AI駆動開発– tag –

Claude Codeチームのコードレビュー運用を解説し、ウォーターフォールの新規システム開発で組んだAI駆動開発の手順、共通点と現場向けの工夫を紹介します。

開発スキルや方法論をAIの仕組みに組み込み、周囲にも使える形にできるエンジニアの価値。2026年10月の現場から見える予想と、若手の学習・育成について考えます。

AIに内部結合テストのケースを考えてもらうため、設計書、DDL、前工程のテストケースをどの順番で渡したか。バッチ単位とジョブネット単位での資料のそろえ方を書きました。

品質ゲートのあるウォーターフォール開発で、GitHub CopilotのAIエージェントによる実装・テストに、静的解析結果や修正経緯の記録を組み込んだ実務の話です。CASE-IDとCSVで既存の管理表につなぎ、人の確認を挟む手順をまとめました。

AIの実装・静的解析・テスト生成と実行は約30分〜1時間。一方、人の確認は半日単位でした。工程ごとのヒアリングから見えた、開発全体の進捗とレビュー待ちの話です。

AIコーディングで個人開発する人向けに、自分の開発アカウント、利用者のログイン、APIキーを分けて整理。.envと.gitignoreの限界、認証サービス、秘密の保管先、公開前チェックと漏えい時の初動まで説明します。

AIは正しい指摘を出していました。それでも、その意味を理解する知識が足りなければ見落とすことがある。仕事での出来事から、AIを使う側も学び続ける必要を感じた話です。

Gemini 4 Argonの特徴は、長大で複雑な作業を続けて進める能力の強化。COBOLやJavaの移行への関心から、GoogleのRust移行事例、100万トークンの出力上限、評価、提供条件、API料金を紹介します。

NULLによるテスト中のエラーをきっかけに、AIの答えは使う人の理解と判断に左右されると考えた。AIを使いこなすためにも学び続けたい、今のところの僕の見解。

どうもTORAです。 AI駆動開発で何ヶ月か回してきたプロジェクトが、結合テストに入りました。製造と単体テストはもう終わっていて、CIは毎日グリーン、テストエラーもなし、カバレッジも100%。それなりに仕組みを作り込んでやってきたので、単体テストまで...