Question 1

コーディングエージェントからローカルLLMにタスクを移譲する目的と発想は何か？

Accepted Answer

Claude Code等のフロンティアモデルのAPI利用料（課金）が高騰しているため、コスト削減を目的とする 全ての作業を高価な有料モデルに任せるのではなく、機械的で検証しやすい簡単なタスクをサブエージェントに逃がす 軽量なAPIモデル（Haiku等）の代わりに、無料で動かせる手元のローカルLLMをワーカーとして活用する

Question 2

自作したローカルLLMエージェント「LocalRig」の制御や工夫とは何か？

Accepted Answer

Ollama上で動くQwen（27Bモデル）を、Claude Codeのサブエージェントとして動かせるようにした ローカルLLMがClaude Codeと同様に、ツールコールや編集ファイルのハンドリングを行えるようにした Reasoningモデル特有の、思考（Thinking）プロセスが空転して異常に長くなってしまう現象を制御するハーネスを構築した

Question 3

タスクをローカルLLMに移譲した際、コストが逆に高くなってしまうのはなぜか？

Accepted Answer

タスク移譲時にClaude Code側で指示書を作成・指示を出すための「オーケストレーション費（固定費）」が発生する READMEの同期のような数ターンで終わる軽いタスクの場合、削減できる実装費よりも、移譲のための固定費が上回ってしまう 単純に「簡単なタスクなら移譲して安くなる」わけではなく、タスク規模と固定費の「いい塩梅」を見極める必要がある

Question 4

ローカルLLMへの移譲における「品質リスク」とはどのようなものか？

Accepted Answer

ローカルLLM自身が指示を見落としたり、文言を若干間違えたりして成果物のクオリティを下げるリスク 呼び出し元（Claude Code）が、ローカルLLMの軽微なミス（文字列の類似など）を見抜けずに「合格」と判断してしまう誤判定リスク ワーカーのミスだけでなく、親エージェント側の「検証プロセス」自体の精度が全体の成果物品質を左右する

Question 5

四十ファイル規模の重い移行タスクで、移譲した方がコストが高くなったのはなぜか？

Accepted Answer

Claude Code自身が賢いため、タスクを一括で処理するための一次的なPythonスクリプト（正規表現など）を自作して処理したため 機械的な作業であれば、タスク規模が増えても線形にAPIコストが増えるわけではなく、スクリプト化によるショートカットが効く 移譲が効く範囲には、固定費で負ける「下限」と、親側が自作スクリプトで解決してしまう「上限（壁）」が存在する

Podcast振り返り

#4 Claude Code からローカル LLM に仕事を委譲するとトークンは節約できるのか