Claude Codeで複数モデルを使い分ける──Bloom分類によるモデルルーティング設計の実践

Claude Codeでエージェント開発を進めていると、必ず直面するのが「このタスクにはどのモデルを使うべきか」という判断の連続です。HaikuとSonnetでは性能もコストも大きく異なるため、適切な使い分けが開発効率とコストの両面で重要になります。

yamada-ai-devさんの投稿では、この「判断疲れ」を解消するための体系的なアプローチとして、**Bloom分類に基づくモデルルーティング設計**が提案されています。これは単なるモデル選択の話ではなく、AIエージェント設計における認知負荷の削減という本質的な課題への挑戦です。

Bloom分類は、教育目標を「記憶」「理解」「応用」「分析」「評価」「創造」の6段階で整理するフレームワークです。この分類をClaude Codeのタスクに当てはめると、以下のような対応関係が見えてきます。

タスクの認知レベルとモデルの対応

**低次の認知タスク（Haiku向き）：**

**高次の認知タスク（Sonnet向き）：**

この分類により、「タスクの性質」という客観的な基準でモデルを選択できるようになります。

従来のアプローチとの比較

GitHub CopilotやCursorといった他のAIコーディングツールでは、モデル選択は基本的にユーザーの裁量に委ねられています。一方、Claude Codeのハーネス設計では、**タスクの性質に基づいた自動ルーティング**を実装できる点が大きな差別化要素です。

従来の「都度判断」方式には以下の問題があります：

Bloom分類ベースのルーティングは、これらの問題を**設計時の一度の判断**に集約します。

メリットと注意点の両面分析

**メリット：**

1. **判断の外部化**：タスク分類さえ明確なら、モデル選択を自動化できる

2. **コスト予測可能性**：タスクの種類ごとにコストが見積もりやすくなる

3. **品質の安定化**：同じタイプのタスクには常に同じモデルが適用される

4. **チーム開発での標準化**：個人の判断に依存しない共通ルールを確立できる

**注意点：**

1. **初期設計コスト**：Bloom分類への対応付けには、タスクの性質を深く理解する必要がある

2. **境界線の曖昧さ**：すべてのタスクがきれいに分類できるわけではない（グレーゾーンの扱いが課題）

3. **過度な最適化リスク**：細かく分類しすぎると、ルーティングロジック自体が複雑化する

4. **モデルの進化への対応**：新しいモデルがリリースされたとき、分類基準の見直しが必要

適用範囲の考察

このアプローチが特に効果を発揮するのは以下のような場面です：

逆に、探索的なプロトタイピングや一度きりの実験的コーディングでは、柔軟な手動選択の方が適している場合もあります。

アクション1：自分のタスクをBloom分類で整理する

今週行う予定のコーディングタスクを書き出し、それぞれを以下の3段階に分類してみましょう：

この分類を1週間続けるだけで、自分の作業パターンとモデルの相性が見えてきます。

アクション2：簡単なルーティングルールを1つ作る

完璧なシステムを目指さず、まずは1つの明確なルールから始めましょう：

# 例：コメント生成とコードレビューで分ける
def select_model(task_type):
    if task_type == "generate_comments":
        return "claude-3-haiku"
    elif task_type == "code_review":
        return "claude-3-sonnet"
    else:
        return "claude-3-sonnet"  # デフォルトは品質優先

シンプルなルールでも、判断回数が減るだけで認知負荷は大きく軽減されます。

アクション3：コストと品質のトレードオフを記録する

2週間、意識的にHaikuとSonnetを使い分けながら、以下を記録してください：

このデータが、あなたのプロジェクト固有の最適なルーティング設計の基礎になります。

Claude Codeの真の力は、単にAIにコードを書かせることではなく、**AIとの協働プロセス自体を設計できること**にあります。Bloom分類によるモデルルーティングは、その設計思想を具体化した一例です。

「どのモデルを使うか」という判断を毎回するのではなく、**「どんなタスクにはどのモデルが適切か」というルールを一度設計する**。この発想の転換が、持続可能で効率的なAIコーディング環境を作り出します。

あなたのプロジェクトでも、タスクの性質を見極め、適切なモデルルーティングを設計することで、判断疲れのない開発体験を実現してみてください。

この情報は @yamada-ai-dev さんの投稿を参考にしています。