【要約】Claude Code の Skill を自作して、設計→実装→検証→調査のワークフローを丸ごと AI に任せた話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
副業エンジニアが、限られた時間で開発工程を完結させようとする際、AIの制御不能な挙動が課題となった。素のAIにタスクを投げると、以下の問題が発生する。
- ・要件が曖昧なまま実装が進み、手戻りが発生する。
- ・セッションを跨ぐと、前回の開発文脈が消失する。
- ・テストやLintの実行が、指示なしでは行われない。
- ・不具合調査と修正が混在し、作業履歴が不明瞭になる。
// Approach
著者は、AIに「判断」を、CLIに「決定的な処理」を割り当てる分離設計を採用した。具体的には、以下の手法でワークフローを構造化した。
- ・Skill（Markdown）を用いて、タスクごとの作法を定義する。
- ・docs/ ディレクトリを介して、各工程の成果物をバトンとして渡す。
- ・nike CLI を開発し、テンプレート生成やコマンド検出を自動化する。
- ・受け入れ基準を特定のフォーマットで記述し、機械的な抽出を可能にする。
// Result
この仕組みの導入により、断続的な開発環境における生産性と品質が向上した。具体的な成果は以下の通りである。
- ・「夜の30分」という短時間でも、前回の文脈を引き継いで開発を再開できる。
- ・設計と実装を分離することで、実装フェーズでの手戻りが減少した。
- ・verification-report.md により、合格状況が即座に可視化される。
- ・nike checks により、静的解析やテストが確実に実行される。
Senior Engineer Insight
> プロンプトエンジニアリングを「ワークフローのエンジニアリング」へ昇華させた点が極めて実践的である。AIの非決定性を、CLIによる決定的な処理で補完する設計は、エージェントの信頼性を確保する上で不可欠な視点だ。大規模開発への適用には、Skillの肥大化による競合を防ぐ管理体制が必要となる。しかし、AIを「指示待ちのツール」から「自律的なプロセス実行者」へ変えるこのアプローチは、次世代の開発標準になり得る。