まず押さえたいこと：検証負荷の原因は「厳しすぎるテスト」だけではない

BMAD V4.2の検証コストを下げるなら、最初に整理すべきなのはテストの合格基準ではなく、環境準備・テスト実行・証拠の記録がどのタイミングで繰り返されているかだ。

今回の監査で見えているのは、段階の細分化、テスト入口に含まれる環境準備、詳細ログの大量出力、実行記録の反復照合が、合わさって負荷を押し上げている可能性だ。一方で、現時点の証拠だけから「毎回、全テスト行列を実行している」「テストのたびに約198 MBをダウンロードしている」とまでは断定できない。

ログが示すこと、示さないこと

全体ルールは、各段階で関連する検証を行うよう求めている。工程のルールも、変更範囲に応じて検証を選び、現在のホスト環境または許可されたコンテナを使う形だ。少なくとも、全体ルールだけを根拠に「すべてのパッチでフルのコンテナ行列が必須」とは言えない。

より強い「変更のたびに物理検証」という条件は、過去のプロジェクト計画に見られる。したがって、問題を全体ルールのせいと決めつけるより、段階の粒度や環境準備の扱いが定まらないまま、個別計画で検証頻度が強化されたと捉えるのが妥当だ。

ログでは、テストイベントの開始前に14個のパッケージを導入した記録がある。導入処理の末尾には31パッケージ、合計198.1 MiBという表示もあるが、これは今回のダウンロード量や新たに展開した量が198.1 MiBだったことを意味しない。

時刻の記録では、操作開始からテストイベントまで約5.3秒、パッケージ単位のテスト実行は約2.72秒、全体は約8秒だった。ただし、準備時間にインストール、コンテナ起動、コンパイル、キャッシュ確認のどれがどれだけ含まれるかは、現状の記録から切り分けられない。

ログのノイズも、パッケージ導入だけではない。テストの開始・成功イベントが重複して記録され、書き出されたログには約76,000文字分の省略表示も含まれている。導入ログだけを静かにしても、テスト結果の大量出力は残る。一方、チャットの書き出しや画面表示だけを見て、それらすべてがモデルへの入力に含まれた、あるいは課金対象のトークンになったと推定することもできない。

過去の記録には、コンパイルとテストを分けた複数の呼び出しや、異なるコンテナ識別情報が残っている。しかし、実際のテスト入口で使われたGoのコマンドには、ビルド準備も関わりうる。隔離スクリプトの本文が確認できていないため、インストールがスクリプト内、イメージの入口、別のラッパーのどこで起きたかは未確定だ。確認できるのは「あるログで導入が観測された」ことと「複数の呼び出し記録がある」ことまでで、「すべての実行で導入が繰り返された」とはまだ言えない。

四つのライフサイクルを分ける

ルール設計では、次の異なるものが混同されやすい。

1. 隔離：テストがソース、ホスト、次のテストに影響しないようにする。
2. ツールチェーン：コンパイラーやシステムライブラリーなど、環境側の依存関係を用意する。
3. 検証：今回の変更によって、どの証拠を取り直す必要があるか判断する。
4. 記録：結果や進捗を保存する。

とくに、検証結果を記録したことで文書が更新され、その更新を理由に同じ機能検証を再度求める、といった循環には注意が必要だ。過去の計画には、更新後の文書との結び付きを再確認する手順や、記録後の再検証も含まれている。これは改ざん防止に役立つ一方、入力条件と実行結果を分けなければ、記録作業自体が検証のやり直しを誘発しかねない。現時点で無限ループが起きたと確認できているわけではないが、仕組み上のリスクとして扱う価値がある。

大事なのは、不変のツール環境を再利用することと、汚れたテスト環境を使い回すことは別だという点だ。テストごとに一時的な作業領域を作り直しても、ツールチェーンのインストールまで毎回やり直す必要はない。

「完全に安全」といった曖昧な表現も、検証可能な境界に置き換えたい。たとえば、外部ネットワークと許可されていない永続書き込みは禁止しつつ、制限された一時領域や指定済みの証拠出力は認める。Goの競合検出も、実行した経路で見つかったデータ競合を報告するものであり、プログラムに競合が一切ないことを証明するものではない。9

隔離を維持する三層モデル

改善案は、検証を「環境」「変更ごとの回帰」「段階ゲート」の三層に分けることだ。これは提案であり、すでに実装された機能ではない。

L0：再利用する実行環境

ツールチェーン、システムライブラリー、許可済み依存関係をあらかじめ用意し、イメージの識別情報やツールのバージョンを記録する。テスト入口から、システムパッケージのインストール、イメージの取得、依存関係のオンライン解決を行わない。

必要な環境がなければ「環境未準備」として停止し、テスト中にネットワークへ接続して補わない。環境の準備は独立した作業として許可を取り、所要時間も別に記録する。テストではソースを読み取り専用にし、外部ネットワークを閉じ、権限と一時領域を必要最小限にする。キャッシュはプロジェクトやツールチェーン、プラットフォーム、信頼境界ごとに分ける。キャッシュが使えたことは、テスト合格の証拠にはならない。

L1：意味のある変更単位で回す軽量検証

実装とテストが一つの振る舞いとしてまとまった段階で、関連するユニットテスト、モジュールテスト、必要な競合検証を行う。「ファイルを何個変えたか」ではなく、変更の意味や影響範囲で検証を選ぶ。

ただし、ここでいう「軽量」は隔離を外すことではない。過去の許可範囲がオフラインの隔離コンテナ検証に限られているなら、それを標準でホスト実行に切り替えてはならない。基本は、同じセキュリティ条件を保った軽量な隔離実行だ。

L2：段階の区切りで行う最終ゲート

段階の完了時や交付前には、候補を固定したうえで、必要な検証一式を実行する。メモリー使用量（RSS）の計測は計測用の挿入処理を含まない独立プロセスで行い、競合検出の結果とリソース計測の結果は分けて記録する。

候補のソース、テスト、依存関係、実行環境、実行設定のいずれかが変われば、以前の結果を無条件に新しい候補へ流用しない。変更の影響を受けた部分だけを再実行できるのは、残りの証拠が引き続き有効だと説明できる場合に限る。説明できなければ検証範囲を広げる。

何が変わったら、どこまで検証するか

• 同じ振る舞いの実装とテストをまとめたら、まずL1を一度実行する。
• ロック、並行アクセス、キャンセル、リソース解放を変えたら、該当する競合検出やライフサイクル検証をL1に追加する。
• モジュール間の契約や共有依存関係を変えたら、影響する呼び出し経路まで対象を広げる。
• ツールチェーン、システム依存、隔離設定が変わったら、L0を再確認し、影響する証拠を見直す。テスト中の一時インストールで済ませない。
• 段階の候補を固定したら、L2の必須項目を一度実行する。中間のパッチごとに全行列を繰り返さない。
• 実行記録や進捗文だけを更新した場合は、記録の完全性や文書との対応を確認する。変更がない機能のテストやRSS計測まで自動でやり直さない。

「意味のある変更単位」は、独立して検証できる振る舞いとそのテストを指す。精密な編集が複数あっても一単位になりうる。反対に、検証せずに変更を無制限に積み上げるのも避ける。次の変更が先行する振る舞いに依存するなら、その前にL1を通す。

ルールに加えたい実務上の契約

全体ルールでは、物理検証を「許可された環境で実際に実行し、確認可能な結果を残すこと」と定義し直す。そのうえで、変更単位と段階境界、必要な検証、範囲を広げる条件を事前に決める。環境準備、コンパイル、テスト実行、後片付けは、それぞれ入力・予算・結果を分けて扱い、テスト入口に隠れたインストールを許さない。

失敗も一括りにしない。環境不足、コンパイル失敗、テスト失敗、タイムアウト、テスト未検出、証拠の破損、後片付けの失敗を区別する。必須項目が一つでも不合格なら段階を進めないが、原因の調査と修正まで禁止するわけではない。同じ失敗コマンドの反復、アサーションの削除、安全条件の緩和で見かけ上の合格を作らないことも明記する。

コンパイルと実行の予算を厳密に分けるなら、コンパイル工程が識別可能なテスト成果物を作り、テスト工程がそれを使う必要がある。工程を分けたつもりでも、テスト時に暗黙のビルドへ戻るなら、ライフサイクルは分離できていない。タイムアウトも、初期化や終了待機を含めた外側の総予算が、各工程の実時間を覆っているか確認する。

ログは原本とモデル向け要約を分ける

詳細ログは、保存期間と容量を定めた成果物として保管し、通常は全文を会話へ戻さない。成功時は2 KiB以内、失敗時は8 KiB以内を要約の初期目安にする案がある。ただし、この数値は提案上の予算であり、業界標準でも、今回のログで最適と実証された値でもない。

要約には検証の識別情報、実行層、検出数と完了数、失敗・スキップの状況、工程別の所要時間、終了状態、後片付けの結果を含める。失敗時は最初の根本原因、必要なスタック情報、欠落項目、原本ログの場所を残し、上限を超えたら省略したことを明示する。構造化されたテストイベントは、単に「error」と書かれた行を削るのではなく、解析・集計してまとめる。

終了イベントの欠落、解析エラー、テスト検出数ゼロ、理由の説明がないスキップ、成果物の利用不能があれば、終了コードがゼロでも合格とはしない。出力の制限は、ツール結果がモデルの会話履歴に入る前に行う。画面上でログを折りたたむだけでは代替にならない。

導入はルールから。隔離解除を近道にしない

実施するなら、まず全体ルールと計画テンプレートにL0・L1・L2、変更単位、出力予算、証拠が無効になる条件を明記する。Roo向けと標準のBMADルールで解釈がずれないよう、両方の入口も確認する。次に、環境準備とテストを区別できる実行器と、構造化された要約を整える。導入ログを隠すだけで「最適化済み」としない。

最後に、小規模な対照検証を行う。複数の変更単位を同じ環境で連続して実行し、テスト段階でシステムパッケージが導入されないこと、通常の記録更新でL2が再実行されないこと、ログ要約に上限があることを確かめる。同時に、意図的なテスト失敗、検出数ゼロ、タイムアウト、後片付け失敗が、きちんと段階を止めることも試す。

今回の監査は読み取り専用の提案であり、ルールファイルの変更、テストやデプロイの実行、計画の確定・アーカイブは行っていない。結論は明快だ。まず重複した環境準備と過剰な出力を減らし、その後に検証頻度を見直す。隔離や重要な競合検証を先に削るのではなく、実行方法とルールの設計を整えることが、コストと安全性を両立させる近道だ。

まず押さえたいこと：検証負荷の原因は「厳しすぎるテスト」だけではない

BMAD V4.2の検証コストを下げるなら、最初に整理すべきなのはテストの合格基準ではなく、環境準備・テスト実行・証拠の記録がどのタイミングで繰り返されているかだ。

今回の監査で見えているのは、段階の細分化、テスト入口に含まれる環境準備、詳細ログの大量出力、実行記録の反復照合が、合わさって負荷を押し上げている可能性だ。一方で、現時点の証拠だけから「毎回、全テスト行列を実行している」「テストのたびに約198 MBをダウンロードしている」とまでは断定できない。

ログが示すこと、示さないこと

全体ルールは、各段階で関連する検証を行うよう求めている。工程のルールも、変更範囲に応じて検証を選び、現在のホスト環境または許可されたコンテナを使う形だ。少なくとも、全体ルールだけを根拠に「すべてのパッチでフルのコンテナ行列が必須」とは言えない。

より強い「変更のたびに物理検証」という条件は、過去のプロジェクト計画に見られる。したがって、問題を全体ルールのせいと決めつけるより、段階の粒度や環境準備の扱いが定まらないまま、個別計画で検証頻度が強化されたと捉えるのが妥当だ。

ログでは、テストイベントの開始前に14個のパッケージを導入した記録がある。導入処理の末尾には31パッケージ、合計198.1 MiBという表示もあるが、これは今回のダウンロード量や新たに展開した量が198.1 MiBだったことを意味しない。

時刻の記録では、操作開始からテストイベントまで約5.3秒、パッケージ単位のテスト実行は約2.72秒、全体は約8秒だった。ただし、準備時間にインストール、コンテナ起動、コンパイル、キャッシュ確認のどれがどれだけ含まれるかは、現状の記録から切り分けられない。

ログのノイズも、パッケージ導入だけではない。テストの開始・成功イベントが重複して記録され、書き出されたログには約76,000文字分の省略表示も含まれている。導入ログだけを静かにしても、テスト結果の大量出力は残る。一方、チャットの書き出しや画面表示だけを見て、それらすべてがモデルへの入力に含まれた、あるいは課金対象のトークンになったと推定することもできない。

過去の記録には、コンパイルとテストを分けた複数の呼び出しや、異なるコンテナ識別情報が残っている。しかし、実際のテスト入口で使われたGoのコマンドには、ビルド準備も関わりうる。隔離スクリプトの本文が確認できていないため、インストールがスクリプト内、イメージの入口、別のラッパーのどこで起きたかは未確定だ。確認できるのは「あるログで導入が観測された」ことと「複数の呼び出し記録がある」ことまでで、「すべての実行で導入が繰り返された」とはまだ言えない。

四つのライフサイクルを分ける

ルール設計では、次の異なるものが混同されやすい。

1. 隔離：テストがソース、ホスト、次のテストに影響しないようにする。
2. ツールチェーン：コンパイラーやシステムライブラリーなど、環境側の依存関係を用意する。
3. 検証：今回の変更によって、どの証拠を取り直す必要があるか判断する。
4. 記録：結果や進捗を保存する。

とくに、検証結果を記録したことで文書が更新され、その更新を理由に同じ機能検証を再度求める、といった循環には注意が必要だ。過去の計画には、更新後の文書との結び付きを再確認する手順や、記録後の再検証も含まれている。これは改ざん防止に役立つ一方、入力条件と実行結果を分けなければ、記録作業自体が検証のやり直しを誘発しかねない。現時点で無限ループが起きたと確認できているわけではないが、仕組み上のリスクとして扱う価値がある。

大事なのは、不変のツール環境を再利用することと、汚れたテスト環境を使い回すことは別だという点だ。テストごとに一時的な作業領域を作り直しても、ツールチェーンのインストールまで毎回やり直す必要はない。

「完全に安全」といった曖昧な表現も、検証可能な境界に置き換えたい。たとえば、外部ネットワークと許可されていない永続書き込みは禁止しつつ、制限された一時領域や指定済みの証拠出力は認める。Goの競合検出も、実行した経路で見つかったデータ競合を報告するものであり、プログラムに競合が一切ないことを証明するものではない。9

隔離を維持する三層モデル

改善案は、検証を「環境」「変更ごとの回帰」「段階ゲート」の三層に分けることだ。これは提案であり、すでに実装された機能ではない。

L0：再利用する実行環境

ツールチェーン、システムライブラリー、許可済み依存関係をあらかじめ用意し、イメージの識別情報やツールのバージョンを記録する。テスト入口から、システムパッケージのインストール、イメージの取得、依存関係のオンライン解決を行わない。

必要な環境がなければ「環境未準備」として停止し、テスト中にネットワークへ接続して補わない。環境の準備は独立した作業として許可を取り、所要時間も別に記録する。テストではソースを読み取り専用にし、外部ネットワークを閉じ、権限と一時領域を必要最小限にする。キャッシュはプロジェクトやツールチェーン、プラットフォーム、信頼境界ごとに分ける。キャッシュが使えたことは、テスト合格の証拠にはならない。

L1：意味のある変更単位で回す軽量検証

実装とテストが一つの振る舞いとしてまとまった段階で、関連するユニットテスト、モジュールテスト、必要な競合検証を行う。「ファイルを何個変えたか」ではなく、変更の意味や影響範囲で検証を選ぶ。

ただし、ここでいう「軽量」は隔離を外すことではない。過去の許可範囲がオフラインの隔離コンテナ検証に限られているなら、それを標準でホスト実行に切り替えてはならない。基本は、同じセキュリティ条件を保った軽量な隔離実行だ。

L2：段階の区切りで行う最終ゲート

段階の完了時や交付前には、候補を固定したうえで、必要な検証一式を実行する。メモリー使用量（RSS）の計測は計測用の挿入処理を含まない独立プロセスで行い、競合検出の結果とリソース計測の結果は分けて記録する。

候補のソース、テスト、依存関係、実行環境、実行設定のいずれかが変われば、以前の結果を無条件に新しい候補へ流用しない。変更の影響を受けた部分だけを再実行できるのは、残りの証拠が引き続き有効だと説明できる場合に限る。説明できなければ検証範囲を広げる。

何が変わったら、どこまで検証するか

• 同じ振る舞いの実装とテストをまとめたら、まずL1を一度実行する。
• ロック、並行アクセス、キャンセル、リソース解放を変えたら、該当する競合検出やライフサイクル検証をL1に追加する。
• モジュール間の契約や共有依存関係を変えたら、影響する呼び出し経路まで対象を広げる。
• ツールチェーン、システム依存、隔離設定が変わったら、L0を再確認し、影響する証拠を見直す。テスト中の一時インストールで済ませない。
• 段階の候補を固定したら、L2の必須項目を一度実行する。中間のパッチごとに全行列を繰り返さない。
• 実行記録や進捗文だけを更新した場合は、記録の完全性や文書との対応を確認する。変更がない機能のテストやRSS計測まで自動でやり直さない。

「意味のある変更単位」は、独立して検証できる振る舞いとそのテストを指す。精密な編集が複数あっても一単位になりうる。反対に、検証せずに変更を無制限に積み上げるのも避ける。次の変更が先行する振る舞いに依存するなら、その前にL1を通す。

ルールに加えたい実務上の契約

全体ルールでは、物理検証を「許可された環境で実際に実行し、確認可能な結果を残すこと」と定義し直す。そのうえで、変更単位と段階境界、必要な検証、範囲を広げる条件を事前に決める。環境準備、コンパイル、テスト実行、後片付けは、それぞれ入力・予算・結果を分けて扱い、テスト入口に隠れたインストールを許さない。

失敗も一括りにしない。環境不足、コンパイル失敗、テスト失敗、タイムアウト、テスト未検出、証拠の破損、後片付けの失敗を区別する。必須項目が一つでも不合格なら段階を進めないが、原因の調査と修正まで禁止するわけではない。同じ失敗コマンドの反復、アサーションの削除、安全条件の緩和で見かけ上の合格を作らないことも明記する。

コンパイルと実行の予算を厳密に分けるなら、コンパイル工程が識別可能なテスト成果物を作り、テスト工程がそれを使う必要がある。工程を分けたつもりでも、テスト時に暗黙のビルドへ戻るなら、ライフサイクルは分離できていない。タイムアウトも、初期化や終了待機を含めた外側の総予算が、各工程の実時間を覆っているか確認する。

ログは原本とモデル向け要約を分ける

詳細ログは、保存期間と容量を定めた成果物として保管し、通常は全文を会話へ戻さない。成功時は2 KiB以内、失敗時は8 KiB以内を要約の初期目安にする案がある。ただし、この数値は提案上の予算であり、業界標準でも、今回のログで最適と実証された値でもない。

要約には検証の識別情報、実行層、検出数と完了数、失敗・スキップの状況、工程別の所要時間、終了状態、後片付けの結果を含める。失敗時は最初の根本原因、必要なスタック情報、欠落項目、原本ログの場所を残し、上限を超えたら省略したことを明示する。構造化されたテストイベントは、単に「error」と書かれた行を削るのではなく、解析・集計してまとめる。

終了イベントの欠落、解析エラー、テスト検出数ゼロ、理由の説明がないスキップ、成果物の利用不能があれば、終了コードがゼロでも合格とはしない。出力の制限は、ツール結果がモデルの会話履歴に入る前に行う。画面上でログを折りたたむだけでは代替にならない。

導入はルールから。隔離解除を近道にしない

実施するなら、まず全体ルールと計画テンプレートにL0・L1・L2、変更単位、出力予算、証拠が無効になる条件を明記する。Roo向けと標準のBMADルールで解釈がずれないよう、両方の入口も確認する。次に、環境準備とテストを区別できる実行器と、構造化された要約を整える。導入ログを隠すだけで「最適化済み」としない。

最後に、小規模な対照検証を行う。複数の変更単位を同じ環境で連続して実行し、テスト段階でシステムパッケージが導入されないこと、通常の記録更新でL2が再実行されないこと、ログ要約に上限があることを確かめる。同時に、意図的なテスト失敗、検出数ゼロ、タイムアウト、後片付け失敗が、きちんと段階を止めることも試す。

今回の監査は読み取り専用の提案であり、ルールファイルの変更、テストやデプロイの実行、計画の確定・アーカイブは行っていない。結論は明快だ。まず重複した環境準備と過剰な出力を減らし、その後に検証頻度を見直す。隔離や重要な競合検証を先に削るのではなく、実行方法とルールの設計を整えることが、コストと安全性を両立させる近道だ。