Method Record / ECOSUS
魚拓とは本来、魚の姿を墨で正確に写し取り、その個体の真実を一枚に刻む技法。私がMidnight上でやっていることは、その digital 版です ── 産地・温度・時刻を、誰にも改ざんできない形で刻み込む。この資料は「どんな設計を立て、何を見て学び、AIに何をさせて、ここまで作ったか」を、再現可能な型として記録したものです。 Gyotaku is a traditional Japanese technique: pressing sumi ink onto a fish to record the exact, true form of a single specimen on one sheet of paper. What I do on Midnight is the digital version of that — engraving origin, temperature, and timestamp in a form no one can alter. This document records how I got here — what I designed, what I studied, what I had the AI do — written as a method that can be reproduced.
私はエンジニアではありません。コードは一行も書けない、完全な初心者として始めました。専門知識がない代わりに持っていたのは、「現実のどこに歪みがあるか」を見抜く現場感覚と、思いついたら作るという衝動だけ。技術は、その衝動を形にするために、AIを介して後から身につけました。順番が普通の開発者と逆なんです。 I'm not an engineer. I started as a complete beginner who couldn't write a single line of code. What I had instead of technical knowledge was a field operator's sense for where the real world is broken, and the impulse to build the moment I get an idea. The technical skill came afterward, picked up through AI to give those impulses a form. That's the reverse of how a normal developer starts.
だから私の最初の一歩は、コードを学ぶことではなく、Claude Code に「動く業務システムを作らせる」ことでした。Cloudflare の上で、まず現実の商売が回る状態を作る。そこから一つずつ積み上げていった。 So my first step wasn't learning to code. It was having Claude Code build a working business system for me — getting real commerce running on Cloudflare first, then stacking one piece on top of another from there.
ここが、私が他の非エンジニアと違った一番のポイントだと思います。私はAIを役割ごとに分けて使いました。一つのAIに全部やらせるのではなく、人間の組織のように分業させた。 This is the single biggest thing that set me apart from other non-engineers: I used AI by role. Instead of making one AI do everything, I divided the work the way a human organization would.
戦略・調査・設計を担当。ここで構想を練り、公式ドキュメントを調べ、そして「Claude Codeにそのまま貼れる指示文（プロンプト）」を生成させる。事業の文脈や過去の経緯を記憶しているのもこの層。Handles strategy, research, and design. This is where I shape the concept, dig through the official docs, and have it generate the exact prompt to paste into Claude Code. It's also the layer that holds the business context and history.
PC上のファイルを実際に読み書きし、デプロイまで手を動かす層。チャットが書いた指示文を貼り付けると、既存コードを確認しながら実装する。Windows（Worker/GAS）とLinux（Midnight/SEO）で物理的に役割を分けた。The layer that actually reads and writes files on the machine and ships. Paste in the prompt the chat layer wrote, and it implements while checking the existing code. I split it physically: Windows (Worker/GAS) and Linux (Midnight/SEO).
方針を決め、デプロイを承認する。技術的な細部は分からなくても、「何を作るか・どこで止めるか」は必ず自分が握る。AIに判断を丸投げしない。I set direction and approve deploys. Even when I don't understand the technical detail, I always hold what to build and where to stop. I never hand judgment over to the AI.
この三者構造が回り始めると、非エンジニアでも「設計→実装→検証」のループを自分で回せるようになります。チャット側が私の言葉を技術指示に翻訳し、Code側がそれを現実のコードに変える。私は両者の間で判断を下すだけ。 Once this three-part structure starts turning, even a non-engineer can run the design → build → verify loop themselves. The chat layer translates my words into technical instructions; the Code layer turns those into real code. I just make the calls in between.
そして、この型を安全に保つために、最初に決めた運用ルールがあります。これが事故を防ぎ、信頼してAIに任せられる理由です。 And to keep this method safe, there are operating rules I set from the very start. They prevent accidents, and they are why I can trust the AI with real work.
Midnightの開発言語 Compact は、まだ一般的なAIモデルの学習データにほとんど含まれていません。つまり普通にAIに聞いても正確な答えが返らない。ここが最大の壁でした。私はそれを、「専用の知識源をAIに接続する」ことで越えました。 Midnight's development language, Compact, is barely present in the training data of mainstream AI models. So asking an AI directly doesn't return accurate answers — and that was the biggest wall. I got over it by connecting a dedicated knowledge source to the AI.
Compactとエコシステムに特化した公式ナレッジベース。DevRel経由で共有を受け、MCPサーバーとしてClaude Codeに直接組み込んだ。これにより、AIがCompactのコードを書くとき自動で正確な仕様を参照できるようになった。Compactの知識ギャップを埋めた決定打。An official knowledge base specialized in Compact and the ecosystem. Shared via DevRel, I wired it into Claude Code directly as an MCP server. Now when the AI writes Compact, it automatically references the correct spec. This was the decisive move that closed my Compact knowledge gap.
midnightntwrk-expert.fly.dev
docs.midnight.network を一次情報として読み込み、不明点は kapa.ai の技術Q&Aで確認。range proof やトランザクション設計など、設計の可否判断はここで裏を取った。I read docs.midnight.network as the primary source and confirmed unknowns through kapa.ai's technical Q&A. For design feasibility — range proofs, transaction design — I verified the facts here.
分からないことは「調べる」だけでなく開発チームに直接訊いた。コントラクトのデプロイ主体やバグについて、コア開発者と公開issue上で議論。受け身の学習者ではなく、エコシステムの一員として関与した。When I didn't know something, I didn't just look it up — I asked the dev team directly. I debated contract deployment models and bugs with core developers in public issues. Not a passive learner, but a participant in the ecosystem.
「Claude Codeで仮想チームを作る」手法の解説を参考に、CLAUDE.md を司令塔とし、役割・ルール・ガイドラインをファイル化する考え方を取り入れた。AIを"育てる"発想の原型。From a write-up on building a "virtual team" in Claude Code, I borrowed the idea of treating CLAUDE.md as a command hub and turning roles, rules, and guidelines into files. The origin of treating the AI as something you raise.
要点はシンプルです。「AIが知らないこと」を、AIが参照できる場所に置いてやる。これさえできれば、最先端で学習データの薄い領域でも、AIは戦力になります。 The point is simple: put the things the AI doesn't know somewhere the AI can reference. Do that, and the AI becomes a real asset even at the frontier, where training data is thin.
一度に大きなものを狙ったわけではありません。動くものを小さく作り、検証し、次へ積む。これをひたすら繰り返しました。 I never aimed for something big in one shot. Build a small working thing, verify it, stack the next one. I just repeated that, relentlessly.
Cloudflare Workers / D1 / KV で、受注・在庫・請求・多言語AI接客まで動く実務システムをゼロから構築。まず『現実の商売が回る』状態を作った。Built a real operational system from scratch on Cloudflare Workers / D1 / KV — order intake, inventory, invoicing, multilingual AI customer service. The first goal: make real commerce actually run.
水揚げ時に魚を撮影し、魚種・産地・日時・写真ハッシュを記録するアプリ。後の「オンチェーン産地証明」の入口になった。An app that photographs the fish at landing and records species, origin, timestamp, and a photo hash. This became the entry point to on-chain origin proof.
GPS・SHA-256・日時を公開ステートに、正確な水揚げ座標はZKの private witness に隠す設計を実装。ウォレット同期の永続化（176分→13秒）など、泥臭い課題を一つずつ潰した。Implemented a design that puts GPS, SHA-256, and timestamp into public state while hiding the exact landing coordinates as a ZK private witness. Crushed the gritty problems one by one — like wallet-sync persistence (176 min → 13 sec).
魚の産地証明コントラクト v2 をメインネットに展開。魚種と重量を Vector<10, Bytes<32>> に刻む実運用が稼働。Deployed the v2 origin-proof contract to mainnet. Species and weight are now engraved on-chain in Vector<10, Bytes<32>> in live operation.
温度PASS/FAILを秘匿する冷凍ZK回路、配合比率の秘匿適合証明、ZKP汎用クレームの防衛的公開（特許対策）、Cardano x402 によるAIエージェント間の自律決済まで実装・検証。A cold-chain ZK circuit that hides temperature PASS/FAIL, a confidential compliance proof for blend ratios, a defensive publication of generic ZKP claims (patent protection), and autonomous agent-to-agent settlement via Cardano x402 — all implemented and verified.
これらは構想ではなく、実際にチェーン上に刻まれた検証可能な記録です。後から誰も「自分が先だった」と言えないように、淡々と事実だけを残してきました。 These aren't concepts — they're verifiable records actually engraved on-chain. I left nothing but plain facts behind, so that no one can later claim they were first.
正直に言えば、私は他のエンジニアより技術が優れているわけではありません。違ったのは「先に未来の構造を見ていた」ことです。 Honestly, I'm not technically better than other engineers. What was different is that I saw the structure of the future first.
これからは A2A（エージェント対エージェント） の時代が来る。人間が検索して買うのではなく、AIエージェント同士が条件を交渉し、自動で調達・決済する。その世界では「人間に見つけてもらう」ではなく「機械に、証明付きで選ばれる」設計が必要になる。だから私は最初から、機械可読で・暗号学的に検証可能な産地データをGYOTAKの土台に据えた。Midnightを選んだのは、それが唯一その要件を満たせたからです。 The age of A2A — agent-to-agent — is coming. Instead of humans searching and buying, AI agents will negotiate terms and procure and settle automatically. In that world you don't need to be "found by humans" — you need to be designed to be chosen by machines, with proof attached. So from the start I put machine-readable, cryptographically verifiable origin data at the foundation of GYOTAK. I chose Midnight because it was the only thing that could meet that requirement.
技術が分からないことは、止まる理由になりませんでした。分からなければ調べ、調べて出なければ開発チームに直接訊く。その過程で私は preprod の重大バグのlead reporter になり、私の報告がコアレジャー開発者に修正の起票（midnight-ledger#587）をさせるところまで行きました。使う側から、エコシステムを動かす側へ回ったわけです。 Not understanding the technology was never a reason to stop. If I didn't know, I looked it up; if looking it up didn't work, I asked the dev team directly. Along the way I became the lead reporter on a serious preprod bug, and my report drove a core ledger developer to open a fix (midnight-ledger#587). I went from the side that uses the ecosystem to the side that moves it.
ここまでノーコード寄りでClaudeを使いこなしながら実装されているのを見て、刺激を受けると同時に少し恥ずかしい気持ちにもなりました。本来これくらい開発環境に触って理解を深めないといけないのに、と。本当に勉強になります。 Watching you implement all of this with Claude in such a no-code way, I felt both inspired and a little embarrassed — that I should be getting this hands-on with the dev environment myself. I'm genuinely learning from it. ── Midnight DevRel関係者からのフィードバック— Feedback from a Midnight DevRel contact
「どうやってこんなものを作ったのか」への私の答えは、才能ではなく型でした。型なら配れる。私という一例から抽出できる、再現のためのヒントを置いておきます。 My answer to "how did you build this?" is: not talent, but a method. A method can be handed out. Here are the reproducible hints you can extract from my one example.
非エンジニアにとって最大の壁は「AIがCompactを知らない」こと。Midnight Code Assistant のような専用ナレッジベースをMCPとしてオンボーディングの初手で配るだけで、参入障壁は劇的に下がる。私の成功はここに大きく依存していた。The biggest wall for a non-engineer is that the AI doesn't know Compact. Just giving people a dedicated knowledge base like the Midnight Code Assistant as an MCP at the very first step of onboarding drops the barrier dramatically. My success depended heavily on this.
従来の「開発者」の定義の外側に、私のような層がいる。現場の課題を持ち、AIに実装させ、自分は判断に集中する人間。この層に向けた導線・ドキュメント・サンプルを用意すれば、開発者の母数そのものが広がる。There's a whole population outside the traditional definition of "developer" — people like me who hold a real-world problem, have the AI implement, and focus on judgment. Build the on-ramps, docs, and samples for this layer and the developer population itself widens.
チャットAI＝設計、コードAI＝実装、人間＝承認 ── この二層構造と「破壊的操作は必ず人間承認」のルールをテンプレ化して配れば、非エンジニアでも安全に本番運用まで到達できる。事故が減れば、挑戦する人が増える。Chat AI = design, Code AI = implementation, human = approval. Templatize this two-layer structure and the "irreversible operations always need human approval" rule, and even non-engineers can safely reach production. Fewer accidents means more people willing to try.
私が続けられたのは「魚の産地を証明したい」という具体的な目的があったから。Compactの文法ではなく「あなたの業界で何を証明できるか」から入る教材があれば、一次産業や製造業の現場の人が自分ごととして掴める。GYOTAKはその replicable template になり得ます。I kept going because I had a concrete goal — I wanted to prove a fish's origin. If the materials start from "what can you prove in your industry?" rather than Compact syntax, people on the ground in primary industries and manufacturing can grasp it as their own. GYOTAK can be that replicable template.
私が証明したのは、専門教育がなくても、正しい型と正しい道具があれば、現場の人間がプライバシー保護のオンチェーン基盤を実運用まで持っていけるということ。これを一人の例外で終わらせず、一次産業の現場に何百と再現させることが、GYOTAK Protocol の本来の狙いです。 What I proved is this: even without formal training, with the right method and the right tools, a person on the ground can take a privacy-preserving on-chain system all the way to live operation. The real aim of GYOTAK Protocol is to keep this from being a one-off exception — to have it reproduced by the hundreds, across the primary industries.