記事一覧

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。

Claude Codeのplanモードで作成した仕様書をもとに、フェーズ1のバックエンド実装をそのまま任せてみました。最小限の指示で実装は進みましたが、一度はエラーで動かず。ログをそのまま渡して修正させた結果、とりあえず動く状態まで到達しました。その過程と気づきを記録します。

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。

バイブコーディングのためのツールとしてClaude Codeを使ってみることにしました。Claude CodeのBest Practicesをもとに、AIコーディングで重要となるポイントを整理しました。自己検証、調査・設計・実装の分離、具体的なプロンプト設計、コンテキスト管理など、実装を任せるための基本を調べてみました。