柳瀬先生の文系向けのVSCodeでAIエージェントを使う方法の解説です。
大変わかりやすい記事ですので理系の方にも入門記事としておすすめします。理系向けに付け加えるべき点のいくつかをGeminiにきいて追加してありますので、参考にしてください。
https://nitter.net/yosukeyanase/status/2082693959877607711#m
— Yosuke YANASE （柳瀬陽介） (@yosukeyanase) July 30, 2026
これは文系の方むけですが、理系用にこの記事に付け加えるとしたらどんな内容がよいでしょう。Geminiにきいて解説記事をつくるとしたらどんな内容を付け加えるべきかをリストしてもらいました。
理系向けガイドへの追加ポイント
1. 「執筆」から「データ解析」への拡張 (Jupyter / R / Python)
柳瀬先生の記事ではVS Codeを「文章を書き、考える場所」として定義していますが、理系にとっては「解析し、結果をまとめる場所」でもあります。
-
追加内容: VS Codeの「Jupyter拡張機能」を紹介し、Markdownの文章のすぐ横でRやPythonのコードを実行する手法。
-
メリット: マイクロアレイデータなどの実験データ処理、グラフの描画、そして考察メモの記述を一つの画面で完結でき、コピペの手間を完全に排除できることを強調します。
2. 未発表データとローカルLLMの活用 (セキュリティとプライバシー)
理系の研究では、未発表の実験データや機密性の高い配列データなどを扱います。これらをClaudeやChatGPTなどのクラウド型AIにそのまま送信することは、研究倫理やコンプライアンスの観点からリスクとなります。
-
追加内容: クラウドAPIに頼らない選択肢の提示。例えば、Linux (Ubuntu等) 環境上で「Ollama」を動かし、GemmaなどのローカルLLMをVS Codeの拡張機能（Continueなど）から呼び出す方法。
-
メリット: データが自分のPCから一歩も外に出ないため、セキュアな環境でAIを気兼ねなくアシスタントとして利用できる点を伝えます。
3. 数式と複雑な図解のシームレスな描画 (LaTeX / Mermaid)
理系のレポートや論文執筆において、数式や実験フローの図解は避けて通れません。
-
追加内容: Markdownの拡張機能として、数式を記述できるLaTeX記法や、テキストだけでフローチャートや生物学的なパスウェイの図を生成できる「Mermaid.js」の活用。
-
メリット: WordやPowerPoint、専用の数式エディタを立ち上げる必要がなくなり、元の記事のテーマである「気が散らない仕事場」をさらに強化できます。
4. 再現性の担保と変更履歴の追跡 (Gitの導入)
柳瀬先生の記事の後半で「AIが誤作動したときに既存のファイルを壊しかねない」という重要な注意喚起があります。理系の場合、コードやデータ処理手順が失われると「研究の再現性」が損なわれます。
-
追加内容: プロジェクトの「スナップショット」を保存するGit（ソースコード管理）の基本的な考え方と、VS Code上のGit連携機能の紹介。
-
メリット: AIに大胆なコードの書き換えやファイルの編集を任せても、いつでも元の状態に戻せる「命綱」があることで、より積極的なエージェント型AIの活用が可能になります。
これらの要素を元の記事の「Scratchpad、Temporary、Project」といった秀逸なフォルダ管理の概念と組み合わせることで、非常に実践的で強力な理系向けガイドになります。
ということで、追加記事の例として、Jupyter Notebookの導入記事をGeminiに作ってもらいました。
VS Codeを「文章を書く場所」から「実験データを解析し、結果を確認し、そのままレポートを書き上げる場所」へと進化させるための追加セクション案です。
【データ解析も一つにまとめる——Jupyter Notebookの導入】
解析と執筆の「行き来」をなくす！
理系の皆さんがレポートや論文を書くとき、文章を書く以上の「行き来」が発生していないでしょうか。
PythonやRの専用ソフト（RStudioなど）を開いてデータを読み込み、プログラムを実行する。出力されたグラフを画像として保存し、Wordに貼り付ける。計算結果の数値をコピーして、表に打ち込む。もしグラフの見た目を変えたくなったら、また解析ソフトに戻ってやり直しです。
この面倒な往復作業をなくし、「文章」と「コード」と「解析結果（グラフなど）」を一つのファイルに同居させる仕組みがあります。それが「Jupyter Notebook（ジュピター・ノートブック）」です。
「セルのサンドイッチ」で思考を止めない
VS Code上でJupyter Notebook（拡張子は `.ipynb`）を使うと、ファイルの中を「セル」という小さなブロックに分けて使うことができます。セルには大きく分けて2種類あります。
1. Markdownセル: 柳瀬先生の記事で説明されている、文章や見出しを書くためのブロックです。
2. コードセル: PythonやRのプログラムを書き、その場で実行できるブロックです。
この2つを交互に配置していくのです。例えば、こんな風に使います。
[Markdownセル]「〇〇の実験データについて、対数変換（Log2）を行って正規化する。」と方針を書く。
[コードセル] 実際にデータを読み込み、変換するPythonやRのコードを書く。
[実行結果] コードセルのすぐ下に、変換後のグラフがポンと表示される。
[Markdownセル] 「グラフから、データがきれいに揃ったことがわかる。次に…」と考察を続ける。
画面を切り替えることなく、思考の自然な流れのままにデータ解析と執筆が進んでいきます。後から「やっぱりパラメーターを変えよう」と思っても、コードセルの数字を書き換えて再実行するだけで、すぐ下のグラフが更新されます。面倒な画像の貼り直しはもう必要ありません。
【導入の手順（PythonとR）】
VS Codeでこの環境を作るのは驚くほど簡単です。
1. 拡張機能を入れる: 左端のアイコンから「拡張機能」を開き、「Jupyter」と検索してMicrosoft公式のものをインストールします。
2. プログラム言語の拡張機能を入れる:
Pythonの場合: 「Python」拡張機能（Microsoft公式）を入れます。
Rの場合: 「R」拡張機能（Yuki Ueda氏などが提供しているもの）を入れます。（※Rを動かすには、お使いのPCに事前にR言語本体がインストールされている必要があります）。
3. ノートを作る: ファイルを作成する際に `experiment_01.ipynb` のように、最後に `.ipynb` を付けて保存するだけです。
これで、あなたのVS Codeは強力なデータ解析ステーションになります。
【AIエージェントとの強力なタッグ】
そして、このJupyter環境は、柳瀬先生の記事で紹介されているAI（Claude CodeやCodex）と組み合わせることで真価を発揮します。
データ解析をしていて、コードのエラーが出たとしましょう。これまでは、赤いエラーメッセージをコピーして、ブラウザを開いてGoogleで検索し、解決策を探していました。
しかし、VS CodeにAIが入っていれば違います。エラーが出たら、右側のAI入力欄で「このエラーはどう直せばいい？（How can I fix this error?）」と聞くだけです。AIはあなたが書いたコードとエラーメッセージを読み取り、「データフレームの列名が間違っています」などと即座に解決策を教えてくれます。さらに、修正したコードを直接コードセルに書き込ませることも可能です。
「実験の背景を書き、AIと相談しながらデータを解析し、結果のグラフを見て、そのまま考察を書き上げる。」
すべてがVS Codeという一つの画面の中で、一直線に進みます。これが、理系の学生に私が強くお勧めしたい、現代の「気が散らない仕事場」の完全版です。