概要
https://blog.cybozu.io/entry/2025/09/18/113000
詳細内容
## Issue, Pull-request, GitHub Copilotによる「普通」の一人チーム開発
https://blog.cybozu.io/entry/2025/09/18/113000
サイボウズのエンジニアが、GitHub Copilotと既存のGitHub機能を統合し、設計からコードレビューまでを「一人チーム開発」として回す具体的な実践ワークフローとカスタムプロンプトを詳説する。
**Content Type**: ⚙️ Tools
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 86/100 | **Annex Potential**: 84/100 | **Overall**: 84/100
**Topics**: [[GitHub Copilot, 開発ワークフロー, コードレビュー, プロンプトエンジニアリング, GitHub Issues/Pull Requests]]
サイボウズのエンジニアが、GitHub CopilotとGitHubの既存機能を組み合わせた「一人チーム開発」の具体的な実践方法を共有しています。この記事は、ウェブアプリケーション開発者がAIを活用して開発プロセスを効率化し、品質を向上させるための実用的なアプローチを提供します。
重要な点は以下の通りです。まず、Copilotとの設計段階における壁打ちで、曖昧な要件を具体化し、抜け漏れがないように仕様を詰めるプロセスを詳述。Copilotが課題を指摘し、人間がそれに応えることで、初期段階での手戻りを削減します。次に、CopilotにIssueを親IssueとSub-issueに分割させることで、タスクを細分化し、AIエージェントによる実装の精度を高めます。これにより、一度に大規模なコードを生成させてレビューするよりも、段階的かつ確実に開発を進められます。
実装フェーズでは、カスタムプロンプト（MCP）を用いて、Issueの読み込みからブランチ作成、実装、コミット、プルリクエスト作成までの一連の工程を自動化します。このプロンプトは、単にコードを生成するだけでなく、リンティングやテスト実行などの品質チェックを組み込み、Conventional Commitに従ったコミットを促すことで、AIが生成するコードの品質と一貫性を担保します。特に、開発者が事前に設計プランをレビューし、必要に応じて修正指示を出すことで、AIが生成するコードが意図と異なるリスクを低減します。
さらに、人間とCopilot Code Reviewが並行して行うコードレビュー、そしてレビューコメントを受けてCopilotが自動でコード修正を行うフローは、AIを「もう一人のチームメンバー」として効果的に活用する具体的な事例です。APIドキュメントのURLを渡すだけでCopilotが新しいAPIバージョンに合わせてコードを修正したり、人間とAIのレビューコメントが対立した場合に人間の指示を優先させるといった、高度な連携方法も紹介されています。
このワークフローは、既存のGitHub中心の開発プロセスを大きく変えることなくAIを導入できるため、新しいAIエージェント管理ツールやSpec駆動開発ツールに乗り換えることに抵抗があるエンジニアにとって、非常に現実的かつ効果的な選択肢となります。GitHubを使い慣れたウェブエンジニアが、AIのメリットを享受しながら、高品質な開発を一人でも実現できる道筋を示しています。