【要約】設計書からコードを生成するLLM非依存のローカルAIを作った話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
- ・既存のLLMツールはクラウドAPIや高スペックGPUへの依存が強い。
- ・環境やコストの制約により、利用できないケースが多い。
- ・LLMの出力は確率的であり、再現性の確保が困難である。
- ・設計書と実装コードの乖離（同期漏れ）が発生しやすい。
// Approach
1.設計書に特定のタグ（
[ACTION|...]等）を付与し、構造化する。2.Pythonを用い、形態素解析と決定論的ルールで設計書を解析する。
3.Roslynを活用し、解析結果からC#コードを生成・ビルドする。
4.タイムスタンプを用いて、設計書とコードの整合性を自動検問する。
5.Gemini CLIやCursor等のAIエージェントを駆使して開発を加速させる。
// Result
- ・LLMに依存しない、決定論的なコード生成を実現。
- ・設計書に基づいたC#コードの自動生成に成功。
- ・今後の課題として、タグ依存を減らし自然言語主導の柔軟性を高めることを挙げている。
Senior Engineer Insight
>
LLMの「揺らぎ」を排除し、決定論的な生成を目指す設計思想は、品質管理の観点から極めて合理的だ。タグによる構造化は、実質的にDSL（ドメイン固有言語）を定義しているに等しい。汎用性は低いが、定型的なビジネスロジックを生成する特化型ツールとしては、コスト・品質の両面で高い実用性を持つ。ただし、設計書の更新コストが開発のボトルネックになる点は、実運用における最大の懸念事項だ。設計書を「書く」負担をどう軽減するかが、普及の鍵となる。