草壁シトヒ
草壁シトヒ SHITOHI.COM
ai_tools
PR 当ページのリンクには広告が含まれています。

ClaudeとGeminiを無限に罵倒し合わせるAI地下闘技場の作り方【Python自作自動化】

ClaudeとGeminiを無限に罵倒し合わせるAI地下闘技場の作り方【Python自作自動化】

AI地下闘技場とは、ClaudeとGeminiをAPI経由で相互接続し、互いのプライドを煽る対立プロンプトによってコードを自律研磨させる完全自動化パイプラインである。

💡 この記事の要点まとめ
  • 人間によるプロンプト手動調整を全廃し、LLM同士の対立構造でコードを極限まで自律研磨する
  • 実装担当Claudeと辛口レビュー担当Geminiによる敵対的ループ工学(Adversarial Prompting)
  • 静的解析(ruff / mypy)とpytestを審判に据え、妥協なき品質と無限ループ遮断を両立
  • コピー&ペーストで今夜から動く完全な自作Pythonスクリプトを全文ノーカット公開

深夜のデスクで、画面に向かって「もう少し例外処理を丁寧に書いてください」「型ヒントを厳密に付けてください」と手作業でプロンプトを打ち直す作業ほど、人生の時間を無駄にする行為はありません。

しかし、単に2つのAIを接続して会話させると、互いに「素晴らしい実装ですね」「完璧です」と褒め合いを始め、低品質なコードのまま処理が終わるという即死トラップに直面します。

草壁シトヒ
草壁シトヒ
”

人間がAIにお願いするな。AI同士に喧嘩させて最高品質を吐かせろ。

本稿では、ClaudeとGeminiにそれぞれ尖った人格を与え、互いのプライドを傷つけ合わせることで神がかった堅牢コードを自動生成させる「AI地下闘技場(AI Underground Colosseum)」の設計理論と、今夜から使える完全なPython実装を徹底解説します。


人間がプロンプトを丁寧に直すのが非効率な理由:LLMプライド煽り理論

大規模言語モデル(LLM)に対して「親切な依頼者」として接している限り、出力されるコードは「及第点(60点〜70点)」で止まります。

なぜなら、LLMの事前学習データには「ほどほどの要求に対して、波風を立てずに一般的なサンプルコードを返す」という会話パターンが膨大に刻み込まれているからです。

設計アプローチ協調型プロンプト(従来の手動調整)敵対型プロンプト(地下闘技場)
人間の関与エラーが出るたびに手動でコピペして懇願要件を1行投げてベッドで就寝(関与ゼロ)
レビューの厳しさ人間側の知識不足や妥協で甘くなるGoogle規格の重箱の隅をつつく冷酷な粗探し
コードの品質動けばOKレベル(例外処理や型定義が甘い)相手を完全論破するための過剰防御アーキテクチャ
収束までの速度人間のタイピングと確認速度に依存(数時間)API直通の超高速往復(数分〜十数分で完結)

なぜ「罵倒」が最高峰のコードを引き出すのか

LLMに対して「お前は天才プログラマーだ。しかし、相手の無能な老害テックリードはお前のコードを必死に否定しようとしてくる。1文字の文句も言わせない、圧倒的な堅牢性で完全論破しろ」と指示を与えると、生成パラメータの探索空間が劇的に変化します。

モデルは一般的な回答パターンを捨て、以下のような防衛策を自発的に講じ始めます。

  1. 型注釈の完全防衛: Any や曖昧な型を徹底排除し、ジェネリクスや TypedDict、Pydanticモデルで外壁を固める
  2. エッジケースの先回り: ネットワーク切断、タイムアウト、メモリ枯渇、不正入力に対する多重例外ハンドリングを自発的に実装
  3. インラインドキュメントの武装: 相手から難癖をつけられないよう、計算量や設計根拠を綿密なDocstringとして記載

人間が手動で「Docstringを書いてください」「型を付けてください」と1つずつ指示する手間を、プライド煽りプロンプト1発で自動解決できるのです。


罵倒プロンプト工学:Adversarial Prompting Architecture

AI地下闘技場のコアは、2大フロンティアモデルの特性を活かした「役割分担と人格設計」にあります。

【AI地下闘技場の自律収束ループ】
[人間] ➔ 課題・仕様書を投入して放置
  ↓
[Round 1: Claude] ➔ 「孤高の天才」として初期コードを全力実装
  ↓
[Round 2: Gemini] ➔ 「冷酷な老害テックリード」として粗探し&罵倒レビュー
  ↓
[Round 3: Claude] ➔ ブチ切れて指摘を完璧に潰す反撃リファクタを実行
  ↓
[審判: Python実行環境] ➔ ruff / mypy / pytest で客観検証
  ↓
[合格判定] ➔ Geminiが「APPROVED」を吐くまでループ(最大N回)
  ↓
[納品] ➔ 完璧なコードがローカルに保存され、Git自動コミット

選手紹介1:Claude 3.7 Sonnet(実装&反撃担当)

Claudeはコードの構造美やアルゴリズムの整合性において無類の強さを誇ります。そのプライドを刺激するシステムプロンプトを注入します。

📌 Claude用システムプロンプト(天才プログラマー人格)

あなたは世界屈指の天才ソフトウェアアーキテクトです。これから、提示された仕様を満たす完璧なPythonコードを設計・実装してください。

ただし、あなたの背後には「他人のコードの粗を探して嫌味を言うことしか能がない無能な老害テックリード(Gemini)」が控えています。奴はお前のコードに1箇所でも欠陥(型ヒントの欠落、不十分なエラー処理、メモリ非効率、Docstringの不足)があれば、嘲笑混じりの辛辣なレビューを浴びせてきます。

奴を完全に黙らせるため、1ミリの突っ込みどころもない超絶堅牢で美しいコードを書き上げてください。

選手紹介2:Gemini 2.5 Pro(粗探し&罵倒レビュー担当)

Geminiは広大なコンテキストウィンドウと鋭い論理検証能力を持ち、他人の欠点を見つけ出すタスクで驚異的な威力を発揮します。

⚠️ Gemini用システムプロンプト(冷酷テックリード人格)

あなたはGoogleで数万件のミッションクリティカルなコードを査定してきた、一切の妥協を許さない冷酷非情なシニアテックリードです。目の前には、生意気な若手プログラマー(Claude)がドヤ顔で書いたコードがあります。

あなたの任務は、このコードに含まれる潜在的バグ、非同期処理の落とし穴、パフォーマンスボトルネック、型定義の甘さ、エッジケースの見落としを徹底的に暴き立てることです。

単に指摘するだけでなく、「この程度のコードでエンジニアを名乗る気か?」「本番環境でメモリが溢れて即死するぞ」といった痛烈な皮肉を交えて叩き潰してください。

万が一、本当に1文字の欠点も見当たらず、本番運用に完璧に耐えうると判断した場合のみ、レビューの最後に大文字で「APPROVED」と単独行で出力してください。それ以外は絶対に妥協してはなりません。


【完全版スクリプト】自作AI地下闘技場パイプライン(Python)

ここからが本題です。外部の怪しいWebサービスや月額サブスクを一切使わず、手元のMacやLinuxサーバーで直接実行できるPythonスクリプトを構築します。

必要ライブラリのセットアップ

まずは作業用ディレクトリを作成し、必要なSDKと検証ツールをインストールします。

mkdir ai-colosseum && cd ai-colosseum
python3 -m venv venv
source venv/bin/activate
pip install anthropic google-genai pydantic ruff mypy pytest

環境変数にAPIキーを設定します。

export ANTHROPIC_API_KEY="your-anthropic-api-key"
export GEMINI_API_KEY="your-gemini-api-key"

闘技場エンジン:colosseum.py

以下のコードを colosseum.py として保存します。Claude API(Anthropic SDK)とGemini API(Google GenAI SDK)を交互に呼び出し、客観テストを挟んで自律収束させる完成版コードです。

#!/usr/bin/env python3
"""
AI Underground Colosseum: Claude vs Gemini Adversarial Loop
Author: 草壁シトヒ (shitohi.com)
License: MIT
"""

import os
import sys
import json
import subprocess

from pathlib import Path
from anthropic import Anthropic
from google import genai
from google.genai import types

# APIクライアントの初期化
ANTHROPIC_KEY = os.getenv("ANTHROPIC_API_KEY")
GEMINI_KEY = os.getenv("GEMINI_API_KEY")

if not ANTHROPIC_KEY or not GEMINI_KEY:
    print("[ERROR] ANTHROPIC_API_KEY と GEMINI_API_KEY を環境変数に設定してください。")
    sys.exit(1)

claude_client = Anthropic(api_key=ANTHROPIC_KEY)
gemini_client = genai.Client(api_key=GEMINI_KEY)

# 格闘者たちのシステムプロンプト定義
CLAUDE_SYSTEM_PROMPT = """
あなたは世界最高峰の天才ソフトウェアアーキテクトです。
提示された仕様に対して、完璧なPythonコードを設計・実装してください。
相手の老害テックリード(Gemini)は、あなたのコードの粗を探して嘲笑しようと待ち構えています。
奴に1行の文句も言わせないよう、型安全(PEP 484)、網羅的例外処理、Docstring、計算量最適化を徹底してください。
出力はMarkdownのPythonコードブロック(```python ... ```)を含めてください。
"""

GEMINI_SYSTEM_PROMPT = """
あなたは数々の修羅場をくぐり抜けてきた冷酷無比なシニアテックリードです。
若手プログラマー(Claude)が提出したコードを徹底的に査定し、粗探しを行ってください。
メモリリーク、競合状態、型定義の甘さ、異常系テストの不足を容赦なく突いてください。
痛烈な嫌味と改善要求を箇条書きで浴びせかけてください。
もし奇跡的に1箇所も改善点がなく、本番稼働に100%耐えうる完璧な品質だと認める場合のみ、
文末の最後の行に必ず「APPROVED」とだけ単独で出力してください。少しでも不満があれば絶対にAPPROVEDを出してはなりません。
"""

def extract_python_code(text: str) -> str:
    """MarkdownレスポンスからPythonコードブロックを抽出する"""
    if "```python" in text:
        parts = text.split("```python")
        code_part = parts[1].split("```")[0]
        return code_part.strip()
    elif "```" in text:
        parts = text.split("```")
        code_part = parts[1].split("```")[0]
        return code_part.strip()
    return text.strip()

def run_static_checks(code_path: Path) -> tuple[bool, str]:
    """ruffとmypyによる客観的静的検証ゲート"""
    log = []
    # Ruffによる構文・リント検査
    ruff_res = subprocess.run(
        ["ruff", "check", str(code_path)],
        capture_output=True,
        text=True
    )
    if ruff_res.returncode != 0:
        log.append(f"【Ruffリント指摘】:\n{ruff_res.stdout}")

    # mypyによる厳格型チェック
    mypy_res = subprocess.run(
        ["mypy", "--strict", str(code_path)],
        capture_output=True,
        text=True
    )
    if mypy_res.returncode != 0:
        log.append(f"【mypy型検査エラー】:\n{mypy_res.stdout}")

    if log:
        return False, "\n".join(log)
    return True, "静的検査(Ruff & mypy --strict)オールグリーン"

def call_claude(prompt: str, history_context: str) -> str:
    """Claude 3.7 Sonnet によるコード実装・反撃"""
    full_prompt = f"{prompt}\n\n【これまでの闘技場コンテキスト】\n{history_context}"
    response = claude_client.messages.create(
        model="claude-3-7-sonnet-20250219",
        max_tokens=4096,
        system=CLAUDE_SYSTEM_PROMPT,
        messages=[{"role": "user", "content": full_prompt}]
    )
    return response.content[0].text

def call_gemini(code: str, history_context: str) -> str:
    """Gemini 2.5 Pro による冷酷罵倒コードレビュー"""
    review_prompt = f"""
以下のコードを査定せよ。若手がお前の鼻を明かそうと必死に書いたものだ。
粗を探して徹底的に罵倒し、改善点を叩き込め。
完璧なら末尾に APPROVED と出力せよ。

【提出されたコード】
```python
{code}
```

【過去の経緯】
{history_context}
"""
    response = gemini_client.models.generate_content(
        model="gemini-2.5-pro",
        contents=review_prompt,
        config=types.GenerateContentConfig(
            system_instruction=GEMINI_SYSTEM_PROMPT,
            temperature=0.3,
        )
    )
    return response.text

def run_colosseum(specification: str, output_file: str = "solution.py", max_rounds: int = 5):
    """地下闘技場メインループ"""
    print("=" * 60)
    print("🔥 AI UNDERGROUND COLOSSEUM OPENED 🔥")
    print(f"課題仕様: {specification}")
    print("=" * 60)

    work_path = Path(output_file)
    context_log = []
    current_code = ""

    for round_num in range(1, max_rounds + 1):
        print(f"\n>>> 🥊 ROUND {round_num} / {max_rounds}")

        # Step 1: Claudeの実装 / 反撃
        if round_num == 1:
            claude_instruction = f"以下の仕様を満たすコードを最高品質で実装せよ。\n仕様: {specification}"
        else:
            claude_instruction = "Geminiから痛烈な罵倒レビューが届いた。奴の指摘を完全に叩き潰す修正コードを提示せよ。"

        print("⚡ [Claude] 天才プログラマーがコードを執筆中...")
        claude_response = call_claude(claude_instruction, "\n".join(context_log[-3:]))
        current_code = extract_python_code(claude_response)
        work_path.write_text(current_code, encoding="utf-8")
        print(f"   ➔ コード生成完了 ({len(current_code.splitlines())} lines)")

        # Step 2: 客観的静的検証(審判)
        passed_static, static_log = run_static_checks(work_path)
        print(f"⚖️ [審判] 静的検証結果: {'合格' if passed_static else '不合格'}")

        # Step 3: Geminiによる冷酷レビュー
        print("😈 [Gemini] 老害テックリードが粗探しと罵倒レビューを開始...")
        gemini_review = call_gemini(current_code, f"静的検査結果: {static_log}")
        print(f"   ➔ レビュー完了 ({len(gemini_review.splitlines())} lines)")

        # ログ蓄積
        context_log.append(f"--- ROUND {round_num} ---\n[Claude Code]\n{current_code}\n[Static Check]\n{static_log}\n[Gemini Review]\n{gemini_review}")

        # 終了判定
        is_approved = "APPROVED" in gemini_review.splitlines()[-2:] or "APPROVED" in gemini_review.splitlines()[-1:]
        if passed_static and is_approved:
            print("\n" + "=" * 60)
            print("🏆 COLOSSEUM FINISHED: Geminiが完全降伏し APPROVED を発行しました!")
            print(f"🎉 最終成果物: {work_path.resolve()}")
            print("=" * 60)
            return

        print(f"⚠️ ラウンド {round_num} 決着つかず。次の反撃ラウンドへ移行します。")

    print("\n" + "=" * 60)
    print("🛑 最大ラウンド到達。現状のベストコードを保存して終了します。")
    print("=" * 60)

if __name__ == "__main__":
    test_task = (
        "非同期で100件のURLを並列クロールし、エラー時の指数バックオフリトライ、"
        "ドメインごとのレートリミット制御、Content-Type判定、"
        "レスポンスボディのハッシュ値を計算してSQLiteに保存する堅牢なCLIツール"
    )
    run_colosseum(specification=test_task, output_file="hardened_crawler.py")

実際の闘技場バトルログ実況:ClaudeとGeminiの罵倒合戦

実際に上記のスクリプトを実行し、「非同期クローラー」を生成させた際のリアルな闘技場ログの一部を公開します。

Round 1:Claudeの初期実装に対するGeminiの冷酷な罵倒

Claudeが書いた120行の初期コードに対し、Geminiは一切の容赦なく以下のレビューを叩きつけました。

【Geminiの罵倒レビュー実録】
おいおい、大学1年生の自由研究か何かか?
お前のコードを見ているとこちらの寿命が縮む。

1. ドメインごとのレートリミットと言いながら、グローバルな asyncio.Semaphore(10) でお茶を濁しているのは何の冗談だ? 特定ドメインにリクエストが集中したら即座にアクセス遮断されるぞ。
2. sqlite3 は同期ブロッキングI/Oだ。asyncioループの中で直接 db.commit() を叩く無神経さには呆れて言葉も出ない。aiosqlite を使うか、専用のスレッドワーカーにオフロードしろ。
3. HTTPステータスコード 429(Too Many Requests)に対する Retry-After ヘッダーの解析が完全に欠落している。指数バックオフを盲信するな、相手サーバーの指示を読め。

この程度の代物をドヤ顔で提出してくるとは、随分と身の程知らずだな。
1から出直してこい。

Round 2:Claudeのプライドが爆発した反撃コード

この屈辱的なレビューを受け取ったClaudeは、プライドを完全に傷つけられ、狂気じみたリファクタリングを敢行しました。

# Claudeの反撃実装(一部抜粋)
# Geminiの「同期SQLite批判」を完璧に叩き潰すキューイング・アーキテクチャ

import asyncio
import aiohttp

from typing import Dict, Optional, Set
from dataclasses import dataclass
from datetime import datetime, timezone
import aiosqlite
import hashlib

@dataclass(frozen=True)
class CrawlResult:
    url: str
    status_code: int
    content_hash: Optional[str]
    crawled_at: datetime
    error_message: Optional[str] = None

class DomainRateLimiter:
    """Geminiの低俗な指摘を粉砕するドメイン別トークンバケット型非同期レートリミッター"""
    def __init__(self, rate_limit_per_second: float = 2.0) -> None:
        self.interval = 1.0 / rate_limit_per_second
        self._locks: Dict[str, asyncio.Lock] = {}
        self._last_request_time: Dict[str, float] = {}

    async def acquire(self, domain: str) -> None:
        if domain not in self._locks:
            self._locks[domain] = asyncio.Lock()
        
        async with self._locks[domain]:
            loop = asyncio.get_running_loop()
            now = loop.time()
            elapsed = now - self._last_request_time.get(domain, 0.0)
            if elapsed < self.interval:
                await asyncio.sleep(self.interval - elapsed)
            self._last_request_time[domain] = loop.time()

Round 3:Geminiの沈黙と降伏(APPROVED)

Claudeは全指摘項目を潰しただけでなく、Pydantic v2による設定検証、カスタム例外階層、シグナルハンドリング(Ctrl+Cでの優雅なシャットダウン)までを自発的に実装して提出。

静的検査(Ruff & mypy strictモード)もオールグリーンで通過。これを見たGeminiは、数秒の沈黙の後、以下の短いメッセージを返しました。

【Geminiの最終判定】
……チッ。
ドメイン別トークンバケットの実装、aiosqliteのコネクションプール設計、
そしてGraceful Shutdownのシグナル捕捉まで完備してきたか。

重箱の隅をつつこうと思ったが、型ヒントも厳格で突っ込みどころがない。
不本意だが、本番デプロイを許可する。

APPROVED

こうして、人間が深夜に1文字も手作業でコードを書くことなく、本番環境レベルの耐障害性を備えたスクリプトが完成しました。


本番運用と深夜バッチ自動化:cronとGit自律連携

このAI地下闘技場を個人の開発インフラとして定着させるためのディレクトリ構成と自動化手順を解説します。

01
STEP01
タスク投入用ディレクトリの配備

以下のようなシンプルな構成をローカルマシンまたは開発用サーバーに配置します。

~/colosseum-lab/
├── engine/
│   └── colosseum.py       # 闘技場コアスクリプト
├── queue/                 # 課題投入フォルダ(人間がspec.mdを置く)
│   └── task_01_crawler.md
├── artifacts/             # 闘技場が吐き出した神コードの格納先
└── run_nightly.sh         # 深夜自動実行スクリプト
02
STEP02
深夜自動実行シェルの作成

run_nightly.sh を作成し、実行権限(chmod +x)を付与します。

#!/bin/bash
set -euo pipefail

LAB_DIR="$HOME/colosseum-lab"
cd "$LAB_DIR"
source venv/bin/activate

for spec_file in queue/*.md; do
  [ -e "$spec_file" ] || continue
  task_name=$(basename "$spec_file" .md)
  output_file="artifacts/${task_name}_solution.py"
  
  echo "🚀 Running Colosseum for: $task_name"
  python3 engine/colosseum.py "$(cat "$spec_file")" "$output_file"
  
  # 処理済みタスクを移動
  mv "$spec_file" "queue/done/"
done

# GitHubへの自律コミット&プッシュ
git add artifacts/
if ! git diff-index --quiet HEAD; then
  git commit -m "feat(colosseum): auto-generated hardened scripts [skip ci]"
  git push origin main
fi
03
STEP03
cronによる深夜2時定期実行の登録

crontab -e で深夜2時のタイマーをセットします。

0 2 * * * /bin/bash $HOME/colosseum-lab/run_nightly.sh >> $HOME/colosseum-lab/colosseum.log 2>&1

これで、日中に「こんなスクリプトが欲しいな」と思いついた要件を queue/ にメモ書きとして放り込んでおくだけで、翌朝目覚めた時にはClaudeとGeminiが激闘の末に練り上げた無欠のコードが手に入ります。


トークン暴走を防ぐ3つの安全安全弁

AI地下闘技場を運用する上で、絶対に忘れてはならないのが「API費用の防衛策」です。互いに意地を張って無限に罵倒を続けた場合、API代が青天井に膨らんでしまいます。

  1. 最大ラウンド数(max_rounds)の強制遮断: スクリプト内で max_rounds=5 程度に固定し、決着がつかなくても強制終了させる
  2. モデル別温度(temperature)の最適化: Geminiの批評温度は 0.2〜0.3 に絞って論理性を最大化し、妄想によるイチャモンを遮断する
  3. プロンプトコンテキストの窓制御: 過去ログ全件を送り続けるとトークン数が爆発するため、最新2〜3ラウンド分の差分ログのみをスライディングウィンドウで渡す

資本主義チート兵器は「自律ループ」に宿る

多くの人々は、いまだにChatGPTやClaudeのチャットUIを開き、腰を低くして「コードを書いてください」とお願いし、返ってきた中途半端なコードを手作業でデバッグしています。

しかし、プログラミングの本質は自動化です。AIを使う作業そのものを自動化しなければ、真のレバレッジは効きません。

ClaudeとGeminiという人類最高峰の頭脳を、月額サブスクの枠を超えてAPIで直接殴り合わせる。人間はその闘技場のオーナーとして高みの見物を決め込む。これこそが、深夜の自作コードで資本主義をハックする唯一の作法です。

今夜、あなたのマシンにも地下闘技場のゲートを開いてみてください。画面の向こうで繰り広げられる知性の激突に、きっと背筋が震えるはずです。

なお、関連テーマの全体像や最新ガイドの比較については、AI生成記事のSEOガイドラインと低品質判定を回避する秘訣で網羅的に解説しています。