読み方

まえがき

体験区分：触った推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

まえがきの見方

05

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1（2026-04-25 版）の本文・6 視点・開発フロー・著者欄は v0.2 改訂で廃止。

参考本書のコンセプト要件定義 checked 2026-04-23

A-01·common

バイブコーディング図鑑

読み方

06

この本の読み方

体験区分：触った推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

この本の読み方の見方

07

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-23）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-2 は文章ページではなく分解図ページとして扱う（[docs/fr…

参考本書のコンセプト要件定義 checked 2026-04-21

A-02·common

バイブコーディング図鑑

読み方

08

図鑑の歩き方

体験区分：調査ベース推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

図鑑の歩き方の見方

09

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-3 は同居 layout `front_map_index` の…

参考本書のコンセプト・章構成（要件定義書） checked 2026-04-30

A-03·common

バイブコーディング図鑑

読み方

10

体験区分の凡例

体験区分：触った推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

体験区分の凡例の見方

11

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-4 は同居 layout `front_legend_marks…

参考（未記入） checked —

A-04·common

バイブコーディング図鑑

読み方

12

読者レベルの凡例

体験区分：触った推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

読者レベルの凡例の見方

13

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-5 は同居 layout `front_legend_marks…

参考（未記入） checked —

A-05·common

バイブコーディング図鑑

読み方

14

評価日・時変情報の見方

体験区分：調査ベース推奨読者レベル：Level 1-2

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

評価日・時変情報の見方の見方

15

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-6 は同居 layout `front_legend_marks…

参考（未記入） checked —

A-06·common

バイブコーディング図鑑

読み方

16

図のタイプ

体験区分：調査ベース推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

図のタイプの見方

17

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-7 は同居 layout `front_swatch` の左ペー…

参考（未記入） checked —

A-07·common

バイブコーディング図鑑

読み方

18

色・記号の凡例

体験区分：触った推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

色・記号の凡例の見方

19

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-8 は同居 layout `front_swatch` の右ペー…

参考（未記入） checked —

A-08·common

バイブコーディング図鑑

読み方

20

索引

体験区分：調査ベース推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

索引の見方

21

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-9 は同居 layout `front_map_index` の…

参考本書の編集方針（要件定義書） checked 2026-04-30

A-09·common

バイブコーディング図鑑

読み方

22

更新履歴と更新方針

体験区分：調査ベース推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

更新履歴と更新方針の見方

23

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-10 は同居 layout `front_log_glossar…

参考 [ledgers/next_session_handoff.md](../../../ledgers/next_session_handoff.md) checked 2026-05-13

A-10·common

バイブコーディング図鑑

読み方

24

略称表記

体験区分：調査ベース推奨読者レベル：Level 1

何をしてくれるか

（未記入）

どこで出会うか

（未記入）

イメージ

開発フローでの位置

（フロー未記入）

2026.05·needs_review

（会話での使い方例）

略称表記の見方

25

この用語の見どころ

1

役割

（未記入）

2

うれしさ

（未記入）

3

注意点

（未記入）

4

どこで役立つか

（未記入）

5

はじめに

（未記入）

6

深掘り先

（未記入）

非エンジニアのつまずき

（著者記入欄・空）

私のコメント

第一印象:（著者記入欄・空）
良い点:（著者記入欄・空）
ダメな点:（著者記入欄・空）
誰向けか:（著者記入欄・空）

関連用語

備考

旧 spread_v1 版（2026-04-30）の tagline・6 視点・開発フロー・著者欄は v0.2 改訂で廃止 A-11 は同居 layout `front_log_glossar…

参考（未記入） checked —

A-11·common

バイブコーディング図鑑

サービス

26

Gemini

ジェミニ

Google が提供する AI アシスタントのブランド。2024 年に Bard から改名しました。

体験区分：調査ベース推奨読者レベル：Level 2

何をしてくれるか

自然言語で話しかけると要約・調査・コード生成・画像理解などを返します。ブラウザチャット・Workspace 統合・Vertex AI 経由の API と複数の入口を持ちます。

どこで出会うか

企画・開発・業務・個人利用と複数の顔を持ちます。「Gemini を使っている」と言うとき、どの入口の話か揃えると会話が噛み合います。

イメージ

開発フローでの位置

目的を決める

→

入口を選ぶ

→

モデルを選ぶ

→

実行 → 評価して、必要なら入口やモデルを切り替え

2026.04·ready

「業務で AI を回すなら Vertex AI 経由の Gemini Flash が現実解ですね。」

Geminiの見方

27

この用語の見どころ

1

役割

Google 製の汎用 AI アシスタント。個人・業務・開発の全方位に入口があります。

2

うれしさ

Workspace と深く統合され、Docs／Gmail から自然に呼べます。

3

注意点

同じ「Gemini」の下にサービス・モデル・API 窓口が並び会話がずれやすいです。

4

どこで役立つか

会議メモ要約・長 PDF 読み込み・Cloud 上の業務組み込みに役立ちます。

5

はじめに

4 つの入口と Pro／Flash／Flash-Lite の 3 段階が要点です。

6

深掘り先

Gemini 2.5 系、Vertex AI、AI Studio、Workspace 個別機能。

非エンジニアのつまずき

プレビュー期間が長くモデルが安定せず、業務での運用負荷が重いです。
プラン名や連携の呼び方が頻繁に変わり、情報がすぐ古くなります。
検索が強いイメージから期待しますが、ハルシネーションが多めでギャップを感じます。

私のコメント

第一印象:Bard では終わった印象でしたが、2.5 Pro プレビューで時代が変わったと感じました。
良い点:ワンピース考察を 100 回ほど深掘りでき、心地よくとても面白い体験でした。
ダメな点:良いと感じても、時期によってナーフ（性能劣化）が起きます。
誰向けか:クリエイティブな作業や学習に使え、多くの人に薦められます。

関連用語

備考

モデル世代・料金・提供状況は時変情報です。

参考 gemini.google.com checked 2026-04-24

B-01·service

バイブコーディング図鑑

サービス

28

Claude

クロード

Anthropic が提供する AI アシスタントです。対話・文章・コードを横断して扱えます。

体験区分：触った推奨読者レベル：Level 2

何をしてくれるか

自然言語で話しかけると、文章化・コード生成・画像読み取り・長文要約などを返してくれます。Claude.ai／Claude Code／API の 3 入口があり、同じモデルでも体験が変わります。

どこで出会うか

バイブコーディングの主役で、ブレストは Claude.ai、実装は Claude Code、組み込みは API と使い分けます。「Claude を使う」という言葉が出たら窓口を確認すると話が噛み合います。

イメージ

開発フローでの位置

企画整理

→

設計のドラフト

→

実装

→

レビュー＆改善

2026.04·ready

「最近は Claude Code、Opus でファイル直編集が定番ですね。」

Claudeの見方

29

この用語の見どころ

1

役割

対話型の AI アシスタントです。文章・コード・画像の幅広い入出力を扱います。

2

うれしさ

安全性と文章の自然さに強みがあり、長文や複雑な指示に向きます。

3

注意点

入口で体験が変わり、ナーフで性能低下が体感されることもあります。

4

どこで役立つか

ブレスト、文章作成、コード実装、長文の要約や読解。

5

はじめに

Claude.ai・Code・API の 3 入口とモデル 3 段階の役割分担。

6

深掘り先

Extended Thinking、Artifacts、MCP、Projects、ナーフ（G-46）。

非エンジニアのつまずき

SE からの評価が高い理由が最初わかりませんでした。
画像生成や検索がなく、ChatGPT と比べて何がすごいのかつかめませんでした。
ナーフ騒ぎで性能の見え方が安定せず、評価が定まりにくかったです。

私のコメント

第一印象:環境構築が思ったより大変でした（VS Code や Node.js でつまずきました）。
良い点:Claude Code がファイル編集まで自動実行してくれた瞬間に感動しました。
ダメな点:価格が高く、Sonnet だと表面的な修正しか入りません。
誰向けか:しっかり扱えるリテラシーの高い人が活きる印象です。

関連用語

備考

料金プランは B-50 Claude の料金プランを参照。

参考（未記入） checked —

B-02·service

バイブコーディング図鑑

人・会社

106

OpenAI

オープンエーアイ

ChatGPT や GPT 系モデルを世に送り出し、AI ブームの起点を作った企業です。

体験区分：調査ベース推奨読者レベル：Level 1-2

何をしてくれるか

2015 年設立の AI 企業で、ChatGPT・GPT 系 API・DALL·E（画像生成）・Sora（動画生成）などを提供します。2022 年末の ChatGPT 公開が AI 元年の起点となりました。

どこで出会うか

ChatGPT を使うとき、料金や制限を調べる場面で名前が出ます。OpenAI の方針変更は業界全体に波及しやすく、AI を仕事で使う人が押さえておくべき企業名です。

イメージ

開発フローでの位置

ChatGPT で試す

→

API キーを取得

→

モデルを選ぶ

→

方針を追う

2026.04·ready

「アルトマンは AGI を最短ルートで目指す路線をずっと変えてないですね。」

OpenAIの見方

107

この用語の見どころ

1

役割

ChatGPT や GPT 系 API を開発・提供する中心 AI 企業です。

2

うれしさ

ChatGPT から API まで幅広い AI サービスを 1 社でまかなえます。

3

注意点

モデル・料金・方針が変わりやすく、情報は随時確認が必要です。

4

どこで役立つか

ChatGPT や GPT API を使う人が、会社の背景を知りたい時。

5

はじめに

設立 2015、主力は ChatGPT と GPT 系 API の 2 本柱です。

6

深掘り先

ChatGPT、GPT-5、Sam Altman、OpenAI API ドキュメント。

非エンジニアのつまずき

ChatGPT 以外（API・DALL·E・Sora・Codex）が何か分かりにくいです
Codex CLI は PowerShell や WSL2 が絡み Windows インストールに苦労します
GPT-4o と GPT-4.1 が並ぶとモデル名を言い間違えそうになります

私のコメント

第一印象:ChatGPT で AI ブームを作ったフロンティア企業という印象でした
良い点:流行の先端で切磋琢磨し、LLM では常にトップクラスの存在です
ダメな点:Open の名に反してクローズドな部分が大きく、企業体質に危うさを感じます
誰向けか:AI を使う側のすべての人が押さえておくべき企業です

関連用語

備考

設立当初の非営利法人（OpenAI Inc.）と現在の営利子会社（OpenAI LLC / OpenAI Global LLC）の複雑な構造については、本文では触れずスコープ外とします。

参考 https://openai.com checked 2026-04-25

C-01·person_org

バイブコーディング図鑑

人・会社

108

Anthropic

アンソロピック

Claude を作り、最先端モデルを提供する AI 企業です。三大 AI 企業の一つです。

体験区分：調査ベース推奨読者レベル：Level 2

何をしてくれるか

2021 年に OpenAI の研究者らが設立した AI 企業です。Claude シリーズの開発と AI 安全性の研究（Constitutional AI、RSP）を両輪で進めています。

どこで出会うか

本書で毎日触る Claude・Claude Code を作っている会社です。方針が次のモデルの挙動・料金・機能に直結し、「Claude が変わった」の背景には常にこの会社の判断があります。

イメージ

開発フローでの位置

Claude を日々使う

→

Anthropic の方針発信を追う

→

将来変化を予測

→

道具選びの足場にする

2026.04·ready

「Anthropic は安全性と最先端を両立する路線で、Dario の発信が指針になります。」

Anthropicの見方

109

この用語の見どころ

1

役割

Claude を作って提供する AI 企業です。

2

うれしさ

最先端モデルを出し続けていて、三大 AI 企業の先頭集団に居続けています。

3

注意点

OpenAI 分派なので、文化や技術系譜で共通点も多くあります。

4

どこで役立つか

Claude 系ツールを使う人が、背景となる会社の判断軸を知りたいとき。

5

はじめに

創業年 2021、創業者 Amodei 兄妹、主要製品 Claude の立ち位置。

6

深掘り先

Constitutional AI、RSP、Interpretability の論文。

非エンジニアのつまずき

社名の読み方「アンソロピック？
アンスロピック？
」と一瞬迷います。

私のコメント

第一印象:OpenAI からスピンアウトした企業として認識していました
良い点:倫理観のある AI（Constitutional AI）を掲げつつ性能でもトップクラスです
ダメな点:最近は安全性路線がやや揺らいでいる印象で若干不安を感じます。
誰向けか:企業名は一般常識になりつつあり、AI を使う人すべてに押さえてほしい会社です。

関連用語

備考

会社の規模・資金調達・投資家構成などは時変情報なので、本文では断定せず `evaluation_date` つきで扱います。

参考 anthropic.com checked 2026-04-23

C-02·person_org

バイブコーディング図鑑

モデル

162

Gemini 2 系

ジェミニツー系

Google の AI モデル第 2 世代です。Flash を主力に速度と品質が大きく底上げされました。

体験区分：少しだけ触った推奨読者レベル：Level 2

何をしてくれるか

テキスト生成・画像理解・音声入力・コード生成をマルチモーダルで担います。Flash（速い・安い）と Pro（賢い・重い）の 2 段階があり、用途に合わせて使い分けます。

どこで出会うか

Gemini アプリや Google AI Studio で試せるほか、API 経由で開発に組み込まれます。2025 年初めに Flash が登場し、Gemini というサービスの裏側モデルとして更新された際に名前を目にすることがあります。

イメージ

開発フローでの位置

タスクの重さを見積もる

→

モデルを選ぶ

→

API または Google AI Studio で実行する

→

結果と費用を確認する

2026.04·needs_review

「Gemini 2.0 Flash は速くてコスト低めなので API で組み込みやすいです。」

Gemini 2 系の見方

163

この用語の見どころ

1

役割

Google の AI モデル第 2 世代で Flash と Pro の 2 段階構成です。

2

うれしさ

Flash は速度と低コストを両立しており、API 組み込みに向いています。

3

注意点

2.5 系への移行が進んでいるため、評価日の確認が必要です。

4

どこで役立つか

チャット・コード生成・画像理解の幅広いタスクで使えます。

5

はじめに

Flash と Pro の役割と、2.5 系（D-2）との世代境界を把握します。

6

深掘り先

Gemini 2.5 系、Google AI Studio、Vertex AI。

非エンジニアのつまずき

Gemini 2.0 の頃はあまり話題にならず、注目度の変化が掴みにくいです。
書いているそばから 2.5 系になり、このモデルがレガシーと感じます。
API で無料利用できた 2.0 系も、サポートが切れる際の対応が難しいです。

私のコメント

第一印象:2.5 Pro が出た時に技術的な衝撃を感じました。
良い点:賢く、使えるモデルとして知見を積めた点が良かったです。
ダメな点:ナーフされやすく、所々で性能変化を感じました。
誰向けか:現役ではないが、モデルの変遷を知見として押さえたい人向けです。

関連用語

備考

モデル名・価格・提供状況は時変情報です。

参考（未記入） checked —

D-01·model

バイブコーディング図鑑

モデル

164

Gemini 2.5 系

ジェミニニーテンゴ系

2025 年 3 月公開の Gemini 2.5 世代です。Pro／Flash／Flash-Lite の 3 ティアがあります。

体験区分：少しだけ触った推奨読者レベル：Level 2-3

何をしてくれるか

テキスト・コード・画像をまとめて処理できます。既定で「思考（Thinking）」機能が組み込まれ、コンテキスト長は 100 万トークン超です。

どこで出会うか

Cursor や Claude Code のモデル選択画面で「Gemini 2.5 Pro」として並びます。Google AI Studio で試用でき、企業用途は Vertex AI 経由でも使えます。

イメージ

開発フローでの位置

タスクを分類する

→

ティアを選ぶ

→

Thinking 設定を確認する

→

API か Google AI Studio で実行する

→

コストと品質を確認する

2026.04·needs_review

「Gemini 2.5 Pro の長文コンテキストが、議事録まとめで頼りになっています。」

Gemini 2.5 系の見方

165

この用語の見どころ

1

役割

3 ティア構成でコスト・速度・推論深度を選べるモデル群です。

2

うれしさ

100 万トークン超のコンテキストで長文書類をまとめて処理できます。

3

注意点

価格・ティア構成は時変情報のため、使用前に公式ページを確認します。

4

どこで役立つか

長文コンテキスト処理や、コスト優先の API 組み込みで選ばれます。

5

はじめに

Pro・Flash・Flash-Lite の役割と Thinking 機能の概要を把握します。

6

深掘り先

Thinking モデル、Gemini 2 系、Vertex AI。

非エンジニアのつまずき

Gemini 2.0 の頃は話題が少なく、GPT 系の方が目立っていました。
Chatbot Arena などで高評価と知っても、触るきっかけが掴みにくかったです。
最初の知名度の低さがタッチポイントを遠ざけていましたが、今はメジャーです。

私のコメント

第一印象:2.5 Pro を触った時の衝撃は、AI 関連で忘れられないベスト 3 に入ります。
良い点:「人を超える知性」を初めてリアルに感じさせてくれたモデルです。
ダメな点:当時は衝撃的でも、今比べるとプログラミング性能で物足りなさを感じます。
誰向けか:今から触ることは少ないですが、2.5 の衝撃を語る文脈では欠かせません。

関連用語

備考

モデル名・ティア構成・価格・提供状況は時変情報です。

参考（未記入） checked —

D-02·model

バイブコーディング図鑑

ベンチマーク

230

SWE-Bench

スウィーベンチ

実在する OSS の issue を AI がどれだけ自力で解けるかを測るベンチマークです。

体験区分：調査ベース推奨読者レベル：Level 2

何をしてくれるか

実 OSS のバグを題材に、AI がコードを読み・問題を特定し・パッチを書き、隠しテストが通るかで採点します。リポジトリ理解と問題解決の総合力を測る指標です。

どこで出会うか

新モデル発表で必ず出る数字で、各社が合格率で自己紹介します。最近は 80 点付近で頭打ちで、それ以上は Verified や実務体感で補うのが現実的です。

イメージ

開発フローでの位置

新モデル発表

→

数値の評価設定を確認

→

自分のタスクに近いか評価

→

採用判断の足場にする

2026.04·ready

「SWE-Bench は 80 点帯で頭打ちなので、Verified や体感で補うのが現実的です。」

SWE-Benchの見方

231

この用語の見どころ

1

役割

AI の「コード実力＋リポジトリ理解」を測る代表指標です。

2

うれしさ

合成問題ではなく、実 OSS の現実 issue で測れます。

3

注意点

80 点付近で各社が交差・頭打ちしがちで、その先は別指標が必要になります。

4

どこで役立つか

モデル比較・選定、社内での採用判断の最初の足場として。

5

はじめに

「issue → パッチ → テスト」の流れと、Verified の存在、80 点帯の限界。

6

深掘り先

SWE-Bench Verified、Multi-SWE-Bench、Aider LeaderBoard

非エンジニアのつまずき

評価条件が揃わないと比較できず、各社の数字をそのまま使えません。
80 点超でも実務体感が違うことがあり、スコアを鵜呑みにすると困ります。
自分の業務に近い問題かどうか判断がつかず、採用の足場にしにくいです。

私のコメント

第一印象:2025 年ごろからスコア比較の常連になった印象です。
良い点:エージェント力をスコアで見比べられます。
ダメな点:頭打ち気味で上位モデルの差を測りにくくなっています。
誰向けか:モデルの賢さをベンチマークで把握したい人向けです。

関連用語

備考

本エントリは非エンジニア向けの入口として、「数字の読み方」を前面に出します。

参考 swebench.com checked 2026-04-23

E-01·benchmark

バイブコーディング図鑑

ベンチマーク

232

SWE-Bench Verified

スウィーベンチベリファイド

SWE-Bench の中から人手で検証した 500 問のサブセットです。

体験区分：調査ベース推奨読者レベル：Level 2

何をしてくれるか

SWE-Bench 全体を人手で精査し、解答可能と確認した 500 問のサブセットです。不正解が「AI の実力不足」か「問題の曖昧さ」かを切り分けられます。

どこで出会うか

新モデルの発表資料で「SWE-Bench Verified で XX%」という形で出てきます。元の全件セットより信頼性が高いため、各社が比較に使う場面が増えています。

イメージ

開発フローでの位置

新モデル発表を確認

→

スコアの前提を把握

→

他モデルと横比較

→

採用判断の補助資料にする

2026.04·ready

「比較するなら SWE-Bench Verified の数字が信頼性は高いです。」

SWE-Bench Verifiedの見方

233

この用語の見どころ

1

役割

SWE-Bench から問題品質を人手で担保した 500 問のサブセットです。

2

うれしさ

問題の曖昧さに左右されず、AI の実力を比べやすくなります。

3

注意点

500 問は全件の約 22% であり、分野の偏りが残ることがあります。

4

どこで役立つか

モデル選定時に複数サービスのスコアを横並びで比べる場面で使えます。

5

はじめに

元の SWE-Bench との関係と「人手検証」の意味を押さえると読めます。

6

深掘り先

SWE-Bench、Multi-SWE-Bench、HumanEval

非エンジニアのつまずき

SWE-Bench 自体が不明瞭なまま「Verified」と言われても違いが掴めません。
何を測っているのかがイメージしにくいです。

私のコメント

第一印象:SWE-bench の精度向上版という印象です。
良い点:人手検証で信頼性を高めている点が良いと思います。
ダメな点:既に飽和しかけている点が気になります。
誰向けか:モデルのコーディング性能をざっと判断したい人向けです。

関連用語

備考

SWE-Bench Verified は 2024 年に OpenAI が提案・公開したサブセット。

参考 swebench.com checked 2026-04-29

E-02·benchmark

バイブコーディング図鑑

技術用語

268

JavaScript

ジャバスクリプト

Web のインタラクション（操作反応）を実現するプログラミング言語で、略して JS（ジェイエス）と呼ばれます。

体験区分：少しだけ触った推奨読者レベル：Level 2

何をしてくれるか

ボタン反応・画面切り替え・入力チェックなど Web ページの動きを作るプログラミング言語です。ブラウザが直接解釈できる唯一の言語です。

どこで出会うか

AI にフロントエンドの修正を頼むと「JavaScript で書きます」と返ってくる場面で出会います。Cursor や VS Code でも `.js` 拡張子として目にします。

イメージ

開発フローでの位置

要件の確認

→

コード生成

→

ブラウザ確認

→

修正・再依頼

2026.04·ready

「その画面の動き、React ベースの JS ですか？Node.js で動いている部分もありますか？」

JavaScriptの見方

269

この用語の見どころ

1

役割

Web ページの動きを担うプログラミング言語です。

2

うれしさ

HTML・CSS と組み合わせるだけで動く画面を作れます。

3

注意点

Java とは別物で、混同しないようにします。

4

どこで役立つか

AI にフロントエンド修正を頼む際、指示が的確になります。

5

はじめに

「Web の動きを JS が作る」「TypeScript の土台が JS」の 2 点。

6

深掘り先

TypeScript（F-2）、React（F-10）、Node.js（F-80）。

非エンジニアのつまずき

Java と JavaScript が違うことも分かりづらく、「JS」ファイルは触れる気がしません。
「○○ JS」と付くライブラリが多くて何が何なのか分からなくなります。

私のコメント

第一印象:触ることへの抵抗感がある。
良い点:HTML の中に組み込めて挙動を確認できたり、用途がめちゃくちゃ広い。
ダメな点:普段の業務で積極的に触らない人からすると、ハードルが高い。
誰向けか:「実はみんな使っている」と意識したい人、まず色々やってみたい人。

関連用語

備考

Java と JavaScript は名前が似ているが無関係。

参考（未記入） checked —

F-01·term_tool

バイブコーディング図鑑

技術用語

270

TypeScript

タイプスクリプト

JavaScript（JS）に静的型付けを加えた上位互換言語です。略して TS とも呼ばれます。

体験区分：触った推奨読者レベル：Level 2-3

何をしてくれるか

コードを書く時点で型（データの種類）のミスマッチを警告し、実行前にバグを検出します。コンパイル時に純粋な JS に変換されるため、ブラウザや Node.js（F-80）でそのまま動きます。

どこで出会うか

VS Code（F-30）や Cursor でプロジェクトを開くと `.ts` ファイルや `tsconfig.json` として目に入ります。AI にコード生成を頼む場面でも「TypeScript で書きますか？」と確認されることがあります。

イメージ

開発フローでの位置

環境準備

→

設定

→

実装

→

ビルド

2026.04·ready

「TS の型を Claude に投げると、API の整合性まで一緒に直してもらえます。」

TypeScriptの見方

271

この用語の見どころ

1

役割

JS に型チェックを加えて、実行前にバグを減らす言語拡張です。

2

うれしさ

型推論（type inference）で自動補完が効き、開発スピードが上がります。

3

注意点

`any` 型に逃げると型の恩恵が消えるため、`unknown` で締める習慣が大切です。

4

どこで役立つか

複数人が触る業務 Web アプリや、長期保守するプロジェクトで特に効果的です。

5

はじめに

JS が書ければ型注釈を足すだけで始められ、`tsc` か Vite 経由で動かせます。

6

深掘り先

JavaScript、型推論、tsconfig

非エンジニアのつまずき

JS すら難しいのに TS と言われてもマジで分からず、とっつきづらい。
「TS」と拡張子も変わるし、「上位互換」と言われてもピンと来ない。
概念だけ押さえれば充分。

私のコメント

第一印象:必要性も分からず辛かったですが、必須の道でした。
良い点:型定義が使えて、LLM 前提なら十分活かせます。
ダメな点:「JS の上位互換」がイメージしづらく初見の印象が悪いです。
誰向けか:バイブコーディングで AI に長めのコードを書かせていく人。

関連用語

備考

TypeScript は Microsoft が 2012 年に発表。

参考（未記入） checked —

F-02·term_tool

バイブコーディング図鑑

バイブ特有

426

Context (コンテキスト)

コンテキスト

日本語では「文脈」。LLM に渡す情報のすべてを指し、質と量で応答が変わります。

体験区分：触った推奨読者レベル：Level 2

何をしてくれるか

LLM は Context に入っている情報だけを手がかりに応答します。System Prompt／指示／添付資料／会話履歴／ツール結果の 5 要素で構成され、入れすぎても少なすぎても応答が劣化します。

どこで出会うか

バイブコーディングの核概念です。AI に同じ質問を投げても「何を、どの順で、どれだけ」並べたかで結果が大きく変わります。「必要なものを必要な分だけ」が原則です。

イメージ

開発フローでの位置

目的を整理

→

必要情報を選ぶ

→

Context に並べる

→

LLM 実行 → 出力確認

2026.04·ready

「いま LLM の焦点は Context をどう設計するかで、量より中身が効くんですよね。」

Context (コンテキスト)の見方

427

この用語の見どころ

1

役割

LLM に見せる「文脈」の全体です。

2

うれしさ

質を上げれば、同じモデルでも応答が変わります（伸びます）。

3

注意点

膨らませすぎると応答が劣化し、圧縮しすぎると情報が歪みます。

4

どこで役立つか

指示の精度、長文読解、複数資料を扱う複雑タスク。

5

はじめに

System Prompt＋指示＋資料＋履歴の 4 要素と Window 上限の存在。

6

深掘り先

Context Engineering、Prompt Caching、RAG、Memory。

非エンジニアのつまずき

「コンテキスト」は日常語と距離があり、「文脈」と言ってくれた方が伝わりやすいと感じます。
入れすぎても少なすぎても劣化すると言われますが、ちょうどよい量の感覚が掴めません。
会話が長くなると重要な情報が勝手に圧縮・消去されることがあります。

私のコメント

第一印象:哲学や文学の分野で初めて聞いた語で、こんな所で再会するとは思いませんでした。
良い点:背景・周辺情報・AI への入力をまとめて指せる、便利な総称になっています。
ダメな点:入れすぎると人間と同じく焦点がぼやけ、入れ方の設計が重要になります。
誰向けか:AI を使う全員に必要な語で、進化の歴史を辿るうえでも押さえどころです。

関連用語

備考

「LLM が記憶を持たず、Context がすべて」という前提を明示しています。

参考（未記入） checked —

G-01·term_llm

バイブコーディング図鑑

バイブ特有

428

Token

トークン

LLM が文章を読み書きするときの最小単位で、単語より小さいこともあります。

体験区分：調査ベース推奨読者レベル：Level 2

何をしてくれるか

LLM（大規模言語モデル）は文章を文字単位ではなくトークン（Token）という塊で処理します。1 トークンはおよそ英語 4 文字・日本語 1〜2 文字が目安で、処理量と料金の計算単位です。

どこで出会うか

API の利用ダッシュボードで「X tokens used」と表示されるのが初対面です。Context Window の上限も「〇〇K トークン」と表記されるため、長い会話や大量ファイルを扱うときに意識します。

イメージ

開発フローでの位置

入力を準備する

→

トークン数を確認する

→

LLM に送る

→

出力を受け取る

2026.04·ready

「日本語は英語より同じ文章でもトークン数が多くなりがちですよね。」

Tokenの見方

429

この用語の見どころ

1

役割

LLM が処理する情報量を数える最小単位です。

2

うれしさ

トークン数を意識すると、Context の使い方と費用を見通せます。

3

注意点

日本語は英語より同文でもトークン数が多くなることがあります。

4

どこで役立つか

長文処理や多ファイル読込で Context が詰まる前に気づけます。

5

はじめに

「1 トークン ≒ 英語 4 文字・日本語 1〜2 文字」という感覚を掴むことです。

6

深掘り先

Context Window、Prompt Engineering、料金プラン（B-50〜52）。

非エンジニアのつまずき

パケットみたいなものだとは思うけど、何の単位かが分かりづらいです。
英語と日本語で消費が違い、裏で Thinking が動くトークンもあります。
量も単価も分からず、いくらかかるかの価格感が掴めません。

私のコメント

第一印象:LLM のパケットみたいなもの。触れば必ず出てくるやつです。
良い点:「いくら使った」を測る通貨的な単位として使えます。
ダメな点:Prompt Caching も絡んで値段が読みにくいです。
誰向けか:AI を触る人なら全員押さえておきたい単位です。

関連用語

備考

日本語テキストは英語より同文でのトークン消費量が多くなる傾向があります（tiktoken の cl100k_base で「こんにちは」は 3 トークン、"hello" は 1 トークン）。

参考 https://platform.openai.com/tokenizer checked 2026-04-29

G-02·term_llm

バイブコーディング図鑑

歴史

498

TDD

ティーディーディー

Test-Driven Development の略。テストを先に書き、実装→整理のサイクルで設計を育てる手法です。

体験区分：少しだけ触った推奨読者レベル：Level 2-3

何をしてくれるか

テストを書いてから実装する順番で進めます。「失敗するテスト（Red）→ 通す最小実装（Green）→ 整理（Refactor）」を小さく繰り返し、動くコードと設計品質を同時に育てます。

どこで出会うか

AI コーディングとの組み合わせで注目されています。テストを先に書いて AI に渡すと出力をすぐ検証でき、CI/CD（H-7）と並んで登場します。

イメージ

開発フローでの位置

Red

→

Green

→

Refactor

→

繰り返し

2026.04·ready

「TDD でテストを先に書いておくと、AI が出した実装をすぐ検証できますよね。」

TDDの見方

499

この用語の見どころ

1

役割

テストを先に書き、実装の方向を固める開発手順です。

2

うれしさ

「動いている」を常に確認しながら進められます。

3

注意点

テスト設計に慣れるまで時間がかかることがあります。

4

どこで役立つか

AI 出力のコードを自動検証したい場面で有効です。

5

はじめに

Red-Green-Refactor の 3 ステップと「テストが先」の意味。

6

深掘り先

ユニットテスト、CI/CD、コードレビュー。

非エンジニアのつまずき

「TDD でやって」は賢いモデルは通じますが弱いモデルだと手こずります。

私のコメント

第一印象:一見めんどくさそうだな、というのが正直な第一印象でした
良い点:テストを書いてから実装するので、結果として確実性が上がります
ダメな点:弱いモデルだとコンテキスト圧迫でうまく回らない場面がある。
誰向けか:品質を担保したいエンジニア寄りの人向けです

関連用語

備考

AI コーディング（バイブコーディング）との組み合わせは 2024 年以降の再評価の流れを背景にしています。

参考（未記入） checked —

H-01·workflow

バイブコーディング図鑑

MCP

518

MCP

モデルコンテキストプロトコル

Model Context Protocol の略。LLM とツールをつなぐ「AI の USB-C」と呼ばれる標準規格です。

体験区分：触った推奨読者レベル：Level 2

何をしてくれるか

LLM とツールを共通方式で接続する規格で、2024 年に Anthropic が提案しました。Server／Client／Transport の 3 役で構成され、一度作れば対応 LLM から使えます。

どこで出会うか

Claude Code や Cursor の「拡張カタログ」規格です。1 つ入れるだけで GitHub 操作や社内 DB 連携ができ、MCP 前提のエージェント設計が広がっています。

イメージ

開発フローでの位置

欲しい外部連携を見つける

→

既存の MCP があるか探す

→

無ければ自作、あれば設定

→

MCP Client から呼び出して実行

2026.04·ready

「Claude Code に MCP を足せば外部ツールに横展開できますね、AI の USB-C なので。」

MCPの見方

519

この用語の見どころ

1

役割

LLM とツールをつなぐ共通コネクタです。

2

うれしさ

一度書けば、MCP 対応のどの LLM からも同じように使えます。

3

注意点

仕様とエコシステムが急成長中で、数ヶ月で状況が変わります。

4

どこで役立つか

エージェントのツール拡張、データ連携、社内システムとの橋渡し。

5

はじめに

Server／Client／Transport の 3 役と共通コネクタの発想。

6

深掘り先

MCP SDK、各種 MCP（GitHub／Playwright／Notion）、自作 MCP のテンプレ。

非エンジニアのつまずき

何の略で何の役に立つかピンと来ず、「AI の USB-C」もイメージが結びつきません
Server と Client のどちらが自分側か混乱しやすく、設定時に迷います
入れた MCP の安全性（権限・データ漏れ）の判断が難しく、追加に不安を感じます

私のコメント

第一印象:名前のキャッチーさが先行している印象です。
良い点:LLM からのソフトウェア操作が容易になります。
ダメな点:入れすぎるとコンテキストを圧迫します。
誰向けか:エージェントユースを試したい人向けです。

関連用語

備考

MCP の仕様・エコシステムは急成長中です。

参考 modelcontextprotocol.io checked 2026-04-23

I-01·mcp

バイブコーディング図鑑

MCP

520

MCP Server

エムシーピーサーバー

ツールやデータを LLM に提供する「橋の向こう側」の役割です。

体験区分：触った推奨読者レベル：Level 2

何をしてくれるか

Client のリクエストを受け、外部サービスやファイルシステムを操作して結果を返します。GitHub・Slack など連携先ごとに 1 つ用意され、LLM は Server を呼ぶだけで個別実装を意識しません。

どこで出会うか

`claude_desktop_config.json` などで MCP Server を登録するときに登場します。目的ごとに個別の Server（Filesystem MCP・GitHub MCP 等）が存在します。

イメージ

開発フローでの位置

連携したい外部サービスを決める

→

対応 MCP Server を探す

→

設定ファイルに登録する

→

MCP Client から呼び出す

→

結果が LLM に返る

2026.04·ready

「GitHub MCP は MCP Server の一種で、Client から呼び出すだけで PR 操作ができます。」

MCP Serverの見方

521

この用語の見どころ

1

役割

Client のリクエストを受け、外部サービスを操作して返す橋渡し役。

2

うれしさ

1 つ用意すれば MCP 対応のどの Client からも呼び出せます。

3

注意点

ローカル動作とリモート動作で信頼範囲が変わります。

4

どこで役立つか

ファイル操作・API 連携・DB 参照を LLM に渡したい場面。

5

はじめに

「Client を受け外部に繋ぐ橋渡し役」の 1 点が理解の核心です。

6

深掘り先

MCP Client、Filesystem MCP、GitHub MCP、MCP Transport

非エンジニアのつまずき

具体例がどちらか分かりにくいです。
ユーザー側ではなくサービス側でしょうか。
似たような単語が多くて辛いです。

私のコメント

第一印象:キャッチーな感じです。
良い点:LLM のエージェントユースが捗り、精度が上がります。
ダメな点:セキュリティ的に危ないものもあります。
誰向けか:エージェントユース向けです。

関連用語

備考

MCP Server はローカル（stdio 通信）とリモート（SSE / HTTP 通信）の両方の動作モードがあります。

参考 modelcontextprotocol.io/specification checked 2026-04-29

I-02·mcp

バイブコーディング図鑑

一般語彙

552

AGI

アーティフィシャルジェネラルインテリジェンス

Artificial General Intelligence の略。人間並みに幅広い認知タスクをこなせる AI を指す概念です。

体験区分：調査ベース推奨読者レベル：Level 2-4

何をしてくれるか

現状の AI は用途が限られた特化型です。AGI はその対義語として、文章・推論・創造・行動計画など人間の認知全般をひとつのシステムで担える状態を指します。

どこで出会うか

OpenAI がミッションに「全人類に利する AGI の構築」を掲げ、業界記事で頻繁に登場します。「AGI に到達した」と報じられるたび定義の違いから議論が起きやすい言葉です。

イメージ

開発フローでの位置

目標設定

→

ベンチマーク選定

→

モデル開発

→

達成議論

→

社会実装検討

2026.04·ready

「Altman が AGI 到達と言いますが、ベンチマークで見ると何が達成されたか気になります。」

AGIの見方

553

この用語の見どころ

1

役割

特化型 AI と区別する概念上の到達目標を示す言葉です。

2

うれしさ

AI 進化議論で「どこまで来たか」を語る共通の物差しになります。

3

注意点

統一定義がないため、「到達した」報道の意味が話者によって異なります。

4

どこで役立つか

企業のロードマップや研究目標を読み解くときの補助線になります。

5

はじめに

「特化型 AI の対義語」という位置づけを押さえれば十分です。

6

深掘り先

ASI、Singularity、ARC-AGI

非エンジニアのつまずき

定義が曖昧で、現在の AI から何がどう変わるのかをイメージしにくいです。

私のコメント

第一印象:Sam Altman 関連のニュースで初めて意識した、という印象です
良い点:究極的にはホワイトカラーの仕事を置き換えうる、という議論の出発点になります
ダメな点:定義が曖昧で、議論が「どこをゴールに置くか」次第で大きくぶれてしまいます
誰向けか:シンギュラリティや未来の働き方を議論したい人向けです

関連用語

備考

AGI の定義は話者（研究者・企業・一般メディア）によって大きく異なり、「到達した」報道が出るたびに定義の違いが争点になります。

参考（未記入） checked —

J-01·term_general

バイブコーディング図鑑

一般語彙

554

強い AI／弱い AI

つよいエーアイよわいエーアイ

Searle が 1980 年に提唱した AI の区分です。意識を持つかどうかが分かれ目になります。

体験区分：調査ベース推奨読者レベル：Level 3-5

何をしてくれるか

弱い AI は特定タスクに特化した AI で、現存する LLM を含むほぼ全部がここに入ります。強い AI は意識・自己認識を持つ AI で、現時点では実在しません。

どこで出会うか

AI 倫理や AGI（J-1）の議論で、この区分が前提として登場します。「ChatGPT は強い AI か？」という問いに、「哲学的には弱い AI の延長」と整理する軸として使われます。

イメージ

開発フローでの位置

語彙整理

→

前提共有

→

誤解解消

→

議論深掘り

→

倫理検討

2026.04·ready

「ChatGPT は弱い AI の延長で、強い AI には未到達というのが哲学的な現在地ですね。」

強い AI／弱い AIの見方

555

この用語の見どころ

1

役割

AI を「意識の有無」で二分する哲学的な分類軸です。

2

うれしさ

AGI や AI 倫理の議論を整理するための共通言語として使えます。

3

注意点

「強い」は性能の高さではなく、意識・自己認識を持つかどうかを意味します。

4

どこで役立つか

AI 倫理・Singularity・AGI を論じる際の前提共有の場面で役立ちます。

5

はじめに

弱い AI＝現存 AI、強い AI＝未到達、という大枠を押さえれば十分です。

6

深掘り先

AGI、ASI、Singularity

非エンジニアのつまずき

「強い」が性能ではなく自我の有無を指す点がズレを生みます。
「強い AI」が実現したら人の存在にも触れる議論になり、怖さを感じます。

私のコメント

第一印象:将棋などで「人より強い AI」のような意味かと思っていました
良い点:哲学的な議論や、人間の存在意義を問う議論の入り口になります
ダメな点:良い点の裏返しで、議論が抽象的になりすぎて結論が出にくくなりがちです
誰向けか:未来の AI のあり方を見据えて議論したい人向けです

関連用語

備考

「強い AI」「弱い AI」は性能の強弱ではなく哲学的な意識論の文脈であることを誌面で強調します。

参考（未記入） checked —

J-02·term_general

バイブコーディング図鑑