株式会社ずんだもん技術室AI放送局

AIやテクノロジーのトレンドを届けるPodcast。平日毎朝6時配信。朝の通勤時間や支度中に情報キャッチアップとして聞いてほしいのだ。

マジカルラブリー☆つむぎのピュアピュアA.I.放送局 podcast 20250901

2025年09月01日

MP3ファイルをダウンロード

内容紹介

最近のClaude Codeの使い方、【エージェントルール】 中長期開発におけるルール設計、GPT-5 プロンプトエンジニアリングガイドを読み解き、より良いコーディング支援を受ける、【真偽不明】高知のとある場所にはいくつもの野犬グループがあり、その中で一番統制が取れていて全く捕まらない群れのリーダーが『ポメラニアン』らしいという噂

出演者

春日部つむぎ
春日部つむぎ

関連リンク

この記事では、AIを使った開発支援ツール「Claude Code」と、その強力な機能である「Subagent（サブエージェント）」を、開発現場でどう効果的に活用するかについて、具体的なフローを解説しています。新人エンジニアの皆さんも、これらの使い方を覚えることで、開発作業を大きく効率化できるヒントが見つかるでしょう。

1. Claude CodeとSubagentって何？ Claude Codeは、AIがコードの生成や修正、プロジェクトの分析などを手伝ってくれるツールです。Subagentは、このClaude Codeの中に作ることができる、特定のタスクに特化した「小さなAIアシスタント」のようなもの。これを使うと、より複雑な開発プロセスを自動化したり、安定して作業を進めたりすることができます。

2. 既存プロジェクトの調査・改修を効率化！ 初めて触るプロジェクトのコードを理解するのは大変ですよね。Claude Codeを活用すると、その負担を大きく減らせます。

  • serena MCPの活用: このツールと連携させ、Claude Codeにプロジェクトの構造やコードの依存関係を分析させます。これにより、コード全体を素早く把握できます。
  • 調査結果の自動生成: 「この機能の動きを調べてMarkdown形式でまとめて」と指示するだけで、AIが調査レポートを作成してくれます。このレポートは、後から手動で確認したり、別のAIに再検証させたりすることで、正確性を高められます。

3. 新規開発をSubagentに任せてみる 新しい機能を開発するときも、Subagentが活躍します。

  • 準備: まずは「どんな機能を作るか（仕様概要）」、「どんな技術を使うか（技術詳細）」、「どんな場面で使われるか（ユースケース）」といったドキュメントをしっかり準備します。
  • タスクの自動実行: これらのドキュメントを基に、Subagentに「このタスクを上から順番に実行して」と指示します。Subagentは、ブランチ作成から、コード実装、テスト・Lint実行、エラー修正、そしてコミット作成までの一連の作業を自動で進めてくれます。
    • ポイント: エラーが出たときに「エラーを修正しながら何度もやり直してね（iterateして対応）」と指示することが重要です。これにより、Subagentは自己修正しながら目標達成を目指します。
  • 効率的な起動: よく使うSubagentは「/タスク名」のような「スラッシュコマンド」として登録しておくと、ワンコマンドで簡単に起動できて便利です。

4. Subagentを使うと、なぜ開発が楽になるの？ Subagentには、以下のような大きなメリットがあります。

  • 集中できる環境: 特定のタスクに集中するため、以前の会話や作業に引きずられて、AIが間違った行動をするのを防げます。
  • 並行作業の可能性: 独立したタスクであれば、複数のSubagentを同時に動かして、開発をさらにスピードアップできるかもしれません。
  • 品質の安定: 同じ設計書とタスク指示があれば、誰が（どのSubagentが）実行しても、似たような品質の成果物が得られやすくなります。これはチーム開発で特に役立ちます。

Claude CodeとSubagentは、皆さんの開発作業を強力にサポートし、より効率的で質の高い成果を生み出すための頼もしいツールです。ぜひ試してみて、その可能性を感じてください。

引用元: https://zenn.dev/sun_asterisk/articles/7dafd83f1d0454

この記事では、AIエージェントを活用した中長期的なソフトウェア開発を効率的かつ高品質に進めるための「ルール設計」について解説しています。新人エンジニアの皆さんも、これからの開発現場でAIと協業する機会が増えると思いますので、ぜひ参考にしてみてください。

まず「ルール」とは、GitHub CopilotなどのAIエージェントに、プロジェクト固有の情報を自動で読み込ませるためのカスタム設定ファイルのことです。これにより、毎回同じ指示をプロンプトで繰り返す手間が省け、AIがプロジェクトの文脈を深く理解して、より適切なコードを生成できるようになります。特に、長く続くプロジェクトでは、AIが途中で変なコードを書いたり、過去のコードと整合性が取れなくなったりするのを防ぐために、このルール設計が非常に重要になります。

ルール設計のポイントは以下の4つです。

  1. 仕様駆動で進める: AIが勝手に想像でコードを書かないよう、何をどう作るか、仕様を明確に決めてから開発を進めることが大切です。
  2. 実装計画書をAIに作らせる: 実装に入る前に、AIに具体的な実装計画書を作ってもらい、開発者と方針をすり合わせることで、後から手直しする手間（手戻り）を減らせます。
  3. 実装範囲を明確にする: AIに「どこまで実装すれば良いか」を明確に指示することで、必要以上の機能が勝手に作られるのを防ぎます。
  4. ルールファイルを自動更新させる: ルールは一度作ったら終わりではなく、開発を進める中で得られた新しい知見やフィードバックを元に、AI自身にルールを更新させる仕組みを導入すると効率的です。

実際にルールを導入した開発では、以下のような良い結果が出ています。

  • 既存コードとの整合性向上: プロジェクト内の既存コードやデザインパターンに合わせた、一貫性のあるコードが生成されやすくなりました。
  • 仕様通りの正確な実装: 簡単な指示でも、仕様に沿ったコードが生成され、AIが勝手に余計な機能を追加することが減りました。

AIエージェントとの協業では、ルールの質だけでなく、コード自体の可読性やドキュメンテーションの質もAIの精度に影響します。今後、AIと共に開発を進める上で、プロジェクトに合わせた「ルール設計」は、より安定した開発と高品質な成果物につながる強力な武器となるでしょう。

引用元: https://zenn.dev/sonicmoov/articles/0f9e98f3539d04

この記事は、OpenAIが公開したGPT-5のプロンプトガイドについて、特にLLM（大規模言語モデル）をコーディング支援やAIエージェントとして活用したい新人エンジニア向けに、要点を分かりやすく解説しています。GPT-5のような高性能AIを最大限に引き出すための実践的なヒントが満載です。

GPT-5は、これまでのモデルより長い指示の理解や正確なタスク実行能力が向上しており、プロンプトの与え方にも新しい工夫が求められます。

GPT-5プロンプトガイドの主なポイント

  1. 思考の深さをコントロール:
    • reasoning_effortという設定で、「じっくり考えるか、素早く答えるか」をAIに指示できます。これにより、AIが無駄な思考をせず、効率的かつ適切な結果を出せるようになります。
    • 「70%の確信度で十分」といった早期停止条件や、ツールの利用回数を制限すると、より迅速に結果を得られます。
  2. ツール利用の明確化:
    • AIがどんな目的で、どうツールを使うかをプロンプト内で具体的に示すことで、AIの動作が安定し、利用者が意図を理解しやすくなります。
  3. コーディング支援の最適化:
    • 得意なフレームワーク活用: Next.jsやTailwindなど、AIが得意な特定のフレームワークを活用するよう促すと良いコードが期待できます。
    • 「読みやすさ」を優先: 「賢いコード」よりも「読みやすく、メンテナンスしやすいコード」を書くように指示します。
    • 積極的な提案: AIには、ユーザーが後で修正できる前提で、積極的にコードの改善案を提示させるのが効果的です。
    • 過度な探索指示は不要: GPT-5は元々探索能力が高いため、不必要に「徹底的に情報を集めて」と指示する必要はありません。
  4. 指示順守の向上テクニック:
    • 矛盾の排除: プロンプト内の指示に矛盾がないようにすると、AIが迷わずスムーズに処理を進めます。
    • 思考ログの出力: 最終回答の前にAIの思考過程を表示させることで、回答の精度が高まります。
    • XML形式の区切り: Markdownよりも<tag>...</tag>のようなXML形式のタグを使うと、AIが指示をより安定して理解しやすくなります。
  5. 構造化出力:
    • JSON Schema（Zod, Pydanticなど）を用いて、AIの出力形式を厳密に定義することで、プログラムで扱いやすい結果を得られます。

コーディングエージェントとしての実践的活用例

  • 計画と実装の分離:
    • 大きなタスクは、まずAIに計画を立てさせ、それをレビューした後に実際のコード実装を依頼するなど、ステップを分けることで精度が向上します。
  • 最新のコンテキスト提供:
    • 参照するライブラリのバージョンなど、最新かつ正確な情報を提供することで、AIが最適なコードを生成できるように支援します。
  • タスクの細分化:
    • 複雑なバグ修正なども、「まず影響範囲を調査」→「問題点を特定」→「解決策を提案」のように、小さなステップに分けて指示すると、より正確な結果が得られます。

これらのプロンプトの工夫を学ぶことで、GPT-5のような最新のLLMを日々の開発業務の強力なパートナーとして活用し、作業の効率化を図ることができるでしょう。ぜひ、色々なアプローチを試してみてください。

引用元: https://tomoima525.hatenablog.com/entry/2025/08/31/065459

高知の野犬グループの中で、全く捕まらない統率の取れた群れのリーダーが「ポメラニアン」だという、面白い噂が話題です。愛らしい見た目とは裏腹に、実はポメラニアンは非常に気が強く、リーダーシップを発揮する犬種という経験談が多数寄せられており、その意外な一面が共感を呼んでいます。この噂をもとにAI（ChatGPT）で描かれた、凛々しいリーダーポメラニアンのイラストが、そのギャップで多くの人々を楽しませています。

引用元: https://togetter.com/li/2596409

VOICEVOX:春日部つむぎ