Cheering Create｜AI × Design

🎨 デザイナー歴25年以上｜伝わる形を考えるデザイン
🤖 生成AIとの制作実験｜情報整理・表現の工夫を発信
📚 わかりやすく、仕事に役立つ情報を届けます
🎓 SHIFT AI会員｜生成AIパスポート取得

[Cheering Create｜AI × Design @CheeringCreate]

はじめまして。Cheering Createです。

20年以上、グラフィックデザインに携わってきました。

情報を整理し、伝わる形に整えることを軸に、
生成AIとデザインの新しい可能性を探っています。
AIと一緒に考えるデザインへ。

制作の気づきをnoteでも発信しています。
https://t.co/TR23sDjtAd

[Cheering Create｜AI × Design @CheeringCreate]

告知画像を見直すと、直したいところが何か所も出てくることがあります。

そんなとき、私は
「間違い・抜け」
「行動に必要な情報」
「見た目・装飾」
の順で見ます。

最初に直す1か所を決めるための考え方を、説明用の架空例と一緒にまとめました。
https://t.co/d8GXOE8OuU

#生成AI #デザイン

[Cheering Create｜AI × Design @CheeringCreate]

ひとりごつ。

記事を読もうとしてリンクをタップ。

＼ ドーーーン！WEB広告 ／

本文「ここにいます」
広告「いや、私を見て」
そして「×」は行方不明。

もうこれは広告じゃなくて、
ちょっとした脱出ゲーム。

[Cheering Create｜AI × Design @CheeringCreate]

「わたしの物語」最終話。

働き方に立ち止まり、退職を選びました。

約29年の経験とAIを手に、まだ迷いながら、これからの道を探しています。

【最終話】わた��が選んだ道
https://t.co/7ogNQZOAQU

#わたしの物語 #生成AI

[Cheering Create｜AI × Design @CheeringCreate]

生成AIで告知画像を作り、修正し、A4で印刷するところまで試しました。

画像を形に���てくれたのは生成AI。
どこを強調するか、意図しない変化を残すか、実際に使える画質かを決めたのは人でした。

全4回の実践シリーズ、まとめです。
https://t.co/HrrHfun6nN

#生成AI #デザイン

[Cheering Create｜AI × Design @CheeringCreate]

「わたしの物語」第4話。

頼まれたことに応え続けてきたわたしが、自分の働き方について立ち止まった日のことを書きました。

【第4話】違和感が形になった日
https://t.co/tryGhx2TGu

#わたしの物語 #働き方

[Cheering Create｜AI × Design @CheeringCreate]

生成AIで作った告知画像を、A4で試し刷りしました。

確認したのは、
文字・画像・二次元コード・画質の4つ。

画面だけでは分からなかった、紙の余白や見え方もまとめています。
https://t.co/0VWQfhbhmc

#生成AI #デザイン

[Cheering Create｜AI × Design @CheeringCreate]

「わたしの物語」第3話。
フリーランスとして独立した4年間、派遣社員を経てインハウスデザイナーになるまで。

働き方を変えながら、デザインを続けてきた道のりです。
https://t.co/mp3eAAXgmW

#わたしの物語 #デザイン

[Cheering Create｜AI × Design @CheeringCreate]

@chiisanasoft 「読み取り専用です」で、試してみました！
追記したので、よかったら、読んでみてください😊ありがとうございました🙏
https://t.co/kEzIltLuXx

[Cheering Create｜AI × Design @CheeringCreate]

生成AIに画像の修正を頼むとき、
「直すところ」だけでなく、
「残す・変えない・増やさない」も分けて伝えてみました。

開催日は見やすくなった一方、頼んでいない配置まで変化。
実際の結果をまとめています。

https://t.co/kEzIltLuXx

#生成AI #デザイン

[Cheering Create｜AI × Design @CheeringCreate]

@chiisanasoft ありがとうございますっ！その方が簡単だし、いいですね✨やってみます！！

[Cheering Create｜AI × Design @CheeringCreate]

「わたしの物語」第2話。

旅行カタログの制作に向き合った8年間と、結婚・出産を経て社会復帰するまでを書きました。

【第2話】プロとしての8年、そして家庭へ
https://t.co/IxtQlMa5LD

#わたしの物語 #デザイン

[Cheering Create｜AI × Design @CheeringCreate]

同じ告知画像を、2つの頼み方で作り比べました。

Aは体験の楽しさ、
Bは開催日の見つけやすさ。

「整理すれば正解」ではなく、目的から選ぶための比較です。

https://t.co/p0VCGCmUq8

#生成AI #デザイン

[Cheering Create｜AI × Design @CheeringCreate]

「わたしの物語」という全5話の連載を始めます。
第1話は、デザインの専門学校から社会人最初の5年間まで。
思い描いた通りには進まなくても、そ���頃の経験やご縁が、今のわたしを支えています。

【第1話】デザインとの出会い、最初の挫折
https://t.co/WmtQevJkxl
#わたしの物語 #デザイン #キャリア

[Cheering Create｜AI × Design @CheeringCreate]

@athenyannyan 両���印刷？って思ったら、裏面白紙？
私も、あれっ？？？ってなりましたー

[Cheering Create｜AI × Design @CheeringCreate]

告知物の目的や対象者を整理したあと、その内容をどう生成AIへの制作指示に変えるのか。
方向性の選び方、情報を見せる順番、正確に掲載する内容まで、差し替えて使える無料テンプ��ートとしてまとめました！
https://t.co/HDWVEYrtTr
#生成AI #デザイン #AI活用

[KAWAI @kawai_design]

【損する前に知っ得💡】

CodexとClaude Codeの
トークン消費を抑える方法

結論はシンプ��です。

「毎回読ませる量」
「毎回考えさせる量」
「間違った方向へのやり直し」

この3つを減らすことが、
トークン節約の本質です。

トークンは、入力文だけではありません。

・プロンプト
・ファイル内容
・会話履歴
・ツール実行結果
・コマンド出力
・モデ���の応答
・reasoning／thinking

まで含めて消費されます。

──────────
先に重要な注意。

Wide Research／サブエージェント並列化は、
総トークン節約策ではありません。

Codexは、サブエージェントが
単一エージェント実行より多くの
トークンを消費すると公式に明記。

Claude Codeも、Agent Teamの
各メンバーが独自のコンテキストを持つため、
トークン使用量が増えると説明。

Plan modeでのAgent Teamは、
標準セッションの約7倍に
なる場合もあります。

並列化は、

・時間を短縮したい
・主スレッドに大量ログや
　探索結果を持ち込みたくない

ときの手段です。

トークンを抑えたいなら、
まずは「単一エージェントで、
狭いタスクを処理する」が基本。

──────────

【Codexで抑える方法】

依頼を具体化して、
探索範囲を狭くする

OpenAI公式は、次の4点を
明示するよう推奨しています。

・Goal：何を変えるか
・Context：どのファイル・資料・エラーが関係するか
・Constraints：守る制約は何か
・Done when：何が満たされたら完了か

「このリポジトリを改善して」ではなく、

「src/auth.tsの入力検証を追加。API形状は変更しない。関連する単体テストだけを実行。完了条件は既存テストが通ること」

のように書く。

対象を狭く書くほど、不要なファイル読込・出力・再試行が減ります。

──────────

出力の長さと、
必須／任意を指定する

最初から、

・読者
・出力形式
・長さ
・必須作業
・任意の改善

を指定します。

例えば、

「変更点、変更ファイル、実行した最小テストだけ報告」
「改善案は3件まで」
「必須はバグ修正。リファクタリング案は実装しない」

と書く。

不要な周��作業や長文説明を防げます。

──────────

小さい仕事に、大きいモデルと高い推論を使わない

OpenAI公式の位置づけでは、
・Luna：明確・反復的・高頻度の狭い仕事
・Terra：日常的な実務作業
・Sol：複雑・曖昧・高リスクな問題

です。

reasoning effortも、

・Low：明確で小さい仕事
・Medium：一般的な作業
・High以上：複雑な変更、デバッグ、深い推論

と使い分けます。

小タスクを「最強モデル＋最高推論」で
常用しないことが重要です。

──────────

Fast modeを常用しない

OpenAI公式は、Fast modeが対象モデルのクレジット消費を増やし、利用枠を早く消費すると説明しています。

速度が本当に必要な場面だけ使う。

──────────

AGENTS.mdを短くし、
仕事に近い階層へ置く

ルートには全体共通の最小ルールだけを置き、
サービスや機能に固有のルールは
下位ディレクトリへ置きます。

毎回すべての説明を
読ませないことがポイントです。

繰り返す長い手順は、
Skillへ移します。

──────────

MCPは必要なものだけ
有��にする

OpenAI公式は、MCPを最初から
全接続せず、実際に手作業を減らす
少数から始めるよう推奨しています。

「便利そうだから全部接続」は、
トークン節約と逆方向です。

──────────

会話は成果物ごとに分ける

・同じ問題の続き：同じ会話
・本当に別の仕事：新しい会話
・継続性は必要だが会話が長い：/compact

Codex公式は、1つのチャットをプロジェクト全体に使うのではなく、一貫した成果物ごとに保つよう推奨しています。

なお、/compactの処理自体がゼロトークンという意味ではありません。

──────────

【Claude Codeで抑える方法】

まず /usage と /context を見る

・/usage：トークン使用量と利用要因
・/context：何が文脈を占めているか

を確認できます。

使用量が高いなら、まず原因を見ます。

・��い会話
・MCP
・Skill
・サブエージェント
・キャッシュミス
・thinking

推測で最適化しないことが重要です。

──────────

無関係な仕事に切り替えるなら /clear

Anthropic公式は、古い文脈が
以後の各メッセージでトークンを
浪費すると明記しています。

無関係な仕事へ移るときは、

・必要なら /rename
・/clear
・必要なときだけ /resume

が基本です。

継続性が不要なら、
圧縮より新規開始を選びます。

Claude Code公式では、/clearはコストゼロで、巨大な会話の /compact はそれ自体が大きなリクエストになり得ると説明されています。

──────────

続きをやるときだけ /compact

継続が必要なら、
残す情報を指定して圧縮します。

例：

/compact Focus on test output, code changes, and unresolved issues

残すものは、

・重要な変更
・テスト結果
・未解決事項
・次に必要な判断

だけに絞る。

──────────

Sonnet／Opus／Haikuを使い分ける

Anthropic公式の基本方針は、
・Sonnet：通常のコーディング
・Opus：複雑な設計判断・多段推論
・Haiku：単純なサブエージェント仕事

です。

また、会話途中で無計画にモデルを切り替えると、次の応答で履歴全体をキャッシュなしに再読するため、頻繁な切替は避けます。

──────────

/effort と thinking を必要なときだけ使う

Anthropic公式では、thinking tokenは出力トークンとして扱われ、既定予算はモデルによって1リクエストあたり数���トークンに達し得ると説明されています。

単純な仕事では、

・/effortを下げる
・低いeffortのモデルを選ぶ
・/configでthinkingを無効化する
・固定thinking予算モデルならMAX_THINKING_TOKENSを下げる

を検討します。

──────────

未使用MCPを止め、
可能ならCLIを優先する

Claude Codeでは、使わないサーバーを
/mcp で無効化できます。

Anthropic公式は、gh、aws、gcloud、sentry-cliなどのCLIは、MCPよりコンテキスト効率が高いと明記しています。

CLIで足りるなら、MCPの
常時オーバーヘッドを持たない方が有利です。

──────────

型付き言語では
コードインテリジェンスを使う

定義ジャンプ、参照検索、型エラー取得を使えば、grepと候補ファイルの大量読込を減らせます。

大規模コードベースで有効です。

────────��─

巨大ログ・テスト出力は
Hookで前処理する

Anthropic公式は、1万行のログを
そのまま読ませず、Hookで
ERROR行だけを渡せば、
数万トークンを数百トークンに
できると例示しています。

・テスト失敗だけ表示
・エラー行だけ抽出
・長いビルド出力の要約
・ノイズ行の除去

が向いています。

ただし、Hook自身がClaudeに渡す
出力も文脈に入るため、Hookの
出力も短く保つ必要があります。

──────────

CLAUDE.mdは
200行未満を目安にする

CLAUDE.mdとauto memoryは、
セッション開始時に読み込まれます。

常時置くものは、

・ビルド・テストコマンド
・プロジェクト固有の制約
・重要な慣例
・よく起きる落とし穴

詳細なPRレビュー手順、DB移行手順、
一部領域だけの専門知識は、
Skillやパス別ルールへ移します。

なお、@ importは起動時に
展開されるため、分割しただけでは
トークン節約になりません。

──────────

小タスクでは
Plan modeを使わない

タイポ修正、ログ追加、変数名変更など、
差分を一文で説明できる仕事は直接実装します。

一方で、

・複数ファイルをまたぐ変更
・設計が不確実な仕事
・未知のコードベース

では、Plan modeが間違った方向への
高価な作り直しを減らします。

──────────

早く止め、早く検証し、
小刻みにテストする

・方向違いならEscで即停止
・必要なら /rewind
・期待する���ストケースを最初に渡す
・1ファイルずつテストする
・スクリーンショットや
　期待出力を検証条件にする

間違った実装を長く走らせるほど、
トークンは増えます。

──────────

【Codex／Claude Code共通：最優先の6原則】

1タスク＝1つの明確な成果物

・何をするか
・どこを対象にするか
・何を変えないか
・何をもって完了とするか

を最初に固定する。

──────────

出力の長さと
必須範囲を先に決める

「今回の修正だけ」
「改善案は列挙だけ」
「最小テストだけ」

のように切る。

──────────

常時ロードする情報を減らす

AGENTS.md、CLAUDE.md、
auto memory、MCP、Skill、Hook出力、
サブエージェントのspawn promptを見直す。

──────────

モデル・推論・速度設定を
常に最大にしな��

小さい仕事には、
小さいモデルと低い推論を当てる。

──────────

会話の継続性とコストを分けて考える

・続きが必要：要約・圧縮
・無関係：新しい会話／/clear

──────────

計測してから、原因に合う施策を1つずつ当てる

・Codex：使用量ダッシュボード、/status
・Claude Code：/usage、/context

──────────

最優先は、

小さく頼む。
小さく読ませる。
小さく考えさせる。

そして、

並列化は時間短縮のため。
総トークン節約は、スコープ設計のため。

この投稿は、OpenAIとAnthropicの
公式公開情報だけに基づく整理です。

設定名、モデル、料金・上限、挙動は
更新されるため、実行前に
公式ドキュメントを確認してください。

[Cheering Create｜AI × Design @CheeringCreate]

生成AIでデザインを作る時、最初につまずきやすいのは「画像生成」より前の部分かもしれません。
制作目的・対象者・伝えたいことを整理する無料プロンプトを公開しました。 「作る前の迷い」を減らす3ステップです。
https://t.co/wTKRdRY0do
#生成AI #デザイン #AI活用

[Cheering Create｜AI × Design @CheeringCreate]

生成AIに「明るく、おしゃれに、いい感じで」と頼んだのに、なぜか“なんか違う”。
試して気づいたのは、原因はプロンプトだけではなく、その前の情報整理でした。
AIに相談する前に考えたい「誰に・何を・どうしてほしい」をまとめました。
https://t.co/egmMnogHl2
#生成AI #デザイン #プロンプト

[Cheering Create｜AI × Design @CheeringCreate]

@MuckStudio_7716 とても共感します😊
デザインは見た目を整えるだけではなく、相手にどう届くかまで考えることですよね。
言葉も同じで、相手目線で少し整えるだけで伝わり方が変わると感じます✨

[Cheering Create｜AI × Design @CheeringCreate]

@saki_webdn 本当に大切��視点ですね。
デザインの仕事も、制作スキルだけではなく「相手や案件を見極める力」が必要だと感じます。
違和感を見逃さないこと、大事ですね😊