
仕様駆動開発(SDD)でToDoアプリの永続的ドキュメントを Claude Code で作成する手順
ZennAI時代の開発では仕様書をリポジトリで管理し、AIが参照できる形で前提を明文化する必要がある。作業時間を記録できるToDoアプリを題材に、Claude Code を使って要求定義書・機能設計書・アーキテクチャ仕様書など6つの永続的ドキュメントを段階的に生成する具体的なプロセスと、生成されたドキュメントの全文を共有。
全 2151 件 (Zenn で絞り込み) · 82 / 108 ページ

AI時代の開発では仕様書をリポジトリで管理し、AIが参照できる形で前提を明文化する必要がある。作業時間を記録できるToDoアプリを題材に、Claude Code を使って要求定義書・機能設計書・アーキテクチャ仕様書など6つの永続的ドキュメントを段階的に生成する具体的なプロセスと、生成されたドキュメントの全文を共有。


200万トークンのコンテキストウィンドウを備えた新世代モデルが登場したが、全文を投じるのはコスト効率とLost in the middle問題を招く。RAG で関連チャンク抽出するハイブリッド構成と、全体把握タスク向け長文コンテキスト活用を使い分けることで、精度を保ちながらコストを削減する実装パターンをコード例付きで解説。



Claude Desktopに対してLinux版の要望がGitHubで522スコアを記録し、開発者コミュニティから大きな反響を呼んでいる。技術的には実現可能だが優先度の問題により実装されておらず、Linux開発者の約47%が恩恵を受けられない現状が指摘されている。競合ツールの進化やApple-Googleの統合戦略が進む中、公式Linux対応のロードマップ公開やAPI・MCP強化が求められている。


Mineflayer を使用して Minecraft にプレイヤーと協力できる AI コンパニオンを実装した事例。LLM を game loop に直接組み込まず、反射層・スキル層・思考層の3層構造に分離し、速度と安全性を両立させた設計を詳解。Claude CLI と Ollama のハイブリッド構成で会話品質とコスト効率を実現。

Opus 4.8 と GPT-5.5 を GitHub Copilot CLI で effort パラメータを 4 段階に変えて検証した結果、同じ effort 上昇でもモデルで内部動作が異なることが判明。GPT-5.5 は思考量(reasoning token)を 18 倍に増やし出力の 2/3 が内部思考になるのに対し、Opus 4.8 は思考回数とツール呼出回数を増やして複数回の試行で対応。



Agent Skills の実運用では、作成後の検証ループが重要。本記事では Claude Code の Dynamic workflow と /goal コマンドを組み合わせ、手動チューニングに頼らずスキルを育てる方法を紹介。ultracode による自動検証とマルチエージェント並列レビュー、/goal による自動改善ループの実装手法を解説。

Claude Code導入後の効率化に必須の3つの設定を解説。CLAUDE.mdでプロジェクト前提条件を記憶化し、hooksでファイル編集制限や強制処理を実装、Superpowers・Context7プラグインで思考力と情報精度を向上させることで、曖昧指示による無駄トークンを削減し開発を加速化できる。

Claude Opus 4.8のeffortレベル(low~max)を、Claude Code・Cowork・claude.aiチャットの3サーフェスで計27回実測した結果、正解率は全レベルで変わらず、増加するのは出力トークン(約7倍)と処理時間のみ。effortが上がると「答えの確かめ方」が変わり、高レベルでは指示遵守や制約充足の工夫が増えるが、仕様が明確な小~中タスクはlowで十分という実装指針を得た。



Claude Code のカスタムスキル 7 個を実装・運用している事例を紹介。プロジェクト初期化(setup)、Python 環境構築(python-project-setup)、タスク取り込み(inbox-capture)、実装管理(implement-backlog)、作業記録(log)、ドキュメントレビュー(docs-review)、進捗発信(claude-status-article)の各スキルを ~/.claude/skills/ に SKILL.md として配置し、自然言語トリガーで効率化。実際のワークフローに対応した組み合わせ方とテンプレートファイル例を解説。



MCP(Model Context Protocol)を活用し、Cursor や Claude Code に「プロジェクトの設計決定」を記憶・再利用させる長期記憶レイヤーをローカルで構築するハンズオン。Kawa Code CLI をセットアップし、AI が新機能を実装する際に過去のアーキテクチャルールを自動注入することで、コンテキストの手動コピペやトークンコスト増加を排除。