AI でコードを出荷するには規律が必要です
適切なセットアップがないと、AI コーディングには現実のリスクが伴います。すでに動いているロジックや構造を壊さないように、AI とそのエージェントをどう設定すればよいのでしょうか。AITM の pipeline は、まさにこの課題を中心に構築されています。
プロンプトの品質とより小さなステップ
要件が正確に記述されているほど、AI はそれをうまく実行します。作業を、独立して検証できる小さな単位に分割するほうが、巨大な 1 つのプロンプトより一貫して優れています。
ハルシネーションの低減
素の AI エージェントは、ビジネスが実際に必要とする答えではなく、最も近そうに聞こえる答えを選びがちです。事後のテストだけでなく、ビジネスロジックと「壊してはならない」という明示的な制約をプロンプトに注入することで、軌道から外れないようにできます。
影響範囲を限定する検証
ユニットテスト、統合テスト、エンドツーエンドテストにより、変更が自身のタスク以外の何も壊していないことを証明します。
1 行も変更する前にコンテキストを把握
Architect ステップはコーディング開始前に契約、DOM 要素、振る舞いチェーンを読み込むため、生成されるプロンプトは変更してはならない箇所を避けるよう調整されます。さらに、すべてのタスク(Bug、Feature、Enhancement)は、それぞれが持つリスクの種類に合わせて、意図的に異なる方法で検証されます。
AITM は、日常的なコーディングを AI エージェントに任せ、アーキテクチャや意思決定に集中したい開発チームや個人開発者に使われています。並行タスクの混乱、会話間でのコンテキストの喪失、すべてのコード変更を手作業でレビューする必要性といった問題を解決します。彼らに必要なのは、worktree の分離、自動テスト、監査可能な履歴を保証しつつ、開発速度を犠牲にしないツールです。AITM は、AI 生成コードが人間の書いたコードと同じ規律を経ているという確信を与え、毎日何時間もの時間を節約します。
プロンプトからマージ済みコードまで — 完全自動
Submit a Task.
Ship Tested, Merged Code.
Describe what you need once. AITM designs the approach, writes the code, reviews it, fixes what's broken, tests it end-to-end, updates the docs, and merges it into your dev integration branch — without you touching a keyboard again until it's done.
v1.0.0 を今すぐご利用いただけます AITaskManager の実際の動作
任意のタブをクリックして確認できます。画像をクリックすると拡大します。
開発ダッシュボード — あなたのコマンドセンター
すべてのプロジェクト、稼働中のパイプライン、Git の状態、タスクキューを一目で確認できます。ライブコンソールのストリーミングで AI の作業をリアルタイムに確認できます。タスクをドラッグ＆ドロップして優先度を並べ替えられます。
仕組み
12 ステップの pipeline です。隔離されたブランチから、コンプライアンス、レビュー、テストを経て、ドキュメントとチェーン監査まで進みます。その後、マージキューが結果を dev に取り込みます。
Branch
タスク用に隔離されたブランチと worktree を作成します。
Architect
プロジェクトのコードと契約を使って変更を計画します。
Code
計画された変更を実装します。
Compliance check
複雑なタスクを要件に照らして確認します。単純なタスクではスキップされます。
Review
実装を確認して判定を出します。
Fix
必要に応じて、レビューで見つかった指摘を解決します。
Test
プロジェクトの自動テストを実行します。
E2E
アプリケーション内のユーザーの操作の流れをテストします。
Verify
結果を受け入れ基準と照らして確認します。
Snapshot
必要に応じて、視覚的な比較用に UI をキャプチャします。
Docs
ドキュメントと振る舞い契約を更新します。
Chain audit
タスクチェーンの最後に、以前のタスクを再確認します。
ユーザーガイド
すべての機能の使い方を学べます。クリックして展開してください。
AITM があなたのコードを生成します
AI が定型的なコーディングを担当し、チームはより速く進めます。AI はあなたが選んだモデルでコードを書きます。作業の割り当て、レビュー、判断はチームが行います。
平易な言葉で書かれた要件からの新機能やモジュール全体の開発
再現が必須のバグ修正:タスクはまずバグを証明し、修正後にバグが消えたことを証明します
メインブランチにリスクを与えない、大規模で長期運用されているコードベースのリファクタリングとモダナイズ
自ら生成・保守されるユニットテスト、エンドツーエンドのシナリオ、ドキュメント
数十のタスクを並行処理し、それぞれがプロジェクトの隔離されたコピー上で動作
すべてサーバー上で、ワークステーションには何も置きません
AITM はお客様のサーバー上で動作し、ユーザーはブラウザ経由で作業します。ソースコード、worktree、データがサーバーの外に出ることはありません。
負荷はサーバーが担います
ビルド、テスト、AI エージェントはサーバー上で動作します。ワークステーションは軽量なままで、何もインストールする必要はありません。
密閉された Docker 環境
AITM は他のシステムから分離されたコンテナ内で動作し、プロジェクト、worktree、データ専用のストレージを持ちます。
保存時の暗号化
データベース、タスク結果、プロンプト、成果物、バックアップは AES-256 で暗号化されます。ディスクが盗まれたりバックアップが流出したりしても読み取れません。
コードはお客様のネットワーク内に留まります
AITM はセルフホスト型です。ステップごとに、ローカルの Ollama モデルを含む AI プロバイダーを選べるため、機密性の高いプロジェクトがインフラの外に出る必要はありません。
すべての変更を分離
各タスクには独自の git ブランチと worktree があります。レビュー、テスト、ビルドチェックを経てはじめてメインブランチに反映されます。
完全な監査証跡
すべてのステップにログ、判定、理由があります。誰が何を依頼し、AI が何を変更し、なぜ合格したのかをいつでも追跡できます。
あなたのプロジェクトを理解する AI
AITM は AI にリポジトリを闇雲に読ませません。契約、UI マップ、ナレッジグラフがすべてのタスクに注入されるため、正しい箇所を編集できます。architect、coder、reviewer、fix エージェントが一度の流れで動作し、読むのはチャットではなく結果です。マージキューがコンフリクトも解決します。
信頼できるデリバリー
すべての変更がレビュー、テスト、ドキュメント化され、追跡可能です。開発は 24 時間止まることなく進み、pipeline は人を待たずに自己修復します。ステップごとにモデルを選ぶことでコストを管理できます。セキュリティは後付けではなく、設計の一部です。
何をするかはあなたが決めます。どうやるかは AITM が担当します。
なぜ AITaskManager なのか？
通常の AI コーディングツールでは手作業で行う必要があることを、すべて自動化します。
もうターミナルに触れる必要はありません
branch、architect、code、compliance-check、review、fix、test、e2e、verify、snapshot、docs、chain-audit — 1 つの pipeline がすべてのステップを実行し、結果を dev にマージします。任意のステップをスキップしたり、失敗した箇所から再開したりできます。
仕事ごとに最適な AI を使い分け
コードには Claude、レビューには Gemini や OpenAI、テストには DeepSeek や NVIDIA ホストのモデル、機械的なステップにはローカルの Ollama モデルというように、pipeline のステップごとにプロバイダーとモデルを個別に選べ、品質を落とさずにコストを削減できます。
でたらめな API とはお別れ
すべての機能がテスト可能な振る舞いコントラクトです。AI はコーディング前にそれを読むため、ファイルパスを推測したり、存在しないメソッドを作り出したりすることがなくなります。
メインブランチは常に安全
すべてのタスクは専用の worktree とブランチで実行されます。テストとレビューが済むまで、何も dev には反映されません。
手動テストなしでリリース
ユニットテストと Playwright E2E がすべてのタスクで自動実行され、オプションの snapshot ステップでスクリーンショットを取得すれば、UI の崩れを見つけやすくなります。
コードベースの実態を正確に把握
インタラクティブな依存関係グラフで、ファイルのコミュニティ、ゴッドノード、インポート関係を確認できます。ファイルが何に影響するかを推測する必要はもうありません。
会話をワンクリックでタスクに
プロジェクト全体のコンテキストを踏まえてチャットし、アプローチをブレインストームして、そのままキューに送れます。
自動で復旧するので手間いらず
バックグラウンドのウォッチドッグが停止したタスクやゾンビプロセスを検出し、失敗したステップを自動的に再起動します。
AI がコードベースのパターンを学習
再利用可能なヒントが、プロジェクト固有の規約をすべてのプロンプトに注入します。 ~hint と入力すると、すぐにコンテキストを呼び出せます。
すべてのプロジェクトを1つの画面で
コンテキストを即座に切り替え、プロジェクト横断でタスクをキューに入れ、あらゆる進捗を同時に追跡できます。
AI の作業をリアルタイムで確認
すべてのコマンド、ファイル変更、判断が、行われる瞬間に完全に透明化されます。
夜にキューへ、朝にはマージ済みの機能
就寝前に優先度と依存関係を設定して20件のタスクをキューに入れておけば、寝ている間に AITM が順番に実行します。
AITM はあなたのプロジェクトを学習します
AITM があなたのコードベースで作業するほど、毎回ゼロから再発見する必要が少なくなります。
振る舞いコントラクトがコードの動作を記録し、編集の前に毎回チェックされ、マージのたびに同期されます。
ナレッジグラフが変数、コントラクト、DOM 要素、テスト、ドキュメントを結び付け、1回のクエリで引き出せます。
リポジトリをインポートすると、最初のタスクを実行する前に AITM がそのスタック、コード、UI をマッピングします。
共有エージェントテンプレートと構造化された引き継ぎにより、すべての AI セッション、そしてすべてのプロバイダーが足並みをそろえます。
AITM を支える AI モデル
AITM はモデルではなく拡張レイヤーであり、あなたが選んだ AI を統括します。
モデルはご用意ください
AITM には、有料のサードパーティ製 AI モデル（Claude、OpenAI、DeepSeek）またはセルフホストのローカルモデルが必要です。ローカルモデルは、AITM のパイプラインが求めるコーディング品質にまだ届いていないため、より軽いタスクに向いています。コーディング、レビュー、修正では、低設定の Claude Sonnet が最もよく使われ、最も高い成果を出しています。Fable はタスクの計画やブレインストームで時折使われます。OpenAI と DeepSeek については、現時点で利用可能な最良のモデルのみを使用します。
ハルシネーションが少ない理由
通常のエージェント型システムは、タスクのたびにコードベースの挙動をゼロから推論し直します。一方 AITM は、振る舞いコントラクト、変数、DOM マップ、ナレッジグラフからなる、継続的に更新されるプロジェクトの永続的なマップを保持しており、すべてのパイプラインステップが推測ではなくそれに照らして確認します。この精度は、プロジェクトで AITM を使う期間が長いほど向上し、コントラクトがまだ構築途中の、インポートしたばかりのプロジェクトでは低くなります。
コストが低い理由
AITM のコスト面の優位性は、各ステップの複雑さに応じてパイプラインのステップを異なるモデルに振り分けることから生まれます。シンプルなステップには、最上位モデルが不要なため、より安価なモデルを使います。これによりタスク完了にかかる金額が下がります。トークン使用量の削減ではなく、ルーティングによるモデルコストの削減です。
AITM が通常の AI エージェントより信頼できる理由
チャットウィンドウで手動で AI にプロンプトを送る場合との比較です。
Stop Babysitting Your AI. Start Shipping.
Every night you skip is a night of merged features you didn't ship. Queue your backlog now — AITM starts orchestrating the moment it launches.
v1.0.0 を今すぐご利用いただけます Pick a duration and a time that works for you — we'll send a confirmation link to your email.
Check your email
We've sent a confirmation link to your email address. Click it to confirm your call.
AITM と AI の連携方法
パイプライン全体でプロンプトのサイズとコンテキストがどのように管理されるか。
pipeline ステップごとのプロンプトサイズ
各パイプラインステップ（Architect、Code、Review、Fix、Test、Docs）は、万能の巨大なプロンプトではなく、そのステップ専用の絞り込まれたプロンプトから始まります。より多くのコンテキストを必要とする後のステップ（Code など）は、タスクを調べながらより大きな作業コンテキストを構築し、前段や範囲の狭いステップ（Docs など）は比較的小さいままです。いずれの場合も、作業コンテキストは設定されたモデルのトークンウィンドウに十分収まるように保たれます。
再送ではなく再利用
プロンプトの安定した部分（ロール、ルール、ツール）はステップ間で同一のため、AI プロバイダーのプロンプトキャッシュから提供されます。通常、ステップごとに必要な新しい入力はわずかで、コンテキストの大部分は再送されずに再利用されます。
ファイル読み取りではなくプロジェクト知識
AI はファイルを読む前に、まず変数、ビジネスロジック契約、UI マップ、コードの順でプロジェクト知識を参照するため、各ステップが検証済みのプロジェクトの事実に基づいて動作します。
AI モデルごとに最適化
| プロバイダー | コンテキストウィンドウ |
|---|---|
| Claude | 200K |
| Gemini | 1M |
| OpenAI | 128K |
| NVIDIA | 128K |
| DeepSeek | 64K |
| ローカル Ollama(デフォルト) | 8K |
コンテキストウィンドウが小さいモデルや推論能力が低いモデルには、同じ作業ルールを含みつつよりコンパクトなプロンプトが渡されるため、ローカルモデルでも同じプロセスに従います。
1つのシステム — GUI、パイプライン、データ、コントラクト
AITM は Claude Code や Cursor、お気に入りの AI コーディングツールを置き換えるものではなく、それらを統括します。すでにお使いのモデルをそのまま指定でき、AITM がその周りにパイプライン、セーフティネット、プロジェクトの記憶を追加します。
実際に目で見られるビジュアルレイヤー
ライブダッシュボードには、すべてのプロジェクト、稼働中のパイプライン、待機中のタスクがリアルタイムで表示されます。DOM エクスプローラーは各 UI 要素をその data-aitm コードに対応付け、スクリーンショット履歴は各画面の時間経過による変化を視覚的に記録します。
チャットウィンドウではなく、パイプライン
1 つのプロンプトで、12 ステップの pipeline 全体(branch → architect → code → compliance-check → review → fix → test → e2e → verify → snapshot → docs → chain-audit)が実行され、その後マージキューが変更を dev にマージします。各タスクには独自の隔離された git worktree があるため、実行中にメインブランチへ触れることはなく、ウォッチドッグが停止したステップを検出して自動的に再試行します。
すべてを保存し、推測は一切しない
各プロジェクトには、振る舞いコントラクトとタスク履歴を保持する専用のデータベースがあります。グローバルデータベースには、設定、ヒント、プロジェクト間で共有される変数レジストリが保存されます。各タスクには独自のログフォルダーとアーカイブされた結果があり、いつでも過去の実行に戻れます。
プロジェクト間の厳格なデータ分離
あるプロジェクトのデータが別のプロジェクトと混ざることはありません。各プロジェクトは独立したデータベースファイルを持ちます。作業中の内容は、レビュー、テスト、マージが済むまで専用の worktree 内にとどまるため、未完成のものがメインブランチに紛れ込むことはありません。
データ、ビジネスロジック、GUI がつながっている
すべての UI 要素は data-aitm コードを持ち、期待される動作を記述し、コード内の正確なソースファイルと変数を指す振る舞いコントラクトに結び付けられています。AI エージェントは、生のソースから意図を推測するのではなく、この検証済みの仕様を読み取ります。