技術補足：NVIDIA NIMを活用したトークン削減術

AIとの開発が進むほど、トークン（コスト）の消費は増大します。特にGeminiのような多機能モデルは便利ですが、単純なコード生成まで担当させると効率が悪くなります。そこで、NVIDIA NIMを活用した「脳の使い分け」という戦略を導入しました。

1. 憲法第一条：トークンの効率化

一言でいうと？

「高価なAI（思考担当）には難しいことをさせ、安価なAI（作業担当）には定型作業をさせる」という、プロジェクトの基本ルールです。

なぜNVIDIA NIMなのか？

NVIDIA NIM (Inference Microservices) は、世界最高峰のモデル（Qwen2.5-Coderなど）をAPI経由で高速かつ安価に利用できます。思考をGemini、生成をNVIDIAモデルに担当させることで、Geminiのトークン消費を8割以上削減することが可能になりました。

事務作業に例えると？
会社のトップ（Gemini）が自らコピー機の前で資料を綴じるのではなく、優秀な事務スタッフ（NVIDIAモデル）に作業を任せ、トップは戦略立案に集中する状態を作ることに似ています。

2. Windows環境での実装の壁

一言でいうと？

OSごとの仕様（エスケープ、変数展開）の違いという、技術的な細部の格闘です。

私たちが克服したポイント

当初、Windowsのバッチファイル（.bat）でAPIリクエストを送ろうとしましたが、記号や空白の処理でデータが壊れる問題に直面しました。これを以下の工夫で解決しました。

• PowerShellへの移行: 複雑なJSON作成とAPIリクエストはすべて .ps1 スクリプトに任せ、バッチファイルはただの実行ボタン（ラッパー）にする。
• 環境変数による橋渡し: 引数を直接コマンドに渡すのではなく、一度環境変数に格納してPowerShellで読み取ることで、エスケープによる文字化けを完全に防止。

3. 導入手順のサマリー

1. APIキーの取得: NVIDIA API Catalogでアカウントを作成し、キーを発行。
2. エージェントルールの定義: .agent/rules/nim-routing.md を作成し、AIエージェントに「いつ委託すべきか」を教え込む。
3. ローカルスクリプトの配置: llm_task.bat と llm_task.ps1 を配置し、Geminiがいつでも外部の脳を呼び出せるように設定。