【要約】フローチャートでAIにコードを書かせたら、開発が安定した話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者がAIを用いてPythonコードを生成する際、指示の曖昧さに起因する品質低下に直面している。指示が抽象的であるために、以下のような問題が発生していた。
- ・仕様と生成コードの乖離。
- ・再指示によるトークン消費の増大。
- ・手戻りの繰り返しによる開発効率の低下。
// Approach
開発者は、プロンプトによる指示の代わりに、処理工程を明示したフローチャートをAIに提供する手法を採用した。具体的な手順は以下の通りである。
- ・処理フローの定義（ファイル読み込み、CSV結合、数値変換、統計算出、出力）。
- ・フローチャートの図解をAIへ入力。
- ・設計に基づいた関数分割とロジックの実装をAIに要求。
// Result
フローチャートを用いた設計指示により、生成されるコードの精度と構造が劇的に改善された。開発者にとって以下の成果が得られた。
- ・手戻り回数の削減（プロンプトのみの5回から、エンコード修正の1回へ）。
- ・設計に基づいた適切な関数分割（
load_target_items等）の実現。 - ・業務ドメインの構造がコードへ直接反映されることによる、レビューの容易化。
Senior Engineer Insight
> 本手法は、LLMの指示解釈における揺らぎを、構造化データによって抑制する合理的なアプローチである。小規模なデータ処理スクリプトにおいては、設計工数に対するリターンが極めて高い。しかし、複雑なループや状態遷移を含む大規模システムでは、フローチャート自体の記述コストがボトルネックとなる。実戦では、フローチャートをより厳密なDSLやUMLに昇華させ、AIへのコンテキストとして注入するパイプラインの構築が求められるだろう。