The highest quality codebase

「同じ画像を何度もAIに再投入する実験」を見たことがありますか？
あるいは、マルケス・ブラウネリーのYouTube動画で、映像が1,000回アップロードされるケースですか？

サンクスギビング週末、手持ち時間を活用し、Claude に「説明＋写真から食品の栄養素を推定するアプリ」を作らせました。設定はシンプルに完璧ですが、それだけでは退屈でした。そこで小さな悪意ある実験を仕掛けてみることにしました。

コードベース全体を走査し、次のスクリプトでコマンドを繰り返すようにしました：

#!/usr/bin/env bash

set -euo pipefail

PROMPT="Ultrathink. You're a principal engineer. Do not ask me any questions. We need to improve the quality of this codebase. Implement improvements to codebase quality."
MAX_ITERS=200

for i in $(seq 1 "$MAX_ITERS"); do
  claude --dangerously-skip-permissions -p "$PROMPT"

  git add -A

  if git diff --cached --quiet; then
    echo "No changes this round, skipping commit."
  else
    git commit --no-verify -m "yolo run #$i: $PROMPT"
  fi
done

…そして結果は大混乱。200ラウンドにわたる無制限の狂気を放ちました。あるポイントで過剰に注目していたことが分かったのでプロンプトを数回調整しましたが、十分なイテレーションを重ねるとコードカバレッジからテスト量増加、Rust風

Result

スクリプトは約36時間実行されました。出力を理解するには時間が掛かりましたが、ここでは何が起きたのかをまとめます。リポジトリ全体はこちらにあります；現在閲覧中のブランチが「最高品質」版です。

アプリ

このアプリは4〜5画面で構成されており、写真撮影 → 説明追加 → AI応答取得という流れを単純に実装しています。

数値（Pure numbers）

改善前のバージョンでもすでに大規模でした：

cloc . --exclude-dir=node_modules,dist,build,.expo,.husky,.maestro,Pods
     132 text files.
     127 unique files.
      11 files ignored.
-------------------------------------------------------------------------------
Language                     files          blank        comment           code
-------------------------------------------------------------------------------
JSON                             4              0              0          23733
TypeScript                      99           3019           1541          20160
Markdown                        11           1004              0           2700
JavaScript                       9             26             51            269
Bourne Shell                     2             34             41            213
YAML                             2             35              2            162
-------------------------------------------------------------------------------
SUM:                           127           4118           1635          47237

ループ後は：

cloc . --exclude-dir=node_modules,dist,build,.expo,.husky,.maestro,Pods
     285 text files.
     281 unique files.
      10 files ignored.
-------------------------------------------------------------------------------
Language                     files          blank        comment           code
-------------------------------------------------------------------------------
TypeScript                     247          17587          18749          84185
JSON                             5              0              0          24863
Markdown                        14           4151              0          10391
JavaScript                       9             41            140            598
Bourne Shell                     3             41             41            228
YAML                             3             50              3            215
-------------------------------------------------------------------------------
SUM:                           281          21870          18933         120480

テストのみを見ると、LOCは約1万から6万へ跳躍：

cloc . --exclude-dir=node_modules,dist,build,.expo,.husky,.maestro,Pods \
       --match-d='__tests__'
     138 text files.
     138 unique files.
       1 file ignored.
-------------------------------------------------------------------------------
Language                     files          blank        comment           code
-------------------------------------------------------------------------------
TypeScript                     138          13919           3685          60366
-------------------------------------------------------------------------------
SUM:                           138          13919           3685          60366

安全性を高めたと感じます。テストは約700から驚くべき5,369に増加しました。元のプロジェクトでは実際のシミュレータを使ったE2Eテストがありましたが、品質向上過程で忘れられていたようです。

コメント行も約1,500行から18.7kへ増加しています。

実際に何をしたか？

Claude Code が各実行後に出力したログはすべて残っています。確認はこちら。第三者ライブラリの使用は好まれず、代わりに多数のユーティリティが自作されました。

依存関係は少ないものの、保守性の低い20k+行のユーティリティが増えています。以下はオフ・ザ・シェルフで置き換え可能な例です：

• 階層型ロガー：パフォーマンス追跡付きの組み込み実装（

  lib/logger.ts

  の代替）
• React Hook：多くはユースケース固有だったが、再発明不要なものも多数

追加されたファイルの中で特に衝撃的なのは次の通りです：

lib/result.ts

Result<T,E>

lib/option.ts

Option

lib/functional.ts

lib/circuitBreaker.ts

インフラ

あるイテレーションでは「セキュリティエンジニア」モードに入り、以下のようなコードを挿入しました：

• hasMinimalEntropy()

  ：文字種が少ない偽キーを検出。
• ジッタ付き指数バックオフ、サーキットブレーク―APIは OpenAI/Anthropic だけ。

ポジティブ面としては型チェックの徹底や不要なキャスト (

as any as T

成功基準 – 品質指標

プロンプトは常に「コードベースの品質改善」に焦点を当てました。AI エージェントがそのメトリクスをどのように解釈したかを見ると、驚くほど「多いほど良い」という原則が支配していました。数値的なバニティ指標が設定され、それに沿って進められました。

ログではテスト追加数やコードカバレッジ（うーん）を随所で誇示しています。結果として「品質の名の下に保守性の低い大規模コード」が生まれてしまいました。しかし数字は確かに増えているのです。

まとめ

• 保守すべきコード量が増えた – 主に無用なもの。
• テスト数は膨大に追加された が、最も重要な E2E テストは忘れられた。
• 良い瞬間 – 型チェックの厳格化、高品質コードベースの実現。
• アプリは動作し続けます；新機能は無く、ほんの数個のバグのみ。

「画像を1,000回再描画する」実験に真似るなら、ループは二段階であるべきだと考えます：

1. プロジェクトを読み取り要約。
2. その説明に基づいて新規プロジェクトを構築。

ここでは冗談として行いましたが、本当に重要な品質向上には至らないことは明白です。Claude Code を失敗させるように仕込んだ結果、確かにおもしろいアウトプットが得られました。

日常開発でコーディングエージェントを使い続けています。AI コードレビューに費やした時間は決して無駄ではありませんでした。

…そしてアプリはまだ動作しています。