I got some hints on how to configure multi-agents using Claude Code from the planning stage.
I look forward to more informative lectures in the future.

crazy81178855

[Problems This Course Solves]
  - The limitations of planners who have ideas but cannot build them directly
  - Inefficient decision-making based on imagination: "Please make it like this"
  - Bottlenecks caused by requesting and waiting for the development team for every data analysis or API verification
  - The reality of using AI tools but remaining at the level of simple ChatGPT Q&A

[What You Will Learn]
  1. Redesigning the Planning Process in the AI Era
  - Traditional: Planning → Design → Development (Sequential waiting)
  - Shift: Writing PRD → Generating Prototype → Decision-making based on the actual product → Delivery after confirmation
  - Moving from planning explained through documents to planning demonstrated through actual products

  2. Designing AI Agents for PMs
  - Harness Engineering: Designing a working structure rather than just asking AI questions
  - CLAUDE.md, Rules, Hooks, MCP, Plugins — The roles and design principles of each layer
  - Agent Router: A structure where a single request is automatically assigned to the optimal agent
  - PGE Pipeline: Planner → Generator → Evaluator, quality control design for large-scale tasks

  3. Building Your Own AI Team
  - Planning/Research, Product, Design, Development, Marketing — 20+ agents across 5 columns
  - Actual workflows where a solo planner manages a team of experts
  - Connecting external tools via MCP (Notion, Figma, Slack, data sources)
  - Automating repetitive tasks with one-command "Skills"

  4. Practical Automation of Supplementary Tasks
  - GA4 + Clarity + GSC + BigQuery → Integrated dashboard + automatic weekly insight generation
  - Direct calling of in-house APIs → Scenario verification → Quality evaluation reports
  - BigQuery cohort analysis → Aha Moment hypothesis verification
  - A/B testing, Notion synchronization, UI/UX audit automation

  ---
  Who should take this course:

  - PM/PO/Service Planners tired of waiting times and review cycles in the planning process
  - Those who want to properly design AI as a professional work tool
  - Those who want to make data-driven decisions themselves but lack analysis team resources
  - Non-developers who want to move past their fear of the "terminal"

  [Prerequisites]
  - None. We guide you through everything from installation to setup.
  - No coding experience required. We focus on design and application from a PM's perspective.

[Changes After Taking the Course]
  - Increase decision-making speed by creating working prototypes directly from a single PRD.md
  - Design and operate your own team of AI agents
  - Directly automate data analysis, API verification, and report generation

reve

Claude Code | Agent Design for PM/PO Service Planners

ai in practice

AI 활용법

클로드코드

ai에이전트

바이브기획

하네스엔지니어링

[この講義が解決する問題]
  - アイデアはあるが、自分で作ることができない企画者の限界
  - "このように作ってください" → 想像で判断する非効率な意思決定
  - データ分析、API検証など、その都度開発チームに依頼して待たされるボトルネック
  - AIツールを使ってみたものの、ChatGPTの質疑応答レベルに留まっている現実

[この講義で学ぶこと]
  1. AI時代の企画プロセス再設計
  - 従来：企画 → デザイン → 開発（順次待機）
  - 転換：PRD作成 → プロトタイプ生成 → 実物を見て意思決定 → 確定後に伝達
  - 文書で説明する企画から、実物で見せる企画へ

  2. PMのためのAIエージェント設計
  - Harness Engineering：AIに質問するのではなく、働く構造を設計すること
  - CLAUDE.md, Rules, Hooks, MCP, Plugins — 各レイヤーの役割と設計原則
  - Agent Router：一つのリクエストが自動的に最適なエージェントに割り当てられる構造
  - PGEパイプライン：Planner → Generator → Evaluator、大規模タスクの品質管理設計

  3. 自分だけのAIチーム構築
  - 企画/リサーチ、プロダクト、デザイン、開発、マーケティング — 5つのカラム、20以上のエージェント
  - 1人の企画者が専門家チームを運営する実際のワークフロー
  - MCPで外部ツールを連携（Notion, Figma, Slack, データソース）
  - Skillで反復業務をワンコマンド自動化

  4. 付随業務の自動化実践
  - GA4 + Clarity + GSC + BigQuery → 統合ダッシュボード + 週次インサイト自動生成
  - 自社APIを直接呼び出し → シナリオ検証 → 品質評価レポート
  - BigQueryコーホート分析 → Aha Moment仮説検証
  - A/Bテスト、Notion同期、UI/UX監査の自動化

  ---
  このような方におすすめです

  - 企画プロセスの待機時間とレビューサイクルに疲れたPM/PO/サービス企画者
  - AIを業務ツールとして適切に設計したい方
  - データに基づいた意思決定を自分で行いたいが、分析チームのリソースが不足している方
  - "ターミナル"を怖がらずに、一歩先へ進みたい非開発者

  [前提知識]
  - なし。インストールから設定まで最初から案内します。
  - コーディング経験不要。PM視点の設計と活用に集中します。

[受講後の変化]
  - PRD.md一つで動作するプロトタイプを自ら作成し、意思決定のスピードを上げる
  - 自分だけのAIエージェントチームを設計し、運営する
  - データ分析、API検証、レポート生成を自ら自動化する