pstackは、AIにプログラムを書かせるとき、「書いて終わり」にせず「実際に動かして確かめる」ところまで進めるための手順集です。Cursorの公式リポジトリで公開されています。最近、作者本人の発言を紹介する記事が広まり、「AI同士に厳しくダメ出しさせる方法は、AIの利用量のむだ使いになりやすい」という考え方とともに名前を見かけるようになりました。
pstackをひとことで言うと?
pstackは、AIにプログラムを作らせる仕事の進め方を、手順書として決めておくためのスキル集です。
※スキル集とは: AIに「この場面ではこう動いて」と教えるための、手順書の部品を集めたものです。
身近なたとえで言うと、料理の現場に近い話です。pstackを取り上げたZennの解説記事の筆者は、AI同士に文句を言い合わせる方法を「味見をしないレシピ会議」と呼んでいます。レシピの紙だけを囲んで議論しても、肝心の「おいしいか」は分かりません。
pstackが重んじるのは、まず作って、味見をすることです。ここでの「味見」は、作ったプログラムを実際に動かして、結果を目で確かめることを指します。
これまでと何が変わるのか
- AIが「できました」と言うだけでは終わりません。実際に動かした結果を見て、完了を判断する流れになります(azukiazusa氏の解説)。
- AIに「欠点を探せ」と厳しく言わせるより、実物を確かめることにAIの利用量を回す、という考え方が前に出ます(Zennの解説記事)。
- 不具合の修正や機能の追加など、仕事の種類ごとに進め方が決まっています。たとえば不具合なら、まず本当に再現できるかを確かめるところから始めます(azukiazusa氏の解説)。
pstackとは?誰が作った何ですか?
作者は poteto 氏(Lauren Tan 氏)です。Zennの解説記事によると、Meta、Netflix、Cursor で大規模なコードに関わり、React Compiler の開発にも携わってきた人物です。azukiazusa氏の解説では「数百万行規模のコード」に携わってきた経験が元になっているとされています。
公開場所は、Cursor の公式プラグインを集めた GitHub のリポジトリの中にある pstack のフォルダです(https://github.com/cursor/plugins/tree/main/pstack)。
作者は、コードをたくさん作ることより品質を重視し、少ないコードで目的を達成することを目標に掲げている、とazukiazusa氏は説明しています。
ChatGPTなどとどう違うのか
ChatGPTのような会話AIは、それ自体がサービスです。pstackはAIそのものではありません。Cursor や Claude Code といった開発ツールの中で動く「AIエージェント」に、手順と原則を与える仕組みです。
※AIエージェントとは: 質問に答えるだけでなく、調べる、ファイルを書き換える、作業を進めるといったことまで自分でやるAIのことです。
| ChatGPTなど | pstack | |
|---|---|---|
| 何か | 人と会話するAIサービス | AIに渡す手順書・原則の集まり |
| 主な使い手 | 誰でも | AIにコードを書かせる開発者 |
| 動く場所 | ブラウザやアプリ | Cursor または Claude Code |
編集部の最初のメモでは「AIコードレビュー手法」とされていました。しかし資料を読むと、pstack全体は調査・設計・実装・検証の進め方を共有するスキル集です。話題になった記事は、その中の「レビュー」に対する考え方を取り上げたものです。
作者が使う「厨房」のたとえ
Barnaby Robson氏の解説記事によると、Lauren氏はAIとの開発を「一流レストランの厨房」にたとえています。「ソフトウェア工場」より、量を保ちながら職人技を加える厨房のほうがしっくりくる、という考えです。
このたとえでは、開発者がシェフで、基準を決めて最後に味見をします。AIの作業役が料理人、スキルや小さな道具が包丁にあたります。包丁が切れなければ何をするにも時間がかかる、という趣旨の言葉も紹介されています。
なぜ話題になっているのですか?
日本語の技術記事サイトZennに投稿された記事が、はてなブックマークでも取り上げられています。話題の中心は、次の3点です。
作者自身が「自作のスキルを減らす」と発言した
pstackには、同じコードの変更点を複数のAIに攻撃させる「interrogate」というスキルが入っています。Zennの解説記事によると、作者はX上で、敵対的レビューをほとんどトークンの無駄だと考えるようになったと投稿しました。
※トークンとは: AIが文章を読み書きするときの量の単位です。使う量が増えるほど、費用や時間がかかります。
投稿の要点は次のとおりです。
- 敵対的レビューに使うAIの利用量は、実際に動かす検証と、形式検証に使うほうがずっといい。
- pstack では interrogate を使う場面を減らした。いずれ削除するかもしれない。
- 抽象的なコードレビューには価値をほとんど感じない。エージェントは細かい指摘と「今は要らない機能の提案」に迷い込みやすい。
自分で作った部品を自分で減らそうとしている点が、注目された理由のひとつだと考えられます。
記事筆者の失敗談が分かりやすかった
Zennの筆者は、個人開発のアプリで集計の仕組みを書き直したとき、2つのAIに点検させました。返ってきた指摘は47件でした。変数名が曖昧だ、将来の複数通貨対応を考えるべきだ、といった内容で、利用者が困るバグを指摘したものはひとつもなかったといいます。
その翌週、月末の夜に登録した支出が翌月に計上される、という報告が届きました。原因は時刻のずれの扱いで、月末の23時台に1回登録してみれば分かる不具合だったそうです。紙の上で議論するだけで、動かして確かめていなかった、というのが筆者の反省です。
比較の数字と研究が紹介された
Zennの記事は、別の検証(Qiita記事)も紹介しています。TypeScript製のURL短縮サービスに15個のバグを仕込み、レビュー方法ごとに見つけた数を比べたものです。各方式を2回ずつ試し、1回でも見つけたバグを数えています。
| レビュー方式 | 見つけたバグ(15個中) |
|---|---|
| Claude 自由記述(観点を明示) | 14 |
| Claude /code-review | 12 |
| Codex /codex:review | 11 |
| Codex 敵対的レビュー | 6 |
同じCodexでも、通常のレビューは11個、敵対的レビューは6個でした。学校のテストでいえば、「厳しく採点して」と言うより「ここを見て」と範囲を示したほうが、間違いを見つけやすかったということです。
Zennの記事はほかに、AI同士の討論で回答の質が上がらなかった研究や、敵対的な参加者がいると正答率が10〜40%下がる場合があるとした研究なども挙げています。
月2,500件という数字
Barnaby Robson氏の解説記事のタイトルには「月2,500件のPRの裏にあるスキル」とあります。
※PR(プルリクエスト)とは: プログラムの変更をチームに提案して、取り込んでもらう単位のことです。
ただし、誰のどの範囲の数字なのかは、読み取れた範囲では分かりませんでした。この数字だけで効果を判断するのは避けたほうがよさそうです。
pstackの仕組み・主な特徴は?
1. 依頼に合わせて作業の進め方を選ぶ
目標と「どうなれば完了か」を伝えるだけで、AIが進め方を選びます。入口は /poteto-mode というスキルで、依頼の種類に応じて「プレイブック」と呼ばれる作業手順書を選びます(azukiazusa氏の解説)。
不具合修正の手順書は、おおむね次の順で進めるよう指示しています。
- 不具合を実際に再現する
- 仮説を立て、実行時の証拠から原因を絞る
- 修正を設計し、実装を任せる
- 最初に再現した操作で、直ったことを確認する
コードを変えずに質問へ答えるための「investigation」という手順書もあります。成果物は、根拠つきの説明や推奨案です。
2. 動かして確かめることを原則にする
AIの「できました」を信じず、本物を確かめさせます。pstackの中心にあるのが principle-prove-it-works(Prove It Works)という原則です。
Zennの解説記事によると、代理の指標や自己申告、コンパイルが通ったことから推測せず、本物を直接確かめるという趣旨で、「検証されていない作業は、正しさが不明」とまで書かれています。AIへの指示にも、「人間に渡す確認のうち、自分で実行できるものは渡すな」という一文があるそうです。
azukiazusa氏によると、再実行できる確認用のスクリプトを残すことも重視されています。直す前でも成功するテストは、修正の根拠として不十分だとされています。
3. 確かめる道具そのものを作らせる
プロジェクトごとに「味見の道具」を作るスキルが用意されています。
create-verification-skill: そのプロジェクトのアプリを実際に動かして確かめるスキルを作ります。create-formal-verification-skill: 競合や状態の移り変わりなど、テストでは届きにくい性質を形式検証で確かめるスキルを作ります。
※形式検証とは: 試してみるだけでなく、プログラムが守るべき性質を理屈の面から確かめる方法です。
作者が言う「実際に動かす検証と形式検証の組み合わせ」が、そのままスキルになっている形です(Zennの解説記事)。
4. 作る前に理解し、設計し、変更を小さく保つ
作る前の調べものと設計の段階にも、スキルがあります(azukiazusa氏の解説)。
how: 既存のコードがどう動くかを調べ、構造や流れを説明します。関係するファイルを並べるだけでなく、変更するシステムを理解するのが目的です。architect: 型や部品の境界を先に描き、構造の違う複数の案を比べてから実装に進みます。- Laziness Protocol: 問題を解く最小限の変更を選ぶ原則です。無関係な抽象化を足すと、点検する範囲が広がるためです。
- Fix Root Causes: 目先の修正に飛びつかず、根本の原因から直す原則です。
azukiazusa氏が試した例では、「ブラウザで開くとエラー、curlでは再現しない」という不具合の原因は、空の識別子による表示側の失敗でした。エージェントは表面的な修正ではなく、その元になるデータの修正を提案したそうです。
5. 複数のAIの指摘を判断材料にする
interrogate は、複数のモデルによるレビューを使うスキルです。Zennの解説記事は「差分を複数のモデルに攻撃させる敵対的レビュー」と説明しています。azukiazusa氏は、指摘を集めて「対応すべき」「検討する」「記録にとどめる」「却下する」に分け、自動でコードに反映はしない、と説明しています。
同じスキルを、2つの資料が違う面から説明している形です。いまどの程度使われているのかは、作者が使う場面を減らしたと述べている点以外、資料からは確認できません。
自分に関係ある?向いている人・向いていない人
結論から言うと、非エンジニアが直接使うものではありません。pstackは、AIにコードを書かせる開発者が、CursorやClaude Codeに組み込んで使う道具です。
普段使うサービスの裏側に組み込まれていく、といった説明は、資料にはありません。ただ、開発者がこれを使えば、あなたが使うアプリの作られ方に間接的に関わる可能性はあります。これは編集部の見方で、資料に書かれた事実ではありません。
向いている人は、次のような人です。
- CursorやClaude CodeでAIにコードを書かせている開発者
- AIが出した結果を、自己申告ではなく実物で確かめる流れを作りたい人
向いていないと思われる人は、次のような人です。
- コードを書かず、チャットAIだけを使う人
- CursorやClaude Code以外の環境が前提の人(それらでの対応は資料から確認できません)
非エンジニアにも持ち帰れる点が、ひとつあります。AIに「厳しく見て」と頼むだけでなく、何を確かめるかを具体的に伝え、できれば実際に試す、という考え方です。ただし、これは今回紹介された検証の範囲で言えることです。
使い方・始め方は?
ここからは実際に触ってみたい人向けです。読み飛ばしても全体像は分かります。
前提は、CursorまたはClaude Codeが使えることです。以下はazukiazusa氏が紹介している、Claude Codeでの手順です。Cursorでの導入手順は、今回の資料からは確認できませんでした。
1. プラグインを追加する
Claude Codeで次の2つを順に実行します。
/plugin marketplace add cursor/plugins
/plugin install pstack@cursor-plugins
2. 初期設定をする
続けて次のスキルを実行します。
/setup-pstack
利用できるモデルを確認し、役割ごとのモデルと推論の予算を選ぶ手順です。azukiazusa氏が試したところ、判断が必要な役割にはOpusを、それ以外は現在のセッションのモデルを引き継ぐよう案内されたそうです。設定は ~/.claude/rules/pstack-models.md に保存され、変えたいときは再度 setup-pstack を実行します。
3. 依頼する
/ メニューから poteto-mode を選んで依頼を入力します。修正方法まで指定せず、目標と、確かめる方法を伝えるのがコツです。たとえば、リポジトリの説明を頼む場合は、次のように書いています。
/pstack:poteto-mode このリポジトリの設計とコードの構造を説明して。設計の意図や、どのようなルールでコードが書かれているのかも知りたい。完了の条件は、設計の概要と、コードの構造を図で示すこと。
使い方で迷ったときは /poteto-help で質問できます。なお、/bug-fix のように手順書を直接呼ぶコマンドはなく、poteto-mode が選ぶ仕組みです。
注意点・現時点で分かっていないことは?
- 料金・ライセンス: 今回の資料には記載がなく、確認できません。実行するCursorやClaude Code側の利用条件も同様です。導入前に公式の案内を確認してください。
- 効果の数字: 紹介された検証は「レビュー方法」の比較です。pstackを使うとバグが何割減る、といったデータは資料にありません。
- 検証の範囲: 比較は1つのサービスに15個のバグを仕込み、各方式を2回試したものです。ほかの条件で同じ結果になるかは、資料からは分かりません。
- interrogateの扱い: 作者は、使う場面を減らし、いずれ削除するかもしれないと述べています。今後の扱いは変わる可能性があります。
- 資料の性質: 資料1と資料3は個人の開発者による解説です。資料2も第三者の解説で、作者の発言の要約を含みます。資料3の試用は不具合修正と説明依頼の1例ずつで、どんなプロジェクトでも同じ結果になるとは限りません。
- AIの利用量: 実際に動かして確かめる分、どのくらいのAIの利用量が必要になるかは、資料に示されていません。
なお、作者は資料2で、AIの利用量は今は高価だが、1年ほどで安くなりそうだという見方を示しています。これは作者の予想であり、確定した情報ではありません。
まとめ
- pstackは、AIにプログラムを作らせる仕事の進め方を決める、手順書の集まりです。Cursorの公式リポジトリで公開されています。
- 中心の考え方は「AIの自己申告を信じず、実際に動かして確かめる」ことです。
- 話題になったのは、作者自身が、AI同士に厳しく指摘させるレビューは利用量のむだが大きいと述べ、自作のスキルを減らしているからです。
- 非エンジニアが直接使うものではなく、開発者向けの道具です。AIの答えを実物で確かめるという考え方は、仕事でAIを使う人にも参考になります。
- 料金、ライセンス、導入による効果の数字は、今回の資料からは確認できません。
よくある質問
プログラミングができなくても使えますか?
直接使う対象は、AIにコードを書かせる開発者です。pstackは Cursor や Claude Code というツール上で動く手順集で、資料にある導入方法もコマンド入力が前提です。非エンジニアが単体で使う道具としては紹介されていません。
無料で試せますか?
料金やライセンスは、今回の資料からは確認できません。pstack は Cursor の公式プラグインのリポジトリで公開されていますが、動かす Cursor や Claude Code 側の利用条件も資料には書かれていません。公式の案内で確認してください。
「敵対的レビュー」とは何ですか?
あるAIが書いたコードを、別のAIに「欠点を探せ」と指示して点検させる方法です。資料1の筆者は、コードの差分だけを渡されたAIが、細かい指摘や今は要らない機能の提案に迷い込みやすいと述べています。
pstackは敵対的レビューを禁止しているのですか?
禁止とは書かれていません。作者の poteto 氏は、敵対的レビューのスキル interrogate を使う場面を減らし、いずれ削除するかもしれないと投稿しています。資料3では、interrogate は指摘を分類して判断材料にするスキルとして紹介されています。
Claude Codeにはどう導入しますか?
資料3によると、/plugin marketplace add cursor/plugins と /plugin install pstack@cursor-plugins を順に実行し、その後 /setup-pstack でモデルなどの初期設定をします。Cursor での手順は資料からは確認できません。