Claude Codeが、AIアプリの「テスト作り」と「1歩ずつ改良」を手伝う

Anthropic が、Claude Code に最初から入っている「claude-api」スキルに、新しいサブコマンド「build-eval」と「hillclimb」を足しました。build-eval は自分の AI アプリ用のテスト（問題と採点のセット）を相談しながら作り、hillclimb はテストの点を見ながら、プロンプトやモデルの設定を1つずつ変えて、良くなった変更だけ残します。コマンドに追加の料金はありませんが、テストを回すたびにアプリの API 代がかかります。

30 sec

30秒でわかる、この速報

いつ: 2026年9月28日（米国時間）に Anthropic の開発者向けブログ（claude.dev）で紹介。日本では9月29日に gihyo.jp が報じた
だれが: Anthropic（Claude を作っている会社）
なにを: Claude Code に同梱の claude-api スキルに、2つのサブコマンドを追加。/claude-api build-eval は、自分の AI アプリ用の「テスト（問題と採点のセット）」を、相談しながら作る。/claude-api hillclimb は、そのテストの点を見ながら、プロンプトやモデルの設定を1つずつ変えて、良くなった変更だけ残す
どこで使える: Claude Code（ターミナル・IDE の拡張・デスクトップアプリの「コード」）。Claude を組みこんだアプリを作っている人向け（Anthropic の API のほか、Claude Platform on AWS・Amazon Bedrock・Google Cloud の Vertex AI・Microsoft Foundry 経由も。OpenAI など、ほかの会社の AI のコードは対象外）
ことば: Claude Code は、コードを読み書きする Claude の開発道具。スキルは、Claude が読む手順書。サブコマンドは、/claude-api のうしろに付けて「どの仕事か」を指定する名前
いくら: コマンドに追加の料金はない。ただし、テストで自分のアプリを動かすたびに、アプリが呼ぶ Claude API の料金がかかる（月額プランとは別の、使った分だけの料金）。Claude Code 自体は有料プラン（Pro から）か API キーで使う
なにが変わる: AI アプリの改良が「何件か見て、良さそう」から「テストの点で決める。練習に使っていない問題でも上がったか確かめる」に変わる

Points

おさえるところ

使うのは、Claude API などで Claude を組みこんだアプリを作っている人。チャットで Claude を使うだけの人の画面は、何も変わらない
大事な所では必ず止まって承認を待つ。最初のテストは15〜100件が目安。本番の記録を使う前には、保存しておける期間と個人情報を先に聞く
改良は1回に1つ。練習用（train）の点が上がっても確認用（test）が変わらなければ、覚えただけと疑って戻す。点が下がっても戻す
公式の例: 問い合わせのテスト44件で、Claude Opus 4.8（1件4.6セント）から Claude Sonnet 5（effort は low・約1セント）へ。取っておいた14件では78.6%→90.5%（Anthropic 自身の数字）
お金は2か所。Claude Code を動かす分と、テストでアプリと採点役の AI を動かす分（Claude API の使った分だけ）。有料プランに Claude API は含まれない
パソコンに ANTHROPIC_API_KEY が入っていると、Claude Code はサブスクではなく API キーの料金で動く。hillclimb はファイルを直接書きかえるので、先に Git にコミットする

Unknown