概要
https://tech-blog.tabelog.com/entry/using-cursor-to-prevent-document-corruption
詳細内容
## ドキュメントの陳腐化を防ぐCursor活用
https://tech-blog.tabelog.com/entry/using-cursor-to-prevent-document-corruption
食べログは、AIコードエディタCursorを活用し、コードと乖離しがちなドキュメントの陳腐化を半自動で防ぐ実践的なワークフローを確立しました。
**Content Type**: ⚙️ Tools
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 82/100 | **Annex Potential**: 75/100 | **Overall**: 92/100
**Topics**: [[ドキュメント陳腐化, AIコードエディタ, Cursor, プロンプトエンジニアリング, 開発ワークフロー改善]]
食べログ開発チームは、大規模プロジェクトで深刻化する「ドキュメントの陳腐化」という課題に対し、AI搭載コードエディタCursorを活用した半自動化アプローチを検証しています。ドキュメントの陳腐化は、コード変更に修正が追いつかず、探索コストや手戻りを増大させ、属人化を招く技術的負債です。
本記事では、この課題解決のため、Cursorを用いたドキュメントとソースコードの紐付け、および更新案の生成の可能性を具体的な技術検証を通じて探ります。検証では、キーワードが明確な場合とそうでない場合、ドキュメントからコード、コードからドキュメントの特定、さらには更新案の生成まで、多岐にわたるシナリオを試行。特に、キーワードが曖昧なケースでは、サブシステム指定や関連情報、参照モデルなど、詳細なコンテキストをプロンプトで与えることで精度が向上する点が示されました。存在しないドキュメントの新規作成推奨など、AIが意図を汲み取る力も確認されています。
この検証から、Cursorがドキュメント検索・更新において強力なサポートとなり、人間とAIの協業（半自動化）が実用的であると結論。食べログでは、既存ドキュメントの棚卸しと更新、新規開発時のドキュメント作成支援にこのアプローチを適用し、1ドキュメント30分かかっていた修正が1分以内になるなど、業務効率の大幅な改善を実現しました。
重要なのは、AIの活用前に人間によるドキュメントの整理、暗黙的なコンテキストの提供、タスクの細分化といった「人側の工夫」が不可欠であるという点です。ハルシネーションや検索範囲の制約など、現在のAIの限界も認識し、それらを補完する運用が求められます。この取り組みは、常に最新の信頼できるドキュメントを維持し、開発者がコードに集中できる環境を構築するための、実践的かつ具体的な一歩を示しています。今後はCI/CDパイプラインへの組み込みなど、さらなる自律化を目指すとのことです。