計書を描きます。図・表・差分を備えたエディタで、AI の成果物を人が承認できる形に整える、ループ A の入口です。
- iClaude Code セッションを一望 ― Agent マッピング— shipped
すべての Claude Code セッションを最近のアクティビティ順に一覧。ブランチ・worktree・コミット数・コンテキスト警告をホバーで把握し、肥大化したセッションを ⚠️ バッジで即座に発見できます。
- ii文脈を保ったまま乗り換える ― セッション引き継ぎ— shipped
肥大化したセッションを圧縮要約とともに新セッションへ移行。ターミナルで新しい claude を起動し、引き継ぎ内容を自動注入することで、文脈を失わずに作業を継続できます。
- iii視覚情報を AI に渡す ― AI ノート— shipped
画像・表・自由記述のメモを、画面を直接見られない AI ツールに共有。同梱の anytime-note スキルから AI が依頼に応じてノートを読み取り、視覚情報をもとに作業します。
- iプロジェクトの品質を把握 ― 品質の可視化— shipped
エラー発生数・リトライ率・ビルド/テスト失敗率・コンパクトループ回数をセッション別に追跡。AIエージェントの作業品質を定量化し、繰り返し失敗や非効率な編集パターンを早期に発見できます。さらにテストカバレッジ不足のモジュールも C4 図に重ねて可視化します。
- iiAIの行動を記録・検証 ― 行動の可視化— shipped
ユーザー入力・AI応答・ツール実行を1ターンずつ階層ツリーで可視化し、ツール呼び出しのパラメータと結果を展開可能なノードで確認。ターンタイムラインと連動した会話ツリーで、AIエージェントが何をいつどう判断したかを時系列で完全に追跡・検証できます。
- iiiコストを最適化 ― 生産性の可視化— shipped
総トークン消費・推定コスト・キャッシュヒット率を時系列で監視し、出力比率やコンテキスト膨張を一目で把握。コミット単位・時間単位・行数単位の生産性指標で、AIエージェントの投資対効果を定量評価できます。
- ivDevOpsメトリクスを追跡 ― 品質の可視化— shipped
リードタイム・デプロイ頻度・変更失敗率・リリース成功率を自動計測。Four Keysに基づく開発生産性を定量評価し、リリースバーチャートとDORAスコアカードで継続的改善のサイクルを加速します。
- iAIの行動を記録・検証 ― 行動の可視化— shipped
ユーザー入力・AI応答・ツール実行を1ターンずつ階層ツリーで可視化し、ツール呼び出しのパラメータと結果を展開可能なノードで確認。ターンタイムラインと連動した会話ツリーで、AIエージェントが何をいつどう判断したかを時系列で完全に追跡・検証できます。
- iiサブエージェントの委任を追跡 ― 委任構造の可視化— shipped
Taskツールによるサブエージェント呼び出しを専用トラックで時系列に可視化。親エージェントから委任されたタスクの並行実行・所要時間・成果を一望し、どの判断がどのエージェントに委ねられたかを正確に検証できます。
- iコードベースを一望する ― 構造の可視化— shipped
TypeScriptプロジェクトを解析し、C4アーキテクチャ図とDSM（依存構造マトリクス）を自動生成。L1〜L4の4段階でシステム全体から個別ファイルまでドリルダウンし、循環依存は赤枠でひと目で把握できます。
- iiアーキテクチャ品質を把握 ― 品質の可視化— shipped
テストカバレッジ・複雑度・欠陥リスク・ホットスポットをC4図にヒートマップで重ねて表示。品質弱点を構造の中で特定し、リファクタリング優先度を即座に判断できます。
- iii構造上のAI活動を追跡 ― 行動の可視化— shipped
Claude CodeエージェントがいまC4図のどのモジュールを編集しているかをリアルタイム追跡。複数エージェントの並列稼働もマルチエージェントレーンで可視化し、作業の集中点や衝突を構造の中で把握できます。
- ivリリース間の構造変化を追跡 ― ドリフトの可視化— shipped
リリース選択でカバレッジ差分や依存関係の変化を比較し、アーキテクチャの劣化を構造的に検知。ドリフトする箇所を特定して、設計と実装のギャップを早期に修復できます。
- v実装コミュニティを発見 ― 凝集構造の可視化— shipped
Louvain法による実装コミュニティをC4図に重ね、設計上の境界と実装上の凝集の乖離を発見。リファクタリング候補や境界再設計の根拠を構造ベースで提供します。
- 01時間軸でAI行動を再生 ― タイムスクラバーの可視化— planned
セッション中の任意時点までグラフ・コミット・編集を巻き戻して再生。AIエージェントの判断シーケンスを後追いし、エラー直前のコンテキストやリファクタリング進行を時系列で再現できます。
- 02時間的に結合したコードを発見 ― 隠れた依存の可視化— shipped
時間ウィンドウで頻繁に同時編集されたファイルペアを抽出し、C4図にゴーストエッジとして重ね表示。設計上の依存関係には現れない隠れた論理結合を発見し、設計のリファクタリング判断材料を提供します。
- 03並行エージェントの衝突を防止 ― 作業空域分離— partial
事前に飛行計画（作業範囲）を提出し、空域逸脱や同一ファイルへの並行編集を管制側で検知。複数のAIエージェントを同時運用しても、破壊的上書きや矛盾したコミットを未然に防ぎます。
- 04異常時に最小リスク動作 ― 緊急停止プロトコル— partial
想定外のエラー・コスト超過・破壊的操作を検知すると、機体側でMRM（Minimum Risk Maneuver）を自律発動して安全状態へ移行。管制側は他機体の経路調整で被害拡大を即座に抑止します。
- 05永続データを多層防御 ― データ破壊事故の予防— partial
型シグネチャ・実装規約・テスト規約・pre-commitフック・ランタイム監視の5層防御で、ユーザー領域への意図しない書き込みを多段階で阻止。AIによる永続データ破壊事故を構造的に予防します。
- 06段階的に自律性を獲得 ― 運航レベルゲート— planned
L1（手動承認）→L2（条件付き自律）→L3（運用領域内自律）→L4（完全自律）の4段階でAIの自律性を計測。プロジェクトの成熟度に応じてレベルゲートを通過させ、安全に自律性を引き上げます。
- 07運用領域内で自律承認 ― ODDポリシーの可視化— planned
ODD（Operational Design Domain：定義済みの作業領域）内ならAIは自律承認で作業を進め、領域逸脱時のみ管制側に確認。リスクのない作業を高速に通し、注意が必要な変更だけ人間レビューに集中させます。
- 08複数エージェントで冗長検証 ― セカンドオピニオンの可視化— planned
重要な判断を複数のAIエージェントに並行依頼し、結論の一致/相違を可視化。1機体の偏りや幻覚を別機体の視点で相殺し、意思決定の信頼性を構造的に高めます。
- 09過去パターンから将来欠陥を予測 ― 欠陥予測の可視化— shipped
過去の欠陥発生パターン・複雑度・変更頻度から将来発生する可能性の高い欠陥箇所をスコア化。C4図上にリスクマップとして重ね、テスト・レビューの優先順位を構造ベースで決定できます。
- 10未使用コードを発見 ― Dead Code検出の可視化— shipped
時間軸データから一定期間アクセス・編集のないコードを抽出し、Dead Code候補としてマーク。リリース横断の動作データに基づき、安全に削除できる実装を構造的に提示します。
- 11知識の世代を管理 ― グラフバージョニングの可視化— shipped
C4モデル・コードグラフをリリースごとに世代保存し、特定時点の構造をいつでも復元。設計意図の変遷を追跡し、いつ・なぜ・誰が構造を変更したかを記録から再現できます。
- 12知識の所在を可視化 ― ナレッジ分布の可視化— planned
どのエージェントがどのモジュール・トピックに精通しているかを編集履歴から推定し、知識の偏在と空白を発見。レビュー依頼先の選定や、属人化リスクのある領域の早期発見に役立ちます。
- 13経験から自己更新 ― 自律学習ループの可視化— planned
成功・失敗の経験から AI が自律的にポリシーを更新する学習ループを可視化。Memory Shrink Guard により学習ベースの不用意な縮小を防ぎ、長期にわたって知識資産を蓄積します。
- 14実行時の呼び出しを追跡 ― 動的振る舞いの可視化— planned
実行トレースからスパンの waterfall・エッジの通過順序・呼び出しの流れをグラフ上で再現。静的な依存関係では見えない実行時の経路と実行頻度を重ね、静的依存との乖離やホットスポットを発見できます。
- 15判断品質の低下を自ら検知 ― 自己診断の可視化— planned
ツール失敗率・同一応答の繰り返し・コンテキスト使用率を常時集計し、幻覚の増加や文脈の過飽和による判断品質の低下を AI 自身が検知。skills とメモリの矛盾・陳腐化も併せて点検し、劣化を管制側へ報告します。
- 16設計境界と実装構造の乖離を検知 ― 構造ドリフトの可視化— planned
実装コミュニティの重ね合わせを人の目視判断から自動判定へ進め、C4 の論理境界との食い違いをドリフトとして機械的に検出・通知。実行時の到達性で裏付けを取り、設計と実装のどちらを直すべきかまで示します。
- iVS Code で文書も図表もプレビュー— shipped
AIが生成したMarkdownをWYSIWYGで即確認。Mermaid・PlantUML・数式（KaTeX）もエディタ内で直接プレビューでき、コンテキストスイッチなしで完結します。
- iiAI の足跡をレビューし、確定箇所を守る— shipped
AIが編集した箇所を色付きで表示し、セクション単位の差分比較で変更点を即把握。確定済みのセクションはロックしてAIの再編集を防止できます。
- iii3モードを瞬時に切替— shipped
WYSIWYG・ソース・レビューの3モードをワンクリックで切替。レビューモードは読み取り専用で、AI出力の集中レビューに最適です。
速い道具は、書き手を迷子にする。隊商の歩幅で、文字を運ぶ。