個人開発者の「トークン万歳！」～月額$20 の Claude Code コンテキストエンジニアリング～

個人開発者の「トークン万歳！」 ～月額$20のClaude Codeコンテキストエンジニアリング～

趣味開発者が月額$200ではなく、 $20プランでClaude Codeに挑む理由 ・年末年始、趣味のツール開発でClaude Codeを 試そうと思い立つ。 ・本来は月額$200のMAXプランが推奨されるが、 個人開発者にとっては大きな出費。「サウナ やマッサージに10回以上いける」金額。 ・$20プランでも利用可能になったと聞き、 まずは"お試し"で契約。 Key Insight: この縛りプレイが、課金額に関 わらず必須となる「コンテキストエンジニア リング」の重要性を教えてくれた。 $200 $20 Claude Code

驚くほど軽快な開発体験： 実家のM1 MacBook Airでも 自律的にコードが生まれる ・環境を選ばない: CLIとWeb APIベースのため、 IDE統合型ツール(GitHub Copilot, Cursor)より軽 量。古いMacやリモートコンテナでも快適に動作。 ・高い自律性: 編集モードをONにすると、自律的 にソフトウェアが出来上がっていく。ツールを使 いこなし、最後までやり切る力はClaude Codeの方が高いという第一印象。 ・高揚感: ワクワクする未来的な開発体験。 VS Code どんどん自律的に ソフトウェアが 出来上がっていく

最初の壁：5時間ごとのレートリミット RATE LIMIT ・長大な`CLAUDE.md`を使い、チャットで開発を進めるとAPIの応答が遅延し、意図しない 結果も増えていく。 ・最も大きな問題は、開発がノってきたタイミングで訪れる5時間ごとのレートリミット。 「せっかく出てきたやる気が台無しだ。」

発想の転換：問題はトークン不足ではなく、コンテキストの与え方だった ・力任せに情報を与えるのではなく、LLMに読み込ませる情報を賢く管理する「コンテキストエンジニアリング」へ。 ・基本戦略は「オンデマンドなLazy Loading」 ・Principle: 不要な情報を読み込ませず、必要な情報だけを、必要なタイミングでロードする。 ・これはトークン削減だけでなく、意図しない挙動を防ぐ「コンテキスト汚染」の防止にも繋がる普遍的な最適化手法。 Before 全コンテキスト High Cost / Low Quality LLM After 全コンテキスト Low Cost / High Quality Lazy Loading LLM

「読んでいない本」について語るように、AIと対話する ・ピエール・バイヤー 『読んでいない本 について語る 方法』: 「完全な読 書」は不可能。全ての 読書は本質的に「流し 読み」であり、全体像 を把握することが重要。 ・モーティマー・アドラー 「点検読書」: 本文をい きなり読むのではなく、目 次や索引から概要を掴む。 Vector Database File System Metadata ・AIへの応用: この考え方は、 AIにおけるRAG (Retrieval- Augmented Generation) やMCP (Tool Search) に 通じる。「でラず。「カタログ グを先に頭に入れてオンデマン ドで中を見る」アプローチ。 Conclusion: コンテキストエンジニアリングとは、オンデマンドで適切に情報を 展開できる「知のビオトープ」を整備すること。

コンテキスト削減の 本当の第一歩は `.claudeignore`の活用 ・静的ルールで判断できることに、高価な 自然言語処理を使うのは無駄。 ・Analogy: LLMに低レベルなエラー修正を させるのは、「高級レストランのUber Eatsでカップラーメンを注文するような もの」。 ・`.claudeignore`を使えば、LLMが参照す るファイル数を劇的に減らせる。プロジ ェクトによっては1/10以下に。 ・Key Takeaway: AIに不要な情報を最初か ら見せない。 .claudeignore 劇的に削減 (例: 1/10以下)

# .claudeignore # Dependencies node_modules/ .venv/ __pycache__/ # Build outputs dist/ build/ # Environment files .env .env.*.local # IDE settings .vscode/ .idea/ # Lock files (can be large and are critical to exclude) package-lock.json yarn.lock pnpm-lock.yaml # Logs & Data *.log data/ backend/data/images/ 実践：AIにとってノイズとなるファイルを徹底的に除外する ! 特に重要*: `package-lock.json` や `yarn.lock` は人間には重要 だが、AIには不要な数千行の JSON。これを読ませるのは貴重 なトークンの無駄遣い。

オンデマンドなコンテキスト提供を実現する4つの仕組み The Principle of Lazy Loading: 必要な情報を、必要な時にだけロードする。 1. Claude Rules `paths`指定で、特定ファイル の操作時にルールをロード。 2. Agent Skills タスクにマッチした時だけ、 詳細な指示やツールをロード。 3. Sub Agents 複雑なタスクを新しいコンテ キストでサブエージェントに 委譲し、結果のみを受け取 る。 Project Context 4. MCP Tools Search ツール定義を事前ロードせず、 必要に応じて検索・呼び出し。

`.claude/rules/` とYAMLフロントマターで条件付きロードを実装 How it Works*: `.claude/rules/` ディレクトリ内のMarkdownファイルにYAMLフロントマターを設定する。 # In .claude/rules/api-rules.md --- paths: src/api/**/*.ts --- # API Development Rules - All API endpoints must include input validation. | paths指定 | ロードタイミング | コンテキスト消費 | | --- | --- | --- | | なし | 起動時に即座 | 常時 | | あり | 対象ファイル操作時のみ | 必要な時のみ | *Note: 重複防止機能により、同じルールは1回のセッションで1度しかロードされない。

LLMは創造的な問題解決に。機械的な修正は静的ツールに 任せる ・The Problem: タイポや構文エラー、コード スタイルの不統一といった低レベルな修正に LLMのトークンを消費するのは非効率。 ・The Solution: ESLint, Biome (Frontend), Ruff (Python) などの静的解析ツールを事前に 実行し、機械的に修正する。 # フロントエンド pnpm run lint --fix && pnpm biome check --write . # バックエンド uv run ruff check . --fix && uv run ruff format . **Advanced Tip*: これらのコマンドを `AGENT SKILLS` として登録し、コード修 正時に自動的に実行させることも可能。 `Code Commit` Static Analysis `Clean Code` `LLM (for complex tasks)`

「元々しなくても良いものを効率よく行うことほど無駄なことはない」 (Peter Drucker) Plan-Driven Development ・/planモード: 実装前に まず計画を立てる。 ・digプラグイン: 仕様が 不明瞭な部分に対し、 選択肢付きの質問で要件 を明確化。ゲームブック のように対話しながら 仕様を固める。 ・todo.md: 計画をファイ ルに書き出し、進捗を管 理。 Active Context Hygiene ・コンテキスト汚染は避けられない。 ・定期的に/contextで現状を確認し、 /clearや/compactionを実行してコンテ キストを整理する。

試行錯誤の末にたどり着いた、$20プラン最適化ワークフロー ✓ コンテキスト管理: `.claudeignore` と `/clear` の徹底 ✓ Lazy Loading: 必要な情報を必要なときに ✓ 静的処理の活用: LLMを使わない選択 ✓ プラン駆動開発: 実装前のプランニングと `todo.md` The Result: 1-2時間ごとに訪れていたレートリ ミットが、「休息時間」と割り切れるように。 The Final Boss WEEKLY LIMIT しかし、ついには Weekly リミットに到達し、完全に利用不可に。

縛りプレイは、最高のトレーニングだった。 未来の開発環境へ自己投資する ・The Decision: 1ヶ月限定で、$200プランへアップグレー ド。 ・The Rationale: ○ これは「敗北」ではなく「戦略的投資」。 ○ $20という縛りがあったからこそ、コンテキストエンジニア リングの本質を学べた。 ○ このスキルがあれば、より強力なプラン (Opus 4.5, 並行 稼働開発) を最大限に活用できる。 ○ Analogy: 「趣味の蕎麦打ちだからこそ、道具にこだわっ てしまう」 ・Looking Forward: ○ 30日間で上位プランをキャッチアップし、時間的集中に転換 する。 ○ 学んだスキルを武器に、2026年の開発環境を先行体験する。