9/19に開催されたバータイムでは、コーディングエージェントを実際の開発で使っている発表者から、具体的な活用事例や現場でのノウハウが共有されました。

今回のブログでは、バータイム中に紹介されたノウハウをまとめてご紹介いたします。

※あくまで、バータイムでの発表者の事例・ノウハウであり、来栖川電算を代表したものではございません。

1. AIの使い分けとタスクの分担

AIによるコード生成は、初期の「自動コード書き」の段階から、「設計やテストの提案」を経て、現在は 自律的に開発タスクを自動化する「コーディングエージェント」へ と進化しています。

発表者の働き方では、タスクの性質に応じて複数のAIツールを使い分けています。 以下に例を示します。

タスク	主な利用ツールと利用方法
全般調査/資料作成	ChatGPT、Markdown Copilot( 来栖川電算作成のVSCode拡張機能 )など
コードリーディング/PRレビュー	GitHub Copilot、PR-Agent
コードの整合性確認	VSCodeのCopilot「Askモード」など
実際のコーディング	GitHub Copilot Agent、Codex

AI周りで、とくにエディターに関連したUIは 2週間程度でどんどん変わる 印象があるため、常に最新情報を追う必要があるとの所感もありました。

2. 生成物の精度を高めるノウハウ：AIの「出力」を制御する

AIの出力で狙った結果を得るために、渡す情報や指示を工夫し、ブレを抑えるように絞り込む工夫をしていました。

2.1 ルールファイル（コンテキスト）の活用

コーディングエージェントに対し、 プロジェクトの文脈 を理解させるための「ルールファイル」の整備が重要と捉え、以下のような工夫をしていました。

• ルールファイルの設置: GitHub Copilotの場合、.github/copilot/instructionsの下に記述されたMarkdownファイルは、プロンプトの前に付加され、コーディングエージェントが 自動的に参照 するルールとしています。
• 構造化の徹底: ルールファイルを構造化し、複数のファイルに分けることで、参照時に 情報が凝縮 され、人間にとっても読みやすくなります。たとえば、プロジェクト指針やアーキテクチャ概要（バックエンドがGoで書かれているなど）を記述すれば、個別の指示で言語指定を省略できます。
• 関連ファイルの連携: モノレポ構造などにおいて、データベースの定義（DDL）など、関連性の高いファイルを同じリポジトリに含めておくことで、コーディングエージェントが 参照しやすくなります 。

2.2 コード構造とセッション管理の工夫

• コード構造の最適化: コードを適切に分割し、適切な命名を行い、機能の 直交性 がある状態に構造化しておくことが、良好な出力を得るために望ましいと考えています。
• テストコードの提供: テストコードは「振る舞いの情報」を提供するドキュメントの一種であり、 コードから拾えない情報を示せる ため、コーディングエージェントが良い結果を生成しやすくなります。テストコードの生成自体はAIに任せることが多いです。
• 言語の相性: 型付き言語はAIとの相性が良いと感じています。発表者が使った中では、Go言語との相性が良いという経験則があります。
• セッション管理（迷子の防止）: やり取りの往復が長くなるとコーディングエージェントが迷い始める ため、大きな機能を作成したら セッションを終え 、次のステップは新しいセッションで進めています。複雑な場合は、 途中で状況を要約させ、それを次のセッションに引き継ぐ 方法が有効です。

3. チーム開発と運用：人間が集中すべき領域

コーディングエージェントを導入することで、開発における人間の役割が変わると考えています。

3.1 人間の脳は「設計」に集中する

コーディングエージェントがコード記述をスキップしてくれるため、人間は 設計に集中 し、その後、実装が設計と合致しているかのレビューに労力を割けるようになりました。

• 疲労の軽減: 実装の段階で集中力を要するコード記述がなくなることで、設計やレビューといった 抽象度の高い思考 を維持でき、脳の切り替えが少なくなり、疲労が少ないというメリットを感じています。
• 並列作業:  コーディングエージェントが裏でコードを生成している間に、人間は次の設計やテストケースの洗い出しといった 一歩先の準備作業 を進めることができるようになりました。

3.2 AIに合わせた運用とルールの統一

• ルールファイルの管理: ルールファイルはGit管理下に置き、更新時にはブランチを切ってプルリクエストを出すなど、 AIに合わせた運用 を行ったほうがよいです。
• ルールファイルの「育成」: 成功した修正や指示を抽象化し、ルールファイルに追加することで、ルールファイル自体を 継続的に育てていく ことが可能です。
• 指示の統一: チーム開発において、特定の個人に最適化されたルール（例：「Aさん向けのルール」）は避け、指示のフォーマットやコードの出力を統一するために、 同じルールを全員が運用する 方が望ましいと考えています。

4. 環境選択と効率化のためのUIの工夫

4.1 CLIとエディター統合の使い分け

コードを書くことに関しては、ファイルをコンテキストに簡単に追加できるなど、ファイル群との密な連携が取りやすいエディター統合（VS Codeなど）が効率的です。

4.2 UIと並列作業の最適化

• 過度な並列作業の弊害: 複数のコーディングエージェントや作業を並列（2系列以上）でやらせると、人間側が コンテキストを追いきれなくなり 、作業が混乱する原因となることが実感されています。
• チャットパネルの分離: VS Code上のCopilotチャットパネルは、エディターを圧迫する可能性があるため、新しいウィンドウにフロートさせたり、分離させたりすることで、 作業領域を広く確保 しやすくなります。

総括

今回の「今週のバータイム」で共有された知見は、コーディングエージェントを単なる「コード生成ツール」としてではなく、「開発プロセスを統合的にサポートするツール」として捉え、 人間がより高度な設計業務に集中できる環境 を整えることが、生産性向上の鍵となることを示しました。

今後、さらに色々な開発の現場でAIの利用が進んでいったとき、知見がどう増えるか・どう変わっていくかが楽しみです。

今後も、来栖川電算では、このような知見を社内で共有し、「AIと共働する開発環境」のベストプラクティスを追求します。