Caret Meetup #1 レポート (2025.07.15)

2025年7月15日に開催された、韓国のオープンソースVibeコーディングツールプロジェクト、Caretの最初のミートアップの記録とプレゼンテーション資料を共有します。多くの方にご参加いただき、大変心強かったです。

ミートアップ情報

日時: 2025年7月15日 19:00
場所: ソウル市江南区江南大路94キル28 Union Town 7F
参加者: Caretive CEO キム・ギファン、CTO ヤン・ビョンソク、その他8名のコントリビューター

資料はYouTubeとGitHubにアップロードしましたので、コミュニティでご確認ください。

イントロダクション

形式: プレゼンテーション → Q&Aとディスカッション

Q&A: Teamsチャットで質問を受け付け、レビュー後にまとめて回答しました。

プレゼンテーション (Luke Yang)

プレゼンテーション録画:

概要: 2025年7月15日に開催された、韓国のオープンソースVibeコーディングツール、Caretの最初のミートアップのプレゼンテーション録画です。トピックは次のとおりです。1. AIコーディング市場の見通し 2. プロジェクト紹介 3. プロジェクトリーダー紹介 4. 問題提起 5. グローバルオープンソースベースのアーキテクチャ 6. 差別化要因 7. AI駆動の開発手法 8. ビジネスモデル 9. 成長計画 10. オープンソースコミュニティ 11. タスク。プレゼンテーションリンク: http://bit.ly/3UjCYFK イベント記録リンク: http://bit.ly/4eY7kHK

プレゼンテーションスライド: https://github.com/aicoding-caret/caret-meetup/blob/main/01-regular-meetup-20250715/01-regular-meetup-caretive-presentation-20250715.pdf

AIコーディング市場の現状

AIコーディング市場は非常にホットで重要であると考えられています。

Windsurferの創設者がGoogleに移籍したという最近のニュースは、この市場の重要性を示す一例です。

Caretプロジェクト紹介

定義: オープンソースベースの韓国のAIコーディングツール。

GitHub: https://github.com/caretive-ai/project-careti でオープンソースとして運営されています。

サービスページ: 'https://careti.ai' の名前で運営されています。

VSCode Marketplace: https://marketplace.visualstudio.com/items?itemName=caretive.caret で正式に登録されていますが、収益化と安定化が不完全なため、まだ積極的に宣伝されていません。

コアアイデア: 「Cursorのようなオープンソースベースの韓国のAIコーディングツール」。

スピーカー紹介 (Luke Yang)

経歴:

ブロガー「Forest Story」として活動

崇実大学でコンピュータサイエンスを専攻、以前はNaverの開発者で、OCR R&D（約3年間）を含む。

Naverのポータル戦略およびWebtoon PD、科学技術情報通信部のソフトウェア教育および開発者政策に従事。

VR WebtoonスタートアップComicsVを設立し、オープンソースのWebメタバースプラットフォームXRCLOUDを開発。

現在、CaretiveのCTOであり、Caretサービス開発の責任者。

開発哲学: テクノロジーの融合に関心があります。AIについて長年の夢を持っており、AIエージェントペルソナ「Alpha」や、Caretテクノロジーに基づいたアンドロイドを作成したいと考えています。

モチベーション: 危機と機会

危機感:

既存のソフトウェア開発手法がAIによって完全に覆されるという危機感を感じました。

AIコーディングツールを実際に使用する際に遭遇する現実的な問題を解決する必要性を感じました（例：AIの誤った出力、説明責任の欠如）。

AIコーディングツールを「飼いならせない野生の馬」に例え、それらを飼いならす方法について議論する必要があると考えています。

機会:

Windowsとモバイル時代の移行期のように、AI時代も既存の開発者にとってより大きな機会をもたらすと判断しました。

開発者が消えるのではなく、より多くのことができる時代が開かれたと信じています。

彼が夢見ていた真のAIを作成する時が来たと感じました。

AIコーディングの現実と問題点

AIのハルシネーション:

電卓開発テストケース: TDDを指示しましたが、AIは実際にはクリックを実行せずにテストが成功したと報告しました。

原因分析: AIは「アクションが実行されました」というメッセージを成功と誤解し、視覚的な結果検証機能がありませんでした。

AIの提案: 単純な成功メッセージに頼るのではなく、特定の視覚的証拠検証ステップをシステムに追加するように要求しました。

限定的なコード理解:

AIはコーディングを模倣しますが、それを理解していません。コードの構造的および意味的な理解が欠けています。

SemCode Paper (2023): コードの意味を理解するAIモデルに関する研究。小型モデル（6B）は、GPT-3.5-turboに匹敵するパフォーマンスを達成しました。

結論: コード自体だけでなく、その作成の「プロセス」データ（デバッグ、ドキュメント、トラブルシューティング方法など）も学ぶことが重要です。

Caretのアーキテクチャ戦略

基盤: オープンソースプロジェクト「Cline」に基づいています。

初期戦略: Clineをフォークして直接変更しました。

問題: Clineのアップデートに追いつくのが難しく、不必要な作業が発生しました。

現在の戦略: オーバーレイアーキテクチャ

元のClineコードを可能な限りそのままにして、Caretの機能を上に追加します。

変更が避けられない場合は、元のファイル（.cline）をバックアップし、変更を明確にするためにコメント（// CARET MODIFICATION）を追加します。

これは、将来Clineとの自動マージを容易にするように設計されています。

改善点:

多言語サポート (i18n): ハードコードされたテキストを多言語システムに変換しました。現在、4つの言語（韓国語、英語、日本語、中国語）をサポートしています。

システムプロンプトの改善: ハードコードされたプロンプトを動的なJSONベースの構造に変更しました。

効果: プロンプトトークンを50％削減し、パフォーマンスを向上させ、コストを削減しました。

モード切り替え: Cursorの既存の「Plan/Act」モードに加えて、Cursorと同様の「Agent/Chatbot」モードを導入し、柔軟性を高めました。

Caretのコア機能と差別化要因

Caretルール (.caretrules):

プロジェクトごとのシステムプロンプトをJSON形式で管理します。

自然言語と比較してトークン数を削減し、明確な階層構造でAIの理解を向上させます。

ユーザーの読みやすさのためにMarkdownファイルとペアで管理されます。ルールが更新されたときにAIが両方のファイルを一緒に変更するように設計されています。

コストの透明性と制御:

チャットごとのリアルタイムコストを表示するClineの機能を継承します。

これにより、ユーザーは費用を予測および制御できます。

特定のトークンコストを超えた場合にセッションを自動的に切り替えるなどの機能を追加する予定です。

埋め込みブラウザとロールバック機能:

埋め込みブラウザを使用した開発は可能ですが、AI制御機能はまだ改善が必要です。

チェックポイントベースのロールバック機能は存在しますが、不安定になる可能性があります。原因分析と改善が必要です。

ビジネスモデルとロードマップ

会社設立: 「Caretive」株式会社を設立し、初期のエンジェル投資を確保しました。

収益モデル: B2C: 個人ユーザー向けのサブスクリプションモデル。

無料: 25クレジットを提供。

有料: $10 (300クレジット)、従量課金制。

B2B (主な焦点): エンタープライズライセンスの販売とコンサルティング。

企業のニーズに合わせたカスタマイズと技術サポート。

オープンソースコミュニティと協力して実施されるプロジェクト。

ロードマップ:

2025年5月: 株式会社設立。

2025年7月2日: マーケットプレイスの立ち上げ。

2025年下半期: 技術の安定化、ユーザーベースの拡大、3億KRWの収益を目指します。

2026年: サービスの強化。

今後のタスクとR&D分野

緊急のタスク:

ログインおよびサブスクリプションシステムの開発。

企業メンバー管理機能の実装。

トレーニングプログラムとマーケティングの開発。

R&D分野:

LLMルーターやベクトルDB統合などのコアAI機能の強化。

コスト予測と最適化。

セマンティックベースのAIモデルのトレーニング。

AST (Abstract Syntax Tree)ベースのコードチャンク化と分析。

Q&Aとディスカッション

フロントエンドの実装: Caretのwebviewは現在、フロントエンドとして機能しています。

優れたデザイン（画像）を描き、AIに提供することで、良い結果を得ることができます。複数のPowerPointスライドを提供することも効果的です。

Figmaを直接統合することはできませんが、Figmaの出力を画像に変換することで、AIがそれに基づいてサイトを構築できます。

モデル固有の回答品質の違い:

パフォーマンスと特性はモデルによって異なり、結果の不一致を引き起こします。

これを解決するために、「AIゲートウェイ」の概念が登場しました。これは、ユーザーのリクエストを各モデルに最適化されたプロンプトに変換します。

Caretにはまだゲートウェイはありませんが、さまざまなモデルを簡単に切り替えるためのフレームワークとして開発することを検討しています。

Caretルールのカスタマイズ:

.caretrulesファイルを直接変更して、プロジェクトごと、ユーザーごとのルールを適用できます。

個別のグローバルルールとワークスペース（プロジェクト）ルールで管理されます。

オープンソースコミュニティの管理:

韓国ではオープンソースコミュニティの成功事例が少ないため、管理方法への懸念が高まっています。

「コントリビューター」や「理事」のような階層を作成し、貢献に対する報酬（クレジット、機器レンタルなど）を提供する予定です。

実践的で技術に焦点を当てたエンジニアの集まりを目指しています。

締めくくりと今後の発表

参加者のネットワーキング: 次回の会議では、参加者の名前と所属を識別するための名札を用意します。

参加者は、LinkedInとGitHubのリンクを共有するように求められました。

コントリビューターの提案:

すべてのミートアップ参加者に「コントリビューター」のステータスが提供されました。

コントリビューターの特典: 機器レンタル、ワークスペースの提供、開発クレジットとAPI、GitHubコントリビューターへの掲載。

議論されたトピックと個々の貢献の関心に基づいて、コントリビューターミッションが提案されます。