記事一覧

子供の片付けを促すために、Claude Codeにお片付けタイマーを設計から実装まで任せてみました。AIの提案は理にかなっていたものの、実際に使ってみると子供はほとんど興味を示さず失敗に終わりました。どのような指示を出し、AIがどう考え、どこでズレたのかをプロセスベースで記録します。

子供向けにAIで遊びや学びの機能を作るため、Claude Codeにモノレポ構成の設計から実装まで任せてみました。どのような指示を出し、AIがどう考え、どのように構造とコードを生成したのかを実体験ベースで記録しています。AI開発における「構造＝指示」という重要な要素も含めて整理しています。

AIは人間のように考えて答えているわけではなく、あくまで「それっぽい言葉」を確率的に並べているだけです。 それでもなぜ役に立つのか。そしてどう使えば精度が上がるのか。仕組みレベルで理解しながら、実際の使い方まで整理しました。

AIに株式投資ツールのフロントエンドのエラー修正を任せてみたところ、1回では解決せず、3回の修正ループを経てUIが正常に動作するまでに至りました。本記事では、どのような指示を出し、AIがどのように原因を特定し修正していったのか、そのプロセスを具体的に記録しています。

AIにフロントエンドのUI実装を任せてみた結果、AIがどのように実装を進め、どこで詰まったのかをリアルに記録します。結果として、画面は問題なく立ち上がりました。ただし、肝心の株価データは表示されず、ツールとしてはまだ未完成の状態になってしまいました。

株式投資ツールをAIに実装させています。今回は、フロントエンド基盤構築です。AIに「フェーズ2を実装してください」と一言だけ指示した結果、ReactとTypeScriptによるフロントエンド基盤が構築されました。バックエンド実装に続き、仕様書とCLAUDE.mdによる開発プロセスの固定がどこまで機能するのかを実体験ベースで解説します。

モノレポ構成をベースに、株式投資ツールの実装に進む前に、Claude Codeのplanモードを使って仕様設計をAIに任せてみました。ChatGPTでプロンプトを作成し、そのままClaudeに入力した結果、どこまで実用的な設計が出てくるのかを実験しています。

AIと一緒に整理した株式投資ルールを自動判定できるようにするために、Claude Codeでのバイブコーディングを前提としたモノレポ構成を設計しました。ディレクトリ構造や役割分担、ルールの管理方法まで、実際にAIと相談しながら決めた内容をまとめています。

Claude Codeの精度に影響する「コンテキスト」とは何かを解説。LLMのコンテキスト長の仕組みから、情報が増えることで起きる精度低下の理由までを整理し、コンテキストの正しい理解に役立つ内容をまとめました。

バイブコーディングを進めるにあたり、関連する機能を一つの環境で管理するためにモノレポを採用することにした。Claude CodeのBest Practicesで重要とされるコンテキスト管理の観点から、モノレポの本来のメリットとAIコーディングにおける価値を整理してみました。