概要
https://zenn.dev/aya/articles/3b8ea962b61bd8
詳細内容
## 【Github Copilot】設計書があるなら、全部Copilotに実装させよう
https://zenn.dev/aya/articles/3b8ea962b61bd8
GitHub Copilot Chatを活用し、設計書からWebアプリケーションコードを生成する体系的な手法を詳述し、8割の精度でコードを生成しつつも人間によるレビューが不可欠であることを示します。
**Content Type**: ⚙️ Tools
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 88/100 | **Annex Potential**: 87/100 | **Overall**: 88/100
**Topics**: [[GitHub Copilot Chat, LLM駆動開発, プロンプトエンジニアリング, ウォーターフォール開発, Webアプリケーション開発]]
大規模なウォーターフォール型開発において、設計書を最大限に活用しGitHub Copilot Chatで高品質なコードを生成する実践的な手法が公開されました。本記事は、既存プロジェクトや共通部品がある前提で、Copilot Chatのカスタムインストラクション、プロンプトファイル、コードベース検索といった機能を駆使した段階的な開発ワークフローを詳説します。
この手法では、まず機能を独立した「GOAL」に分割し、それぞれに対してクラス図とシーケンス図（Mermaid形式）を生成することで、AIがセッションを跨いでも一貫したコードを生成できるようになります。これにより、AIが「でっち上げた」クラスやメソッドの呼び出しを防ぎ、人間がデバッグしやすい単位で作業を進められます。次に、各GOALの具体的な実装計画を立て、最後にターゲットファイルを指定してCopilotに直接コードを編集させます。
検証の結果、約8割のコードが自動生成されるものの、完璧ではなく人間による修正とデバッグが不可欠であることが示されました。特に、設計書を読み解き、バグを解決するためのコード理解能力はAI時代でも変わらず重要です。中堅以上のエンジニアにとっては生産性の大幅な向上には繋がりにくいものの、画面開発経験が少ない、あるいは久しぶりといったケースでは非常に有用と結論付けています。
この知見は、AIを単なるコード補完ツールとしてだけでなく、大規模開発における設計駆動のコード生成ツールとして活用したいウェブアプリケーションエンジニアにとって重要です。AIに過度な期待をせず、現実的な能力を見極めつつ、効率的なAIとの協調開発ワークフローを構築する上で具体的な指針となるでしょう。特に、カスタムインストラクションやプロンプトファイルの活用によるAIの挙動制御は、複雑なプロジェクトでのAI導入を検討する上で不可欠な技術です。