概要
https://speakerdeck.com/gotalab555/claude-code-codehashi-yang-qu-dong-nomeng-wojian-nai
詳細内容
## Claude Codeは仕様駆動の夢を見ない
https://speakerdeck.com/gotalab555/claude-code-codehashi-yang-qu-dong-nomeng-wojian-nai
本プレゼンテーションは、Claude Codeを活用したAI中心の仕様駆動開発を実現し、チーム開発におけるコンテキスト管理の課題を解決する実践的なアプローチを詳述します。
**Content Type**: Tools
**Scores**: Signal:4/5 | Depth:5/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 90/100 | **Annex Potential**: 87/100 | **Overall**: 88/100
**Topics**: [[Claude Code, 仕様駆動開発, AI-DLC, チーム開発, エージェント開発]]
Claude Codeのような強力なAIコーディングエージェントは爆速で実装を可能にする一方で、チーム開発においては、人間による計画やコンテキスト管理の限界が顕在化します。「存在忘却」「タイムループ」「記憶リセット」といった課題（思春期症候群）は、プロダクトの意義や要件の曖昧さ、過去の経緯の欠落に起因し、AIの活用効果を損なう要因となります。AIは人の「思い」を読み取れないため、人間が適切に「何を」作るかを設計・言語化するプロセスが重要です。
この課題を解決するため、本プレゼンテーションではAWSが提唱するAI-Driven Development Lifecycle (AI-DLC)と、その具現化であるAgentic IDE「Kiro」の概念をClaude Codeに適用するアプローチを提案します。特にKiroの主要機能である`Specs`と`Steering`の思想をClaude Codeのカスタムスラッシュコマンドで再現し、AI中心の開発プロセスへの再設計を目指します。
具体的な手法として、要件定義、詳細設計、タスク分解の3層構造で仕様を自動生成し、各段階で人間の承認を挟むことで品質と整合性を保ちます。特に要件定義では、厳密な「EARS記法」やWhy/Who/Whatを明確にするユーザーストーリーを活用し、LLMが正確な成果物を生成しやすい構造を採用。要件定義やタスク分解といった推論力が求められるフェーズでは、Claude MaxのOpus 4.1やGPT-5のような最上級の推論モデルをClaude Codeのスラッシュコマンドに組み込み、出力品質を最大化します。詳細設計フェーズでは、Web SearchツールとSubagentsを駆使して最新の技術情報を効率的に収集・並列化し、技術スタック選定の理由を明確に提示できるようにします。Kiroの`Steering`概念を導入し、プロジェクト全体の知識を永続的に記録・管理することで、コード生成の一貫性を保ち、過去の決定経緯が失われることを防ぎます。
このアプローチは、AIエージェントの爆速な実装能力と、人間が担うべき「何を開発するか」という上流工程を厳密に連携させます。Webアプリケーションエンジニアにとって、これにより不確実性や手戻りを大幅に削減し、価値提供までの速度と精度を飛躍的に向上させることが可能です。既存のAI活用におけるチーム開発の課題を具体的に克服し、AIを真にチームの一員として機能させるための実践的な青写真を提供します。