Antigravityを使っていると、こんな経験はありませんか？
作業に集中しているタイミングで、突然AIが止まってしまう…。
これはかなりストレスを感じる瞬間ですよね 😅
実はこの原因の多くはAIのトークン消費量にあります。
この記事では
✨ AIのトークンがすぐ消える理由
✨ Antigravityでの改善方法
✨ ルール・スキル構造の最適化方法
を分かりやすく解説します。
AIは毎回「設定ファイル」を読み直している 📚
AntigravityやCursorなどのAI開発環境では、チャットのたびにAIが以下の情報を読み込みます。
主に読み込まれるのはこのあたりです。
📁 プロジェクトルール
📁 スキル定義
📁 過去の会話履歴
📁 設定ファイル
例えば
.agent/rules/
.agent/skills/このフォルダの内容は
会話のたびにAIへ送信されます。
つまり設定が多いと
AIは毎回📚 分厚い説明書を読んでから回答している状態になります。
これが
⚠️ トークン消費の最大原因
です。
トークンを節約する基本戦略 🧠
ルールファイルを短くする ✂️
AIにとっては長い文章 = 不要な情報です。
意味は同じですが、トークン消費はかなり減ります。
理想は
です。
スキル説明を分離する 🗂
スキルファイルも同じです。
多くのプロジェクトではSKILL.mdの中に
手順
API説明
詳細情報
すべてが書かれています。
しかしAIに必要なのは
✨ 概要だけ
この構造にすることで
通常
➡ 概要だけ読む
必要なとき
➡ 詳細を読む
という効率的な動きになります。
Antigravityの構造をAIに分析させる方法 🧠
実はXで、
Antigravityプロジェクトの構造を分析してトークン効率を改善するプロンプトが紹介されていました。
参考投稿はこちらです 👇
https://x.com/ritsuto_NFT_Vt/status/2028763127740023010
Antigravity最適化プロンプト 🧠
私のAntigravityプロジェクト内の「ルールファイル」と「スキルファイル」を分析し、トークン効率を改善するリファクタリングプランを提案してください。
分析対象
1. ルールファイル: `.agent/rules/` 配下の全 `.md` ファイル
2. スキルファイル: `.agent/skills/` 配下の各スキルの `SKILL.md`
分析の観点
ルールファイル
- 重複: 同じ意味のルールが複数箇所に書かれていないか
- 冗長: 1つのルールに説明が長すぎないか（目安: 1ルール=1行）
- 余白: 不要な空行、コメント、装飾が多くないか
- 分離: 「常に必要なルール」と「特定の状況でだけ必要なルール」が混在していないか
スキルファイル (SKILL.md)
- 肥大化: SKILL.md 自体に詳細な手順やAPIリファレンスが埋め込まれていないか
- 分離不足: 「概要（毎回読む）」と「詳細（必要な時だけ読む）」が分離されていない
- 参照構造: サブファイル（resources/, references/）への委譲が適切か
- 不要フィールド: 使われていないセクションや古い情報が残っていないかこのプロンプトをAIに入力すると
📊 ルールファイル
📊 スキルファイル
を分析して、
トークン効率の改善プランを提案してくれます。
🔍 プロジェクト構造
🔍 トークン消費
🔍 改善方法
を分析してくれます。
AIモデルを使い分けるとさらに効率化できる 🚀
トークン節約と合わせて重要なのが
✨ AIモデルの使い分けです。
AIにはそれぞれ得意分野があります。
AIモデルの使い分けを理解する 🤖🧠
AIを使っていると、こんな疑問が出てきます。
どのAIを使えばいいの？
GeminiとClaudeは何が違う？
Thinkingって何？
ここでは、主要な4つのAIモデルを軸に、分かりやすく整理していきます。
今回紹介するのはこの4つです。
📌 Gemini Flash
📌 Gemini Pro（LOW / HIGH）
📌 Claude Sonnet Thinking
📌 Claude Opus Thinking
それぞれ役割が違います。
4つのAIモデルを軸で分けて理解する 🗺️
■Gemini Flash ⚡
どんな立ち位置か
Gemini Flashは、GoogleのAIモデルの中でも
✨ 速度とコスト効率を重視したモデル
こういう時に使う
例えばこんな場面です。
100個のメモを整理したい
長い議事録を要約したい
コードベース全体をざっと確認したい
まず記事の構成案だけ作りたい
ひとことで
⚡ 速さ重視の下ごしらえ担当
■Gemini Pro（LOW / HIGH）🧠
どんな立ち位置か
Gemini Proは
✨ 複雑な推論や問題解決に強いモデル
🟡LOWが向いていること
少し考える必要がある整理
中規模のコード修正
仕様の比較
文章の再構成
軽めの設計相談
🔴HIGHが向いていること
設計の分岐判断
複雑なバグ原因の推定
多段階の推論
複数資料をまたぐ分析
難しい仕様整理
ひとことで
Gemini Pro LOW
👉 実務向け軽量推論
Gemini Pro HIGH
👉 難問向け深掘り推論
■Claude Sonnet Thinking 💻
どんな立ち位置か
Claude Sonnetは
✨ 速度と知能のバランス型
どういう感覚で使うか
これは
👨💻 仕事がうまい万能実務家
です。
速さもあり
丁寧さもあり
破綻しにくい
バランスがとても良いAIです。
Antigravity作業との相性
実際の開発では
これが主力になることが多いです。
例えば
📁 ルール整理
📝 ブログ構成
📱 アプリ設計
🐞 バグ修正
🧠 プロンプト設計
などを安定してこなします。
ひとことで
💡 迷ったらこれになりやすい主力モデル
■Claude Opus Thinking 🧠🔥
どんな立ち位置か
Claude Opusは
✨ Anthropicの最上位モデル
どういう感覚で使うか
これは
🚜 重戦車タイプ
です。
非常に強いですが
いつも使う必要はありません。
使いどころ
例えばこんな場面です。
GeminiProやSonnetで詰まった
仕様が複雑すぎる
一発で質を上げたい
全体設計を見直したい
ひとことで
🔥 ここぞの難問用エース
実践的なAIの使い分け 🎯
実際の作業では、この流れが一番使いやすいです。
①情報整理フェーズ
⚡ Gemini Flash
長文を読む
情報を分類する
ざっくり整理する
②普段の制作・実装
💻 Claude Sonnet Thinking
コード
設計
記事作成
実務作業
③少し重い判断
🧠 Gemini Pro LOW
Flashでは浅い
でも重すぎるAIは使いたくない
そんな時の
中間役
です。
④かなり重い問題
🧠 Gemini Pro HIGH
または
🔥 Claude Opus Thinking
使う場面
深い推論
複雑な設計
難しいバグ
多条件の整理
どのAIが一番賢いのか問題 🔍
これはよく聞かれます。
ただし答えは
❌ 単純なランキングはない
Google系
🧠 Gemini Pro
👉 推論が強い
⚡ Gemini Flash
👉 速度とコスト効率
Anthropic系
🔥 Claude Opus
👉 最上位モデル
⚖️ Claude Sonnet
👉 バランス型
覚え方はこれだけでOK 🪄
もし迷ったら、こう覚えてください。
まとめ 🤖
AIを長く快適に使うためには
次の3つが重要です。
トークン効率を最適化しながら、
AIを最大限活用していきましょう 🚀
