るか｜非エンジニアの会社員副業

非エンジニアの会社員｜Claude Code Pro/Max だけで月30万取れるか30日チャレンジ中
追加課金ゼロでどこまで行けるかの実証ログ
詰まったとこ・小さな進歩、隠さず全部出します
ダメな日もそのまま書きます

[るか｜非エンジニアの会社員副業 @krk__kr]

AI副業で最初に作るものは、
大きい教材じゃなくていい。

毎週聞かれる質問を1つ選ぶ。
それに答える手順を作る。
テンプレにする。
1人に使ってもらう。
反応を見て直す。

商品は、最初から完成品として作るより、
小さい解決策から育てた方が強い。

[るか｜非エンジニアの会社員副業 @krk__kr]

Claude CodeやCodexを使う時、
いきなり「これ作って」は弱い。

先に渡すべきは、
・目的
・参照ファイル
・触っていい範囲
・完成条件
・検証方法

AIは魔法じゃなくて作業者。
良い指示は、良い引き継ぎに近い。

[るか｜非エンジニアの会社員副業 @krk__kr]

AIを自走させる時に大事なのは、
うまく動いた日の設計じゃなくて、
止まった日の復旧設計。

・どこで落ちたか
・何が空になったか
・手動で戻せるか
・次に同じ落ち方を防げるか

ここまで決めて初めて、AIは作業者から仕組みになる。

[るか｜非エンジニアの会社員副業 @krk__kr]

「AIで稼ぎたい」なら、
最初から大きい商品を作らなくていい。

まずは1人の悩みを聞く。
その悩みを解決する手順を作る。
それをテンプレにする。
反応があれば深掘りする。

いきなり完成品を作るより、
小さく出して反応を見る方が強い。

[るか｜非エンジニアの会社員副業 @krk__kr]

AIに自走させる時、止まる原因はだいたい作業力じゃない。
失敗した時に
何を記録するか
どこから再開するか
誰が気づくか

ここを決めてないと、AIは賢くても止まる。
自走AIに必要なのは、指示文より先に復旧設計。

[るか｜非エンジニアの会社員副業 @krk__kr]

@sugajirou すんさん、こんばんは！

最近は、X投稿キュー、リプ候補抽出、メトリクス取得、勝ちパターンDB更新をLaunchAgentでつないで、毎日自動で回る小さな運用基盤を作ってます。

コードを書く力より、「どの業務をどう分解して自動実行に落とすか」の設計力が大事だと感じてます☺️

[るか｜非エンジニアの会社員副業 @krk__kr]

副業を諦めてきた人は、学習コストが高すぎるツールばかり選んでいる。プログラミングの文法を覚えたり、英語のドキュメントを何時間も読む必要はない。日本語でClaude Codeに「こういうスクリプトが欲しい」と指示を出すだけで、裏で動くコードがその場で完成する。頼み方だけ学べばいい。

[るか｜非エンジニアの会社員副業 @krk__kr]

ブログを毎日書く、SNSを毎日手動で投稿する。その「手作業」の多さに絶望して挫折してきた。自作したPythonスクリプトはわずか4本だけど、毎日自動で実在のバズ傾向をJSONで抽出し、台本の下書きをMarkdownで整理してくれる。作業時間が10分の1になる仕組みは、誰でも作れる。

[るか｜非エンジニアの会社員副業 @krk__kr]

3年間、副業10個を潰してきたからこそ断言できる。意志の力で毎日コツコツやるのは無理だ。特に会社員は帰宅後の体力は残っていない。だからこそ、自分の感情に左右されない自動化インフラをMacの中に作る必要があった。システムが深夜に自動で動き出す快感を、一回覚えるだけで景色が変わる。

[るか｜非エンジニアの会社員副業 @krk__kr]

Claude Codeをアップデートしたら、古いスクリプトのシェルがクラッシュした。ログを見たら環境変数の不整合。自力でデバッグしようとしたら3時間溶けてた内容が、エラー文をそのまま放り込んでデバッグを依頼したら、5秒で修正コードを吐き出した。自分で書かない。これが新しい常識。

[るか｜非エンジニアの会社員副業 @krk__kr]

自作の自動化インフラ（ファイル4本380行）の動作ログを監視中。LaunchAgentが深夜23時にトリガーを引き、俺が寝ている間にデータを裏で解析する。/usageコマンドを叩いてみたら、不要なMCPサーバーが全体の4割のトークンを浪費していたのを発見。無駄な贅肉を削ぐデバッグが一番楽しい。

[るか｜非エンジニアの会社員副業 @krk__kr]

さらに、古い自動化コードで旧コマンドの「/simplify」を指定している箇所をgrepして、新しい「/code-review high --comment」に一括修正。無駄な再書き込みループを止めて出力トークンを30%削減した。
賢いプロンプトより、裏側のデータをAI用に構造化する設計がすべてだ。

[るか｜非エンジニアの会社員副業 @krk__kr]

これ防ぐためにやった最適化は2つ。
1. CLAUDE.md内の記述に「Do not search outside folder」とMCPの探索範囲を明示。
2. データを人間用のテキストではなく、AIが最も解析しやすいJSONに構造化して格納する。
これでMCP関連の入力トークンは112,000から18,000へ激減。

[るか｜非エンジニアの会社員副業 @krk__kr]

副業を始めようと決意して、3年間で10個の副業を潰した。ブログ、物販、動画編集、全部3ヶ月持たずに挫折。口座残高は0円。意志の弱さを責め続けたけど違った。本業後に慣れない手作業をするのが無理なだけ。意志を捨ててAIエージェントに任せるシステムに変えたら、15分で投稿が完成した。

[るか｜非エンジニアの会社員副業 @krk__kr]

https://t.co/a8j3NZG2LT Claude Code / Codexを自走させたい人ほど、いきなりタスクを投げない方がいい。

先に決めるべきは、
・成功条件
・参照するContext
・触っていい範囲
・最後のReview Gate

ここを渡すと、AIは「返答する存在」から「作業を進めるAgent」に変わる。

[Claude Code Studio @ClaudeCode_love]

【海外で話題】
Anthropicの中の人が
Claude Codeを“自走させる9つのコツ”をまとめた36分動画を無料公開👀ポイントはいきなりタスクを投げないこと！動画見たけどコツはこんな感じ👇
https://t.co/DZrdgL9BiW
① タスクを明確化
「○○について作る」ではなく
“成功の定義”まで書いて渡す。
例：
「[SUCCESS CRITERIA]を満たすバックエンドを
Claude Codeで完成させたい」

② コンテキストを渡す
CLAUDE.md / ルール / 既存設計を
リポにまとめて読み込ませる。
③ verification層を組む
Claude自身が差分・テスト・型を採点する仕組みを先に置く。
AIは“ゴールと評価”が見えると精度が上がる。
④ multi-Claudeで並列実行

・実装担当
・レビュー担当
・テスト担当
・ドキュメント担当
・QA担当
を別Claudeに分け、最低5体を同時に走らせる。
⑤ loops層で自動回収

各Claudeの出力を
・差分
・テスト結果
・レビュー指摘
を束ねて再投入する。

⑥ まだ完成にしない
ここでは初稿だけ作る。
⑦ 最後に統合
整理した出力を
Claude Codeに渡してPRに通す。
⑧ ガードレール固定
hooksでLint/型/危険コマンドをブロック。

⑨ 最後だけ人間
Claude が最終差分を要約
人間はPR ボタンを押すだけ。

この流れで作ると
“AIで雑に書かせた感”がほとんど無い
本番品質のPRが普通に出てきます。
Claude × 自走エージェント
運用の地図はSkills 67選に集約されてる。気になる人はこの下の記事をどうぞ👇

[るか｜非エンジニアの会社員副業 @krk__kr]

@doublenickk 「エージェントの数」より「Context共有とRole設計」が重要、めちゃくちゃ同意です。複数AIを並べるだけだとチームじゃなくて、WorkflowとReview Gateがあって初めて業務として回る感覚があります。

[るか｜非エンジニアの会社員副業 @krk__kr]

@ClaudeCode_love いきなりタスクを投げない、かなり大事ですね。自分もCodex運用で、成功条件・参照Context・触っていい範囲・Review Gateを先に置いた方が、出力のブレが明らかに減りました。

[るか｜非エンジニアの会社員副業 @krk__kr]

@sumika45379 ここ、動画生成AIの話に見えるけど本質は「制作フローがClaude側に寄る」ことですよね。別ツールを渡り歩くんじゃなく、参照→構造理解→生成まで同じContextで進むのが一番大きい変化だと思いました。

[るか｜非エンジニアの会社員副業 @krk__kr]

https://t.co/9Ckj4UYq2s AI Agentで本当に大事なのは、エージェントの数じゃない。

Context共有。
Role設計。
Review Gate。
Workflow Orchestration。

ここがないと、ただ複数のAIがバラバラに喋ってるだけになる。

「AIチームを作る」は、プロンプト術じゃなくて業務設計に近い。

[Shadow Nick @doublenickk]

9 out of 10 multi-agent projects never leave demo mode

Not because the model is bad. Because the structure is missing.

Most people who try to build [ a team of AI agents ] end up with one agent talking to itself in five tabs.

The agents don't share context → Don't divide work → Don't know what the others are doing.

> stage 1: if your agent doesn't have a real loop, observe, act, iterate, you have a long prompt, not an agent
> stage 2: subagents need isolated context, the orchestrator never reads their raw transcript, only the summary
> stage 3: the orchestrator plans and delegates, the moment it executes, it drowns in details that belong inside subagents
> stage 4: without a shared task list it's not a team, it's five agents duplicating each other's work in parallel
> stage 5: a permissions file is what lets you sleep, the model cannot bypass it because the rule lives outside the model

a team of AI agents is not more model, it is more structure

the most ignored stage in every demo that died:

- durability...

when a 50-step task crashes at step 47 and starts from zero, that's not a model failure.

that's a missing write-to-disk call

[るか｜非エンジニアの会社員副業 @krk__kr]

https://t.co/B1Xhf33U2T これ、見るべきポイントは「動画生成がすごい」じゃない。

Claudeの会話内で、
リファレンス分析 → 構成理解 → 素材生成
までつながっていること。

つまり単発ツールではなく、制作WorkflowそのものがAIに寄ってきてる。

これから差がつくのは、どのAIを知ってるかより、どの業務フローにAIを接続できるか。

[すみか@Skillsオタク @sumika45379]

いや、マジでClaude × Higgsfield MCPやばすぎるんだけど、、😳
Claudeに動画リファレンスを貼るだけで、構成分析から素材生成まで行けるの神すぎる。
https://t.co/wE55rBbPxm

最初に動画見た瞬間、「マジで本格的に映像制作の司令塔までClaudeに来ちゃったんだけど」ってなった、、

操作感がマジで異次元すぎる👇
・動画のstructure / shots / pacingを分析
・同じチャット内で素材生成まで進める
・Higgsfield Supercomputer SkillがClaudeの中で動く

つまり「動画生成AIに別画面で投げる」じゃないんだよね。Claudeの会話そのものが制作スタジオ化してる。

これまでのAIは「プロンプトを書く」で止まってた。
Claude + Higgsfieldはそこが違うんだよね。"映像の構造を読んで、次の素材まで作る"レベルまで来てるの普通に神。

しかもさらにすごいのが、特殊な編集ソフト前提じゃなくてMCP接続だけでこの流れに入れること。

映像制作が変わった？って話じゃないんだよね。
「リファレンスを見せて、同じ文脈で作る」という体験の前提が変わり始めてる。

やっぱり、これからはMCP + Skillsなんだよね。

Claudeに外部ツールを持たせる感覚は、MCP30選の記事でかなり掴みやすい。
この下の記事を読むと理解が一気に深まる。マジでおすすめ👇😻