6人のエンジニア、6つのAIワークフロー。画一的で一般的な構成に固執することなく、各エンジニアは自身のスタイルに基づいてワークフローをカスタマイズし、人間の直感とAIのインテリジェンスを融合させることで、効率的なコラボレーションを実現しています。(著者: @RheaPurohit1) 本記事では、@everyの6人のエンジニアの日々のワークフローを掘り下げ、AI時代においてパーソナライズされたツールスタックを用いてどのように効率的にソフトウェアを構築しているかを明らかにしています。わずか6人という少人数のチームでありながら、彼らは4つのAI製品（Sparkleファイルオーガナイザー、Coraメールアシスタント、Spiralコンテンツ再利用ツール、Monologue音声文字変換アプリケーションなど）とコンサルティングサービス、そして10万人以上の読者に向けた日刊ニュースレターを同時に運営しています。 この記事の核心的な洞察は、AIは万能薬ではなく、むしろ増幅装置であるということです。エンジニアはClaude CodeやCodexといったツールを用いて、計画、実行、レビューという閉ループを通して開発を加速させますが、AIの「幻想」やバイアスを避けるために、常に焦点、監視、そして人間による監督を重視しています。 1. ヤシュ・プージャリー（スパークルゼネラルマネージャー）：実験とフェンス管理のバランス Yash氏は「シングルマシン運用」からデュアルマシン並列処理へと移行しました。1台目のMac StudioではClaude Codeを、もう1台ではCodexを使用しました。反復処理を加速するため、同じプロンプトで差異をテストしました。新型Sparkleのインターフェースデザインは、Figma MCP統合を通じてAIに直接インポートされ、手動によるスクリーンショットは不要になりました。日常的なツールには、Warpターミナルと「学習ノート」ドキュメント（クラウドにコンテキストを蓄積）が含まれていました。集中力の妨げにならないよう、彼は独自のAgentWatchアプリケーションを構築し、マルチエージェントの会話を監視し、「午前中は実行、午後は探索」というモードに分割することで、出力が目標から逸脱しないようにしました。 2. キエラン・クラッセン（コーラゼネラルマネージャー）：計画主導のクローズドループ Kieranは計画を「真実の錨」と捉え、Claude Codeを用いて3層（小規模／中規模／大規模）の計画を生成し、Context 7 MCPと統合しています。計画はGitHubにプッシュされた後、AIタスクに変換されます。Claude Codeは主に制御指向の開発を担当し、CodexまたはAmpは複雑なロジックを処理します。完了すると、Claude CodeはCursorなどのツールと共にコードレビューを行い、デプロイまでの反復サイクルを形成します。このプロセスは、Cora（AIメールツール）の信頼性を確保し、「計画からデリバリーまで」の体系的なアプローチを体現しています。 3. ダニー・アジズ（スパイラルゼネラルマネージャー）：CLI主導のマイルストーン内訳 ダニーはコーディングの70%をDroid CLIで行っています。GPT-5 Codexは主要な機能の計画、データベースのボトルネックなどの「二次的および三次的な影響」の予測、そしてそれらをマイルストーンに分解します。Warpは分割画面でのマルチタスク処理を担当し、Zedエディタは詳細レビューを行います。彼はCursorを放棄し、シンプルなシングルスクリーン構成に切り替え、Figmaによるデュアルスクリーンは設計フェーズでのみ追加しました。これにより、彼はSpiralを迅速に再構築し、複雑性管理におけるAIの役割を強調することができました。 4. Naveen Naidu (Monologue ゼネラルマネージャー): プロセスこそが真実です。 Naveen氏はLinearを中心的なプロジェクト管理ツールとして活用し、トレーサビリティのためにすべての要件（Discord/メールなど）のアーカイブを統合しています。Codexへの移行後、小規模なタスクでは、エージェントを起動するためにコンテキストをクラウドに手動でコピーし、大規模なタスクではCodex CLIを使用してplan.mdファイルをブループリントとして作成します。実行は、クラウドベースのブレインストーミング（PRの生成とエッジケースの検討）とローカルビルド（Ghosttyターミナル + Cursorバックエンド）に分かれています。レビューには、Codexの組み込み/レビュー、手動比較、Sentryログ検証が含まれます。彼が独自に構築したMonologue（音声文字変換）は、プロセス全体を通して音声プロンプトとして使用され、効率性を向上させています。これは、「エンドツーエンドのトレーサビリティとモニタリング」という理念を体現しています。 5. Andrey Galko (エンジニアリング スーパーバイザー): ミニマリスト、効率性重視。 Andreyはツールの追随を避け、長年Cursorに依存していましたが、クォータ制限のためCodexに切り替えました。初期のOpenAIコードは「怠惰」でしたが、GPT-5以降は大幅に改善されました。非視覚的なロジックとUI生成に優れており、Claude Codeの創造性に匹敵します。彼はOpenAIが「Anthropicのコード覇権を覆した」こと、「使えるものを使う」という原則を堅持し、MVPの提供に注力していること、そしてチームリーダーとしての役割に適していることを称賛しています。 6. Nityesh Agarwal (Cora エンジニア): ワシのような監視のもと、シングルスレッド タスクに重点を置きました。 Nityesh氏はMacBook AirでClaude Codeを運用しており、事前にコードベースの調査と詳細な計画策定に時間を費やしています。複数のエージェントからの干渉を避けるため、コーディング中は単一のターミナルに集中し、AIに頻繁に割り込んで説明を求めることで、錯覚を減らし、自身のスキルを磨いています。彼のGitHub PRレビューの仕組みは独特で、人間のコメントがClaude Codeのターミナルにインポートされ、共同で修正されます。これにより、Claude Codeが「クラッシュ」した際に依存関係のリスクにさらされることになりますが、「信頼には監視が必要」という彼の信念も強化されます。Cursor/Warpは補助的なツールとしてのみ使用しています。 全体的な示唆：パーソナライズされたスタックの総合的な力に関するこの記事は、単なるAIツールのリストではなく、AIが「アシスタント」から「コア」へと進化していく過程を実証するものであり、同時に人間の介入（フォーカスモードやレビューサイクルなど）も必要とします。Everyの成功は多様性に起因しています。Yashの実験的な情熱からAndreyのシンプルさまで、それぞれのスタックは異なるかもしれませんが、閉ループの考え方とコンテキスト管理という共通点があります。これは開発者に刺激を与えます。AIはアウトプットを10倍に加速させることができますが、最終的には「人間とAIのコラボレーション」によって成功と失敗が決まるのです。 記事アドレス:
