【通算105｜要求AI 22】Speckitのトークン数を減らしたのは、「ツール」ではなく「図解」だった
前回（通算104）、SDDでは「要件を1つ足す修正」が「ゼロから作り直す」より高くつくことがわかった。その原因は修正のたびに全ドキュメントをLLMに読ませ直すから。工程別に測定して突き止めた。そして「次にやること」に2つ書いた。
① トークンを減らす既知の手法を探す。
② テキストだけで要件定義をすると見落としや思考停止するので、直感的に判断できる方法を考える。
今回もYWT（やったこと・わかったこと・次にやることの略）で、事実とその解釈を分けて書く。
やったこと
① トークンを圧縮するツールを探して、試した
自分で圧縮の仕組みを作り込む前に、同じ問題——成果物が後工程で毎回読み直される——を扱う既存ツールを探した。すると Spec Kit のエコシステムに spec-kit-token-budget という拡張が見つかった。成果物をその場で圧縮して、後工程が読むトークンを減らす、というツールだ。
今回の経費精算のドキュメントに実際に適用して、トークンがどれだけ減るかを測った（104と同じ使い捨てブランチ・Opus 5。圧縮レベルを medium → aggressive と上げて比較）。
② 見落とし・思考停止を防ぐために、「図解」を試した
こちらはトークン削減が目的ではない。前回②——長い仕様をテキストのままYes/Noで確認していくと、見落とすし途中で思考停止する——を受けて、承認ルール（費目マスタ＋FR-016）を「日本語の文章」「表」「図（Mermaid）」の3通りで書き分け、どれがいちばん直感的に判断できるかを試した。その時に、表現の違いでトークン数がどう変わるかを測定した。
わかったこと
① トークンを圧縮するツールを探して、試した
既にあるトークン圧縮ツールは"英語前提"で、日本語にはほとんど効かなかった
ツールのドキュメントに書かれていた削減例（-40〜50%）は、この仕様では効果はなかった。しかもツールを動かすのに約 $4.34 かかった。
圧縮後のドキュメントを確認した。原因は "英語前提" と思われる。
圧縮方法が英語の言い回しを削除するからと想定される。medium の規則は「first…second…」「as well as」等の英語の水増しを省略するもので、日本語の言い回しには効果がない。だから medium は効果なし(-1.1%)。
要件IDが圧縮を止める。FR- / T / US- / AC- を含む行は圧縮対象外＝構造的に削れない。
削れた中身は"なぜ(WHY)"だった。aggressive で最も圧縮 research.md（-42.9%） 。要件本体（IDと表）は1バイトも縮まず、削れたのは"なぜ(WHY)"だけ。
英語の冗長さを削る前提のツールなので、簡潔な日本語＋要件IDの"簡潔な仕様"には、構造的に効果がない。
② 見落とし・思考停止を防ぐために、「図解」を試した
図解は「見落とし防止」に効果があり（定性評価）、そのうえトークン数まで減らした（定量評価）
②はそもそも見落としや思考停止を防ぐのが狙いだった（自己評価）——同じルールでも、表や図のほうが「どの費目がどの承認段階か」を一目で追え、直感的にYes/Noを出せた。
想定外なのは、同じ意味内容の表・図は文章よりトークン数が少なかった（tiktoken実測）。
図解に表現を変えた結果、情報量は変わらず（むしろ人に見やすく）、トークン数削減効果が約4倍。
次にやること
①トークン数削減対策は一旦区切りをつける。
トークン数を削ること自体を目的に追うのは、ここで一旦終える。 104〜105で、テキスト圧縮では日本語の仕様は縮まないこと、効くのは"見せ方そのもの"を変えることだと分かった。これからトークン数は「目的」ではなく、下に置く評価軸の1つとして扱う。
②目標・人間・システム・データの4視点すべてを埋める要件を1つ用意して、各視点を「文章のままがよいか、それともER図・Mermaid のようなコンピューターに馴染む視覚モデルがよいか」で表し直す。目標や"なぜ"は文章で残し、人間・システム・データについては視覚モデルにする——というあたりをつけて、実際にやってみる。
その要件が4つの視点をちゃんと満たしているかを確かめながら、見やすさとトークン数の削減を両立する。
人間には図・表として承認を取り、AIにはその元データ（Mermaid-DSL・CSV）を渡す。図のレンダリングは元データからの変換なので、二重管理は起きない。※但し、画像そのものをLLMに読ませると"画像トークン"がかかるので、画像は対象外にする。
タグ
#AIエージェント #SpecKit #スペック駆動開発 #要件定義 #要求定義 #ClaudeCode #データモデリング #トークン #ERD #生成AI
