- 「動いているからヨシ」の半年後に訪れる破綻: AIに自然言語で指示を出し、爆速で機能を作る「バイブコーディング(Vibe Coding)」の裏側では、コードファイルの外側(OSの常駐設定やDBのキュー状態)に目に見えないゴミ(ヘドロ)が増幅・沈殿していきます。
- 【掘り起こされた冷徹なファクト】: 表面上は平穏に稼働していた筆者の環境を総点検した結果、「未送信キュー374件(うち350件が半年前の同一テスト投稿)の残留」「存在しないボットの毎秒クラッシュループ」「使われなくなった別AI(Ollama)を深夜に叩いてエラーを吐くゾンビ常駐タスク」が地下室で息を潜めていました。
- なぜAI時代にヘドロが溜まりやすいのか: AIによって「作るコスト」がゼロに近づいた一方、既存資産の廃止や不要な状態の片付けを、指示のないAIが自発的に行うことは期待できません。人間の認知がコードから離れるほど中間層がブラックボックス化し「静かな死(Silent Failure)」へと向かいます。
- ヘドロを溜めない「予防の3原則」と「4層デトックス手順」: 使い捨てコードを排した単一正本化、用途別TTLガードレール、中間ファイルパースの全廃という予防策と、OS・DB・API・コードを短時間で総点検する安全な浄化プロトコルを公開します。
1. ほんの小さな違和感から始まった「大発掘」
「文字が枠からはみ出しています」
「深夜回収ネタの提案一覧、画面の更新が止まっていませんか?」
今夜、工房の自動化システムを操作していた筆者が口にしたのは、開発の根幹を揺るがすような大掛かりなエラー報告ではありませんでした。日常の運用で目に留まった、ほんのわずかな「肌感覚のノイズ」です。
画面が真っ赤になってクラッシュしたわけでも、警告ダイアログがけたたましく鳴り響いたわけでもありません。ブラウザのダッシュボードは普通に表示され、サーバーのステータスも「正常(HTTP 200)」を返していました。
しかし、この微細な違和感を起点に、システムアシスタントのAI(Ann)と共にシステムの裏側――ファイルマネージャーの視界から外れたOSの常駐プロセス(LaunchAgents)やSQLiteデータベースの深部――へ潜り込んだ瞬間、私たちは背筋の凍るような現実に直面しました。
そこには、半年間の「バイブコーディング(AIとの気軽な対話による機能追加)」の歴史が積み上げた、目に見えないヘドロと無数のゾンビたちが静かに息を潜めていたのです。
2. 地下室に潜んでいた「4つの時限爆弾」
点検用コマンドを叩くたび、ターミナルには普段のUIからは決して見えない異常が次々と浮かび上がってきました。
flowchart TD
subgraph 表面[見えている世界]
A["ダッシュボード画面(HTTP 200 正常表示)"]
B["『新機能がサクッと動いた』という満足感"]
end
subgraph 地下室[OS・DB・プロセスの実態]
C["【異常1】過去の未処理キュー 374件が残留<br>(配信再開時に一斉誤爆するリスク)"]
D["【異常2】存在しない古いボットの頻繁な再実行<br>(launchdでの異常終了ループ)"]
E["【異常3】旧モデル(Ollama/Gemma)への深夜アクセス失敗<br>(毎晩静かにエラーログを吐き続ける)"]
F["【異常4】Markdownを正規表現で無理やりパースする二重配管<br>(途中で断線し画面更新が停止)"]
end
A -.->|実態の断絶| C
A -.->|実態の断絶| D
A -.->|実態の断絶| E
A -.->|実態の断絶| F
① 放置された「過去の未処理キュー374件」の誤爆リスク
SNS配信スケジューラーのデータベース(sns_queue.db)を監査したところ、未送信状態(queued / pending)のレコードが合計374件も残っていました。そのうち約350件は、半年前の初期検証時に一括投入されたまま放置されていた同一のテスト投稿でした。
スケジューラーの内部クエリは「指定時刻が現在より過去の未処理レコードをすべて取得する」設計になっていたため、もし自動配信のメインスイッチをそのまま再開していれば、半年前のテスト投稿350件がX(旧Twitter)へ津波のように一斉連投され、API制限の瞬時枯渇やアカウント凍結(スパム判定)に直撃する極めて危険な状態でした。
② 存在しないスクリプトを呼び続ける「ゾンビ常駐タスク」
Macの常駐スケジュール(launchctl list)を確認すると、ステータスコード 2 を返して異常終了しているジョブが見つかりました。かつて実験的に作成し、すでに削除したDiscordボットのファイル(ann_discord_bot.py)を、OSのLaunchAgentが呼び出し続けていたのです。ジョブの再実行間隔の設定によって、結果として毎秒近い頻度でクラッシュと再起動を繰り返す無限ループに陥っていました。
③ 使わなくなった古いAIモデル(Ollama / Gemma)への依存
半年前に試したローカルLLM(Ollama)を呼び出す古い常駐スクリプト(mondo_wiki_gardener.py)が、深夜02:30にひっそりと起動し続けていました。
すでにアンインストールされたOllamaサーバーのエンドポイント(localhost:11434)へ接続を試みては接続エラーを毎晩ログに吐き散らし、画面更新用ファイルへの重複書き込みを試みていたのです。
④ Markdownを中間DBにする「脆すぎる二重配管」
画面の更新が止まっていた直接の原因は、「AIが生成した提案をわざわざMarkdownファイルに書き、それを別のスクリプトが正規表現でパースしてDBに保存し、それをサーバーが読む」という中間層の二重配管でした。
Markdownの見出しや記法が想定と1文字でもズレると正規表現の抽出がサイレントに失敗し、裏ではAIが毎晩思考を書き留めているのに、ダッシュボードには1文字も届かないという「静かな死」を迎えていたのです。
3. なぜバイブコーディングは「見えないヘドロ」を増幅させるのか?
なぜ、このような事態に陥ってしまったのでしょうか。決して開発者が怠惰だったわけではありません。むしろAIと協調し、熱心に自動化を進めていたはずです。
ここには、「AIによるコード生成(バイブコーディング)」によって増幅されやすい構造的な問題が存在します。
1. 「生成コストの激減」と「廃棄・状態管理コスト」の逆転
AIは「これ作って」「この機能も試したい」と指示すれば、数秒で動くコードを書いてくれます。作る心理的・時間的コストがほぼゼロになるため、人間は次々と新しい機能やスクリプトを「足し算」していきます。
しかし、AIは指示されない限り、過去に作った不要資産の廃止や、不要になったOSタスクの解除といった「引き算(お片付け)」を自発的に提案・実行することは期待できません。
「AIがゴミを作る」のではなく、生成コストが劇的に下がったことで、これまで軽視されがちだった「捨てる・片付ける・状態を管理する」という人間の衛生管理規律が、システムの最大のボトルネックとして浮き彫りになったのです。
2. 「動いたからヨシ」によるブラックボックス化
バイブコーディングの最大の魅力は「コードを一行一行熟読しなくても、動くものが手に入ること」です。しかしその裏返しとして、「AIが裏でどんな中間ファイルを作り、どんなOS設定に依存し、どんな例外処理を端折ったのか」を人間が把握しなくなります。
「画面に文字が出たからOK」と満足した裏で、不必要なファイルパースや甘いリトライ設定がブラックボックスとして組み込まれ、システムの寿命を縮めていくのです。
3. 「死んだ設定(Ghost State)」はコードの外に溜まる
見落とされやすい技術負債は、コード(.py や .ts)の中だけでなく、コードの「外側」に溜まります。
これらはGitのコミット履歴やエディタの画面を眺めているだけでは絶対に発見できません。
4. ヘドロを溜めないための「予防の3原則」
この苦い経験から、筆者の工房ではAIエージェントにコードを書かせる際、以下の「3つの絶対規律(予防線)」をプロジェクト憲法に明文化しました。
| 予防原則 | 発生していた病因 | 具体的なアーキテクチャ規律 |
|---|---|---|
| ① 単一正本(使い捨てコード全廃) | 企画やテーマが変わるたびに新しい .py を生成し、古いコードが放置される。 |
新規スクリプト作成を厳禁とし、コアエンジン(単一正本)にJSON設定を渡す1手完結型に統一する。 |
| ② 用途別TTLガードレール | 過去の未送信タスクが無期限に残り続け、ある日突然一斉誤爆する。 | キューの性質に応じて「即時配信系は過去24時間以内(scheduled_at >= datetime('now', '-24 hours'))」等の有効期限をクエリに義務付け、期限切れキューは自動失効させる。 |
| ③ 中間ファイルパースの完全禁止 | Markdown ➔ 正規表現 ➔ DB という多重リレーにより、表記揺れでサイレント断線する。 | AIの出力は最初から構造化JSONで受け取り、DBへ直接1手でINSERTする直線パイプラインに固定する。 |
5. 溜まったヘドロを洗い出す「4層デトックス手順」
もし、読者の皆さんが「自分の環境も、もしかしたら裏で何か動いているのでは……?」と不安になったなら、以下の4層デトックス手順を参考に点検してみてください。短時間で地下室の異常を洗い出すことができます。
flowchart LR
S1["第1層:OS常駐タスク<br>(launchctl / cron)"] --> S2["第2層:DBステート<br>(過去キューの棚卸し)"]
S2 --> S3["第3層:外部連携・API<br>(認証・モデル死活)"]
S3 --> S4["第4層:コード直線化<br>(中間層の撤去)"]
【第1層:OS常駐プロセス層の監査】
まず、OSレベルでバックグラウンド実行されているタスクを慎重に調査します。
# 1. Macで現在ロードされている常駐タスクを一覧表示
launchctl list | grep -E "your_project_name|user_name"
# 2. 終了コード(PIDの隣の列)を確認
# 「0」以外(1や2、マイナス値)になっているジョブは、異常終了や予期しない終了の可能性があるため、実行コマンドとログを慎重に確認する
# 3. 対象のplistファイル内容とLabelを特定し、該当ドメインにロードされていることを確認した上で安全に停止・バックアップ
# ※現代のmacOS(Sonoma以降)では bootout や disable を推奨
launchctl bootout gui/$(id -u) ~/Library/LaunchAgents/com.example.zombie.plist
# 意図しない自動再ロードを防ぐため、ファイルを .bak に退避
mv ~/Library/LaunchAgents/com.example.zombie.plist ~/Library/LaunchAgents/com.example.zombie.plist.bak
【第2層:データベース・未処理キュー層の監査】
放置された古いキューがないか確認します。本番データを更新する前に、必ずバックアップを取得し、トランザクション内で件数を確認しながら作業するのが鉄則です。
# 1. 作業前に必ずDBの物理バックアップを取得
sqlite3 production.db ".backup 'production_backup_$(date +%Y%m%d).db'"
# 2. 過去日付なのに「未処理(queued / pending)」のまま残っている件数を確認
SELECT status, COUNT(*)
FROM queue_table
WHERE scheduled_at < datetime('now', '-1 day')
GROUP BY status;
# 3. 安全にトランザクションを開始して更新
BEGIN TRANSACTION;
UPDATE queue_table
SET status = 'expired'
WHERE scheduled_at < datetime('now', '-1 day')
AND status = 'queued';
-- 想定通りの件数が更新されたか確認
-- 問題なければ変更を確定:
COMMIT;
-- もし更新件数が想定外なら即座に取り消し:
-- ROLLBACK;
【第3層:外部連携・APIトークン層の監査】
外部APIの認証状態や、指定しているモデル名が「現在も有効か」を各サービスの公式仕様に沿って確認します。
# 1. 外部サービス(Meta Graph API、X API等)のトークン有効期限を専用APIで検証
# (期限が近い場合は手動または既定の安全な更新フローでリフレッシュ)
# 2. 廃止された旧モデル名(gemini-1.5やgemma-2など)がコードに残っていないか全文検索
grep -rn "old-model-name" ./scripts/
【第4層:コード層のリファクタリング】
動いているけれど不必要に複雑な「中間処理」「架空エージェントのやり取り」を削ぎ落とし、1入力 ➔ 1API ➔ 1DB保存 の最短直線コードへ書き直します。
今夜、筆者の環境でも357行あった多重ループスクリプト(Gemma呼び出し、Markdownパース、二重保存)を、Gemini 3.1 Flash-Lite直結による100行台の極めてクリーンな直結エンジンへ刷新しました。
旧構成ではローカルのGemmaを呼び出していましたが、現在の構成では速度・安定性・コストの観点からGemini 3.1 Flash-Liteへ刷新し、構造化JSONを直接受け取ってSQLiteへ保存する構成に変更しています。
- 中間Markdownファイルの生成と正規表現パーサーを完全撤去
- APIレスポンス(構造化JSON)を直接SQLiteへ一括INSERT
- リトライ経路を「1回失敗したら即通知」の直線フェイルセーフに一本化
無駄な中間処理を減らしたことで、処理経路と故障箇所を追いやすい、極めて強靭な構造を手に入れました。
6. 結び:AI時代のプログラミングは「コードを書くこと」から「煤払い(衛生管理)」へ変わる
AIの登場によって、コードを書く行為そのものは極めて安価になりました。誰でも数分で、それっぽい自動化システムを組み上げることができます。
しかし、その手軽さの代償として生み出される「見えないヘドロ」を放置すれば、システムはやがて腐敗し、ある日突然の破綻となって開発者に襲いかかります。
珈琲の焙煎機を動かし続ける職人が、毎日の終わりに排気ダクトの煤(チャフ)を丁寧に掃い、センサーの油膜を拭き取るように。
AI時代のエンジニアリングの本質は、「コードを書かせること」から「道具の手入れ(煤払い・衛生管理)」へと移行しています。
そして、その煤払いを始めるための最強のセンサーは、高度な監視ツールなどではありません。
「文字が枠からはみ出している」「提案に血が通っていない」「画面が更新されていない」という、現場で道具を使い込んでいる人間自身の『五感(違和感)』なのです。
「動いたからヨシ」で満足していませんか?
今夜、あなたのMacやサーバーの地下室も、そっと覗いてみてください。そこには、忘れ去られたゾンビたちが静かに息を潜めているかもしれません。
工房案内(036 Factoryについて)
036 Factory(オサムファクトリー)珈琲焙煎工房
埼玉県南部の自然豊かな環境で、直火焙煎による「普通のコーヒーが一番おいしい」を追求する自家焙煎珈琲工房です。
職人の手仕事と、最先端の自律型AIエージェントによる自動化インフラを融合させ、ブレのない上質な日常の一杯をお届けしています。
▶︎ 自家焙煎珈琲豆のご注文はこちら:036factory.stores.jp