10月12日、Patrick McCanna氏が「Working with AI, one folder per project: every session creates compounding value – blog」と題した記事を公開した。この記事では、AIとの作業をセッションをまたいで蓄積させるために「プロジェクトごとにフォルダを作る」というワークフローについて詳しく紹介されている。

AIチャットの「使い捨て問題」

Claude や ChatGPT でAIチャットを使うとき、多くの人はその場限りのやりとりをしている。試験前に資料をアップロードして練習問題を作ってもらい、セッションを閉じる。3週間後に別の試験が来たとき、過去の会話はアプリの履歴に埋もれ、資料をまたアップロードして、うろ覚えのリクエストを打ち直す。各セッションで得た成果は一度きりで終わる。

McCanna氏はこの状況を「短期的には機能するが、長期的にはサポートしてくれない」と表現し、解決策としてファイルベースのワークフローを提案している。

核心：1プロジェクト1フォルダ構成

「リソース・プロンプト・アウトプット」の3フォルダを1つのプロジェクトフォルダにまとめ、AIがそのファイルを読み書きする形で作業を進める。

セットアップにかかる時間は約10分。手順は以下のとおりだ。

1. Documents ディレクトリ内にプロジェクト名のフォルダを作成する（例：bio-final）
2. その中に resources・prompts・outputs の3つのサブフォルダを作る
3. 元となる資料（学習ガイド、調査文書、CSVファイルなど）を resources に置く
4. リクエスト内容をテキストファイルとして書き、prompts に保存する（例：practice-exam.md）
5. プロジェクトフォルダ内でコーディングエージェント（Claude Code など）を起動し、「プロンプトファイルを読んで、resourcesを処理し、結果をoutputsに書き出せ」と指示する

コーディングエージェントとは、ユーザーの指示に従ってローカルのファイルを読み書きできるAIプログラムのことだ。チャット型AIとは異なり、bashコマンドやツール呼び出しを介してファイルシステムを操作するため、出力を自動的に outputs フォルダへ保存できる。McCanna氏の例ではClaude Codeが用いられているが、CursorやAiderなど同種のコーディングエージェントであれば同様のワークフローを構築できる。

「プロンプトを育てる」サイクルが本質

このワークフローで最も注目すべき点は、フォルダ構成そのものより、プロンプトを繰り返し改善するサイクルにある。

McCanna氏が示す手順はシンプルだ。

• エージェントが生成したドキュメントを読み、納得いくまでエージェントと議論して修正する
• 納得できるバージョンが固まったら、「元のプロンプトと最終結果を比較して、最初からこの結果を出せるようにプロンプトを書き直せ」とエージェントに依頼する
• 書き直されたプロンプトを prompts に保存する
• 新しいAIタスクを始めるときは、必ず最初にフォルダを作る

このサイクルを回すたびにプロンプトが洗練され、次回の実行で求める出力により近いものが得られる。Documents ディレクトリ全体が、過去に走らせたすべてのAIプロジェクトの記録になり、どれも再利用可能な状態で残る。

エンジニアへの示唆

このアプローチは元記事では主に学習用途として紹介されているが、構造自体はコードレビュー用のプロンプト管理や、定型的なドキュメント生成タスクにも直接応用できる発想だ。

ChatGPTやClaudeのWeb UIが会話履歴を保存するとはいえ、プロンプトそのものをバージョン管理できる形でローカルに持つという発想は、チームでのAI活用において特に効いてくる。※編集部の考察：.md ファイルとしてプロンプトを管理すれば、Gitで差分を追うことも自然にできる。ツールの乗り換えやメンバー間の共有においても、ファイルベースの管理はチャット履歴より扱いやすい。

プロンプトをコードと同様に「育てる資産」として扱う、というMcCanna氏の姿勢は、AIをより組織的・継続的に活用したいエンジニアやチームにとって参考になる視点だろう。

詳細はWorking with AI, one folder per project: every session creates compounding value – blogを参照していただきたい。