【要約】これがいいとは言わないが。私が普段 Vibe Coding で実際に投入しているPromptを晒す [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
開発者がGitHub Copilot等のAIツールを使用する際、具体的な入力内容に迷う課題がある。従来のプロンプトエンジニアリングは手法に偏りがちであり、実用性に欠ける場合が多い。具体的には以下の問題に直面する。
- ・入力内容の具体性不足による、期待しない結果の生成。
- ・AIによる過剰な抽象化や、不要な設計（オーバーエンジニアリング）の導入。
- ・ハルシネーション（捏造）による、存在しない問題やコードの混入。
- ・Context Windowの肥大化に伴う、精度とコストの低下。
// Approach
著者は、AIの再構成能力を前提に、意図（Why/What）に集中するワークフローを構築した。単発の指示ではなく、以下のステップでAIを制御する。
- ・内容定義：やりたい事と禁止事項を、具体的かつ簡潔に記述する。
- ・プランと質問票の作成：詳細な実装プランと、不明点をリストアップさせる。
- ・敵対的レビュー：AIに批判的なレビュアー役をさせ、問題点を網羅的に抽出する。
- ・タスクの細分化：タスクを最小単位に分割し、Context Windowを効率的に管理する。
- ・逐次実行と検証：作成したプランに基づき、タスクを一つずつ実行・検証する。
// Result
この手法により、AIとの協調開発における精度と制御性が大幅に向上する。開発者は以下の成果を得られる。
- ・YAGNI原則の徹底による、不要な設計や依存の導入防止。
- ・質問票の活用による、実装前の仕様の不一致や不明点の解消。
- ・タスクの粒度管理による、ハルシネーションの最小化と高品質な成果物の維持。
- ・敵対的レビューによる、設計上の欠陥や整合性問題の早期発見。
Senior Engineer Insight
> プロンプトの「書き方」ではなく、AIを制御する「工程（ワークフロー）」の設計に本質がある。タスクを細分化し、敵対的レビューを組み込む手法は、大規模開発の品質管理として極めて合理的だ。ただし、トークン消費量とレビューコストの増大は避けられない。コストと精度のトレードオフを理解した上で、シビアな現場へ適用すべきである。