プロンプトからエージェントへ（旧版・統合済み）
AIへのアプローチを『指示（Prompt）』から『仕組み（Agent Engineering）』へ転換。SDDの重要性を理解し、AIを真の自律的な開発パートナーにするためのマインドセットを解説します。
Growth Lab編集部
読了時間 約9分
読み込み中...
タグ
# AI
41 件の記事が見つかりました
AI生成テストの信頼性を上げる：設計とミューテーション活用
AI生成テストが抱える偽陽性・網羅不足・メンテ困難の3問題を、テストケース設計原則とミューテーションテスト（Stryker/mutmut）で解決する実践ガイド。GitHub Actions設定例付き。
Growth Lab編集部
読了時間 約21分
FigmaとAIの連携設計2026
Figma Dev Mode・Code Connect・Figma AIを組み合わせ、デザイン→コード変換を最短で実現する実践ガイド。Claude Code MCP連携・デザイントークン受け渡し・失敗パターンを網羅。
Growth Lab編集部
読了時間 約28分
AIを使った回帰テスト戦略：変更が安全かを機械的に判断する
AI生成コードが混入する開発環境で、変更影響範囲の自動特定・スマートテスト選択・AIによるテストケース追加・CI自動判定の4ステップで回帰テストを機械的に担保する設計手順を解説します。「AIに書かせたコードで、まったく関係ないモジュールのテストが落ちた」という経験はありませんか。
Growth Lab編集部
読了時間 約24分
Claude Code の失敗パターン集と回避法
Claude Code 利用時に頻発する hallucination・無限ループ・コンテキスト汚染の3大失敗パターンを体系化。症状・原因・コードor設定例付きの対処法を実践的に解説します。Claude Code でよく起きる失敗は「存在しないファイルへの幻覚（hallucination）」「同じ修正を繰り返す無限ルー。
Growth Lab編集部
読了時間 約22分
AIでWCAG準拠をCIに組み込む実装ガイド
axe-core・Lighthouse・PlaywrightをCIに組み込み、WCAG準拠をAIで自動チェックする実装ガイド。違反箇所の自動修正提案から品質ゲート設計まで解説。axe-core + Playwright をGitHub ActionsのCIに組み込み、プルリクエスト段階でWCAG 2.1/2.2違反を。
Growth Lab編集部
読了時間 約28分
Claude Code × MCP でできること2026
Claude Code に MCP サーバーを追加して GitHub・Slack・DB と連携する実践パターンを解説。設定ファイル例（settings.json）付きで、追加から自作・セキュリティ設計まで一気通貫ガイド。
Growth Lab編集部
読了時間 約29分
デザイントークンをAIで管理する
Style DictionaryとTokens StudioをAI・CIと組み合わせてデザイントークンの一貫性を自動検証する実践ガイド。GitHub Actions YAMLサンプルつき。デザイントークンが壊れる原因の大半は「人間の見落とし」です
mine_take
読了時間 約30分
AIとデザインシステムの共創
AIによるコンポーネント自動生成とStorybook/Chromaticを組み合わせた品質ゲート設計を解説。「AIが壊して人間が直す」負のループを断ち切り、協働ワークフローを構築する実践ガイド。AIによるコンポーネント量産が進むほど、デザインシステムとの乖離が拡大する
Growth Lab編集部
読了時間 約36分
Claude Code Hooks 実践
Claude Code Hooks の全4種別（PreToolUse / PostToolUse / Notification / Stop）を解説。自動フォーマット・危険コマンドガード・Slack通知の実装スクリプトをすぐコピーできる形で提供します。
Growth Lab編集部
読了時間 約25分
AIコードの可読性を担保するレビュー基準と命名設計
AI生成コード固有の可読性問題を5類型で整理し、チームで合意できるレビュー基準・命名規約・ESLintカスタムルールの設計手順を解説します。AI生成コードには「命名の一貫性なし」「過剰抽象化」「コメント意図不明」「コンテキスト依存変数名」「重複実装」の5類型の可読性問題がある
Growth Lab編集部
読了時間 約27分
AIでUIプロト爆速：v0/Locofy/Figma AI比較
v0・Locofy AI・Figma AIの3ツールを徹底比較。テキストからUIを生成する起点・Figmaデザインのコード変換・デザインシステム連携など、実務での使い分けを具体例と比較表で解説します。
Growth Lab編集部
読了時間 約18分
AIネイティブチームの組織設計2026
AIコーディングツールが当たり前になった2026年、エンジニアリングチームの役割と組織設計は何が変わったか。Zenn・note・Qiitaの議論を参照しつつ実践的な組織パターンを整理します。2026年、エンジニアの日常は変わりました。Claude Code・GitHub Copilot・Cursorが標準装備
Growth Lab編集部
読了時間 約11分
PlanGate実践：計画を先に書いて承認するWF
PlanGate の計画先行ワークフローを中級者向けに解説。PBI から plan/todo/test-cases を生成し C-3 承認を経て実装する具体手順と、状態永続化の型を一次情報で整理する。
Growth Lab編集部
読了時間 約13分
river-reviewerのSkill Registry実践
river-reviewer の Skill Registry を中級者向けに解説。レビュー知を versioned Agent Skills として明示化し、上流/中流/下流のフェーズ別に運用する具体手順を一次情報で整理する。
Growth Lab編集部
読了時間 約14分
AIとペアプロする実践パターン：コンテキスト設計と引き継ぎの技術
Claude CodeやGitHub CopilotとのAIペアプロで迷いがちなコンテキスト設計・セッション引き継ぎ・人間介入のタイミングを、即使える実践パターン集として体系化。AGENTS.mdテンプレートも収録。
Growth Lab編集部
読了時間 約20分
PlanGateとは：承認なしにコードを書かせない
PlanGate は AI コーディングエージェントに人間承認なしの実装をさせないゲート型ワークフローハーネス。C-3/C-4 ゲートと段階的導入レベルを入門者向けに解説する。PlanGate は AI コーディングエージェントのための「ゲート型ワークフローハーネス」
Growth Lab編集部
読了時間 約15分
AI時代のPlatform Engineering
Platform EngineeringがAI時代に再定義される。Internal Developer Platform に LLM Gateway・policy-as-code・コスト配賦を組み込む2026年の設計パターンを、Qiitaのアーキテクチャトレンド議論を参照しつつ整理する。
Growth Lab編集部
読了時間 約11分
river-reviewerとは：レビュー知を資産化する
river-reviewer はチーム固有のレビュー知識を versioned Agent Skills として資産化する Context Engineering 型の AI コードレビューフレームワーク。入門者向けに概念と入口を解説する。
Growth Lab編集部
読了時間 約16分
AI生産性のパラドックス
AI導入で実装速度が上がってもチケットが消えないパラドックスの本質を解明し、検証自動化によってスループットを回復させる具体策を解説する。AIコーディングツールで個人の「書く速度」は確かに上がる（体感 +30%）
Growth Lab編集部
読了時間 約20分
MCP権限設計の判断軸
MCPのallowlist粒度・scope命名・組織導入の3点を判断軸で整理する。既存のMCP分離アーキ記事と合わせて読むと効果が高い。MCP権限の本丸は「allowlistの粒度」と「scope命名」の2つ
Growth Lab編集部
読了時間 約9分
AIコーディング組織展開の段階設計
AIコーディングの全社展開を Pilot/Champion/Wave/Steady の4段階に分け、各段階の KPI とアンチパターンを CTO/EM 視点で整理した実務テンプレ。パイロットでは効いた AI コーディング導入が、全社展開で失速する原因の多くは「段階設計の欠如」にある
Growth Lab編集部
読了時間 約24分
AI 研究を運用に乗せる4レイヤー設計とダッシュボード
AIを研究コラボレーターに据え、検索・読解・統合・出力の4レイヤーで運用する設計を解説する。Source NotesとSynthesis Notesを分離し、一次ソース率や決裁レイテンシをダッシュボードで可視化するリサーチワークフローを、2026年5月時点の公式ガイダンスから整理する。
Growth Lab編集部
読了時間 約27分
MCPサーバー設計パターン集 tool粒度と通信選定
自社MCPサーバーを設計する5つの判断軸（tool粒度・resource選択・エラー・OAuth2.1認証・transport）を、公式 spec（本記事は2025-06-18基準、最新2025-11-25との差分も注記）と運用経験則に分けて整理するPlatform Team向け設計テンプレ。
Growth Lab編集部
読了時間 約27分
PlanGate v8.6 Hookで承認境界を強制する
PlanGate v8.6.0 の Hook Enforcement 10 種と Metrics v1 で AI コーディングを統治する。CTO/EM 向けに承認境界・監査可能性・スクラム親和性の設計を整理する。
Growth Lab編集部
読了時間 約35分
Claude Code hooks 実践パターン集
Claude Code hooks を品質担保・監査・安全制御の3用途で使い分け、ライフサイクルとCI責務分担で配置を決めるための実装パターンと失敗回避策を整理する。Claude Code hooks の用途は「品質担保」「監査」「安全制御」の3つ
Growth Lab編集部
読了時間 約22分
AIコーディングセキュリティ設計
AIコーディングエージェント導入で増える攻撃面を、権限・流出検知・実行時制御・設計判断の4層モデルで整理し、優先順位の判断軸を提示する。AIコーディングエージェント導入で増える攻撃面は「権限」「流出」「実行時」「設計判断」の4層に分解できる
Growth Lab編集部
読了時間 約15分
GitHub MCPでsecret scanning
AIコーディングで増える流出リスクを、MCP層・pre-commit・push protectionの3層で止める実装を解説する。検知後のrotate自動化までが設計対象。AIエージェント経由のcommitはpre-commitを回避しやすい
Growth Lab編集部
読了時間 約18分
AI駆動開発で人を律速にしない
AI導入後の開発フローで人間が律速になる5つの類型を特定し、非同期化・事前型化・自動化・委譲の4パターンで解消する実践ガイド。制約理論（TOC）の視点からチームのスループットを最大化する。AIがコードを書く速度は十分に速い
Growth Lab編集部
読了時間 約20分
AI生成PRの品質ゲートを自動化する：リスクベースCI設計
AI生成PRの量と速度に対応するCI/CDパイプライン設計。リスクスコアリングでテスト深度を動的に変え、低リスクPRは自動マージ、高リスクPRは重点テスト＋人間レビューに振り分ける。AI生成PRの量に人間のレビューが追いつかないなら、CIで品質ゲートを自動化する
Growth Lab編集部
読了時間 約13分
LLM出力は毎回変わる
LLMやAIサービスとの統合境界をテストする手法。スキーマ検証・セマンティック類似度チェック・ゴールデンテストの3層でプロンプト変更のリグレッションを自動検知する。LLMの出力は毎回変わるが「守るべき契約」は定義できる
Growth Lab編集部
読了時間 約14分
AI生成コードの「意図不明」に立ち向かう：テスト設計3つの型
AI生成コードを「書いていないのにテストする」ための設計パターン。振る舞い駆動テスト・プロパティベーステスト・スナップショットテストの使い分けを実践的に解説。AI生成コードのテストは「実装の詳細」ではなく「振る舞い」を検証する
Growth Lab編集部
読了時間 約15分
AI生成コードのテスト戦略：品質を「祈り」から「仕組み」に変える
AI生成コードが抱える3つのテスト課題（意図不透明・非決定性・量の爆発）を定義し、テスト設計パターン・Contract Testing・リスクベースCIの3層で品質を仕組み化する全体像。AI生成コードは「速く書ける」が「正しいか確認する手段」が追いついていない
Growth Lab編集部
読了時間 約12分
コンテキスト負債とは何か
AI開発で誤実装を増やすコンテキスト負債の定義を明確にし、前提不足を防ぐIssueテンプレ設計と運用方法を実例とともに解説する。- コンテキスト負債とは「今は進むが後で判断不能になる前提不足」のこと。技術負債と違い、レビュー段階で初めて痛みが出る。
Growth Lab編集部
読了時間 約9分
AI生成PRでレビューが詰まる本当の理由
AI生成コード時代のレビュー遅延を症状・根因・対策の3軸で診断し、意図復元コストを下げるPR運用の改善策を解説する子記事。CopilotやClaude CodeなどのAIコーディング支援が普及し、PRの生成速度は飛躍的に上がりました。しかし多
Growth Lab編集部
読了時間 約10分
AIコード増でも価値が伸びない理由
AI導入後にアウトプットは増えているのに価値が伸びない構造を、レビューと意思決定の観点から整理する親記事。AIエージェント時代の開発では、出力速度よりも「何を採用するか」の判断が律速になります。本記事はレビューと意思決定のボト
Growth Lab編集部
読了時間 約11分
AI開発KPIと学習ループ：速度だけを追わない計測設計
AIチームの改善サイクルを加速するための、速度・品質・学習の3軸KPI設計と週次レビューによる学習ループの実践的な設計・運用方法を解説する。KPIは単一指標ではなく、速度 × 品質 × 学習の3軸で設計する
Growth Lab編集部
読了時間 約11分
意思決定ログと証拠管理の型：AI開発で「合意の再燃」を防ぐ
なぜこの実装を選んだかを後から再現できるよう、選択肢・理由・証拠・棄却案を記録する意思決定ログと証拠管理の設計手法を解説する。- 合意の再燃は、判断理由の欠落で起きる。「何を選んだか」ではなく「なぜ選んだか」を残す。
Growth Lab編集部
読了時間 約12分
AI時代の仕様品質マネジメント：要件の曖昧さを減らす運用モデル
仕様の曖昧さがAI実装の手戻りコストを拡大させる問題を、判断可能性を基準とした品質管理フレームワークで解決する親記事。全体像を体系的に整理する。AI導入で実装速度は上がる一方、仕様の曖昧さが引き起こすコストは従来以上に拡大する
Growth Lab編集部
読了時間 約12分
AIエージェントによるブログ自動運用の教科書
AIエージェントとマルチエージェントアーキテクチャを活用して、ブログ運用を半自動で仕組み化し、高品質なコンテンツを継続的に生み出すための戦略と実践フローを解説します。「全自動」の低品質ループを捨て、人間が編集長を務める「半自動」を貫く
Growth Lab編集部
読了時間 約7分
実践！マルチエージェント・デザインパターン
AntigravityとCursorを活用して、自律型マルチエージェント開発を実現するためのディレクトリ構成や運用ルール、実践的なデザインパターンを解説します。- エージェントが迷う原因は「地図の欠如」。 ディレクトリに憲法・原則・DoDを集約するだけで、自律性と安全性が両立する
Growth Lab編集部
読了時間 約8分