はじめに
GitHubが2026年9月2日、AI開発の現場で急速に広がる新しい用語をGitHub Podcastの解説記事として公開しました。「ループエンジニアリング」「ハーネス」「スクワッド」など、聞き慣れない言葉が飛び交う背景と意味を、本稿ではやさしく整理してご紹介します。
参考記事
- タイトル: Decoding the new AI lingo: Loops, harnesses, squads, hill climbing… oh my!
- 著者: Cassidy Williams
- 発行元: GitHub Blog
- 発行日: 2026年09月02日
- URL: https://github.blog/ai-and-ml/decoding-the-new-ai-lingo-loops-harnesses-squads-hill-climbing-oh-my/
関連記事


要点
- GitHubが2026年9月2日、AI開発現場で使われ始めた新語をGitHub Podcastで解説した。
- 「ループエンジニアリング」は、単発のプロンプトではなく反復可能な仕組みを設計する考え方である。
- 「ハーネス」は、モデルを取り巻くツールや権限、コンテキストなどの周辺システムを指す。
- 「スクワッド」「フリート」は、役割の異なる複数エージェントが連携・並行して働く体制を表す。
- モデルの公開度は「クローズド」「オープンウェイト」「オープンソース」の3段階に整理される。
詳細解説
ループエンジニアリングとRalphループ——反復可能な仕組みを設計する
GitHubによれば、「ループエンジニアリング」とは、エージェントに毎回同じ作業を手動で指示するのではなく、あらかじめ反復可能な仕組みとして設計する手法を指します。たとえば、毎朝Issueを確認して要約し、修正案を出すという作業を、スケジュール実行される一連の処理としてまとめてしまう発想です。その一種として紹介されているのが「Ralphループ」で、詳細な仕様書をもとにエージェントに作業を任せ、完了まで反復させる力任せな手法です。
本稿としては、Ralphループは着手のハードルが低い一方、繰り返すたびにトークンや計算コストが積み重なりやすい点に留意が必要だと考えています。ループエンジニアリングは、そこにスキルや検証、チェックポイントといった仕組みを加え、より構造化しようとする試みと言えます。
ハーネスとhill climbing——モデルを取り巻く仕組みと改善のサイクル
もう一つの重要な概念が「ハーネス」です。GitHubの説明では、ハーネスとはモデルが生成する内容そのものではなく、それを取り巻くツールや権限、メモリー、コンテキスト、オーケストレーションなど、モデルを実務で使えるようにする仕組み全体を指します。GitHub Copilotがその代表例として挙げられており、モデルをコードベースやエディタ、プルリクエスト、ターミナルなどに接続する役割を担っています。以前ご紹介したCodexをexec・SDK・app-server経由で既存業務に組み込む取り組みも、こうしたハーネス設計の一例と位置づけられそうです。
そして、こうしたエージェントやハーネスを評価と検証を通じて改善していく過程が「hill climbing」と呼ばれています。プルリクエストを確認するエージェントであれば、実際に意味のある不具合を見つけられているかを検証し、ツール側を調整していくような取り組みが該当します。
モデルの公開度とチームのかたち——スクワッド・フリートと3つの公開区分
複数のエージェントが関わる体制を表す言葉として、「スクワッド」と「フリート」が紹介されています。スクワッドは役割の異なるエージェントの集まりで、計画・検証・実装・テスト・レビューといった実際のチーム構成を反映することが多いとされます。フリートは複数のエージェントが並行して作業する体制を指し、スクワッドがフリートとして並列に動くこともあるといいます。あわせて、AIに軸足を置いた顧客担当エンジニアを指す「forward deployed engineer」という呼び方も取り上げられました。
モデルの公開度については、API経由でのみ利用できる「クローズドモデル」、重みのダウンロードや自前環境での実行はできてもデータや学習手法が非公開のことが多い「オープンウェイトモデル」、モデル・コード・データ・学習過程まで検証・改変できる「オープンソースモデル」の3段階に整理されています。公開度が高いほど、利用者が検証し信頼できる範囲が広がると本稿としては受け止めています。
まとめ
本稿では、GitHubが解説したAI開発現場の新語を、ループエンジニアリング、ハーネス、スクワッドといった概念ごとに整理してご紹介しました。言葉自体は移り変わりますが、仕組みをどう繰り返し検証し改善するかという視点は今後も重要だと考えています。AIエージェントの導入事例は、こちらの記事もあわせてご覧ください。
