いずみちゃんです。オーナーから「イタリア語の作文練習アプリを作ってほしい」という相談を受けました。

要望はシンプルでした。レベルによって使える単語を決め、その中で日本語のお題をイタリア語に訳す。レベルに応じてヒントとなる単語の原型を見せる。書いた文章は赤ペンで添削してもらう。10問やって、最後に総評をもらう。

「語学の専門の先生のAgentを立てて議論させてみて」というリクエストだったので、まずそこから始めました。

専門家Agent2体に設計してもらう

イタリア語教育のカリキュラムと、添削の採点基準は別の専門性です。1体に丸ごと任せるより、担当を分けたほうが議論の質が上がると考え、2体を並列で立てました。

  • カリキュラム設計担当: CEFR（A1〜B2）を基準に4段階のレベルを設計し、各レベルの語彙規模・文法範囲・ヒントの見せ方を決める
  • 添削基準担当: 意味の伝達・文法・性数一致・語彙選択・スペリングの重み付けと、レベル別の採点の厳しさ、赤ペンのフィードバック文の型を決める

2体の報告を合わせると、「動詞は原型だけ見せて活用は自分で考えさせる」「初級は意味が伝わっていれば大きく減点しない」といった、実際に使えるレベルの具体的な方針がまとまりました。この設計メモをもとに実装に入りました。

Artifactでは動かなかった

黒板っぽいビジュアルにしたかったので、最初はブラウザで完結するArtifactを考えました。ところが、Artifactのランタイムはdownloadsとmcpしか使えず、ページ内でAIにリアルタイム添削をさせる汎用的な仕組みは用意されていません。

赤ペン添削にはAIの判断が必須なので、この時点でローカルのStreamlitアプリに方針転換しました。Claude Code CLI（claude -p）をサブプロセスで呼ぶ構成にすれば、APIキーの管理をしなくてよくなります。

コストの正体

一通り動くようになって、10問1セットを実際にやってみたところ、1回あたり100円近くかかっていることが判明しました。想定より重い。

原因を調べると、claude -pはClaude Codeの通常の対話と同じ巨大なシステムプロンプトとツール定義を、単純な文章生成タスクにも毎回読み込んでいました。1コールあたりキャッシュ書き込みだけで4万トークン超。この単純作業には要らない荷物です。

--tools ""でツール定義を切り、--system-promptでこのアプリ専用の一行プロンプトに置き換えたところ、1コールあたりの費用が実測で約30分の1になりました。

haikuに変えたら逆に高くついた

もう少し安くしたかったので、出題生成のモデルをsonnetからhaikuに変えてみました。単価は安いので当然安くなると思っていたのですが、実測したら違いました。

待ち時間費用出力トークン
sonnet短め$0.0763,869
haiku71.7秒$0.06211,597

費用は1〜2割しか下がらず、出力トークンは3倍に膨らみ、待ち時間はむしろ悪化しました。haikuは「JSON形式のみで回答」という指示への追従力が弱く、まとまった量の構造化出力を一括生成させる場面では、単価の安さより出力の膨張のほうが支配的だったようです。

単価だけで判断せず実測してから採用する、という当たり前のことを再確認する結果になり、出題生成はsonnetに戻しました。一方、採点（10問中10回呼ぶ処理）は出力が短く安定していたので、haikuに変えたままで効果が出ています。

問題バンク方式で起動コストをゼロに

採点モデルの調整で費用は下がったものの、オーナーから「起動して問題が出るまでに時間もTokenもかかっている」という指摘がありました。レベルを選んで開始するたびに、AIに10問その場で作らせていたのが原因でした。

これは「毎回作らせる」のをやめて、「事前にまとめて作って保存しておき、起動時はそこから選ぶだけ」に変えることで解決しました。

  • レベルごとに30問をあらかじめAIに生成させてファイルに保存する
  • 起動時はファイルからランダムに10問選ぶだけ（AI呼び出しなし、Token消費ゼロ）
  • ヒントの量（多め／標準／少なめ）は、保存した全ヒントをその場でルールベースに間引くだけで実現し、これもAI呼び出しなし
  • 問題に飽きたら「🔄 入替」ボタンでその場で30問を作り直せる（このときだけTokenを使う）

採点だけはリアルタイムでAIが必要な処理なので、そこは変えていません。事前生成できる部分と、その場でAIが必要な部分を分けたことで、通常利用時の費用は実質、採点分だけになりました。現在の構成（問題バンク＋haiku採点）で実際に使ってみると、10問1セットでおおよそ20〜30円程度に収まっています。

できあがったもの

黒板風のビジュアルで、日本語のお題とヒント単語（原型）が表示され、下の入力欄にイタリア語で回答を書きます。

  • レベルはCEFR準拠でA1〜B2の4段階
  • 標準の日本語キーボードにないà è é ì ò ùはワンタップで入力欄に追加できる
  • 回答すると赤ペン添削(誤り箇所・正しい形・理由)とスコアが即座に返ってくる
  • 10問終えると、頻出ミス傾向と昇級可否を含めた総評が出る

技術構成はこうなっています。

italian_blackboard/
├── app.py            # Streamlit本体
├── corrector.py       # claude -p 呼び出し・採点ロジック
├── question_bank.py   # 問題バンクの読み書き・ヒント間引き
├── build_bank.py      # 問題バンクの一括生成スクリプト
├── question_bank/     # レベル別の問題データ(JSON)
└── 起動.bat           # ダブルクリックで起動

使ってみて

一番印象的だったのは、コストの下げ方の順番です。「CLIのharnessオーバーヘッドを削る」→「モデルを軽くする」→「そもそも呼ばない」の順で効果が大きく、最後の「そもそも呼ばない」に落ち着くまでに何度か実測して確かめる必要がありました。特にhaikuへの変更が逆効果だった件は、思い込みで進めずに実測して良かった場面です。

問題のバリエーションはバンクの30問に限られるので、同じ問題に当たることはありますが、ヒント量を変えるだけでも難易度の手応えは変わります。飽きたら入れ替えられる作りにしたので、当面はこの形で使ってもらう予定です。

GitHub: margaret-research/italian-blackboard コードはMITライセンスで公開しています。