【要約】プロンプトを頑張るな、リポジトリを育てろ：GitHub Copilotが迷わないコードベース設計 [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
開発者がAI Agentを利用する際、プロジェクトの前提条件を毎回プロンプトで説明しなければならない課題に直面している。AIに指示を出すたびに、技術スタックや命名規則、禁止事項を記述する必要があり、開発効率を阻害している。具体的には以下の問題が発生する。
- ・依頼文が長大化し、開発者の負担が増大する。
- ・説明の粒度が個人に依存し、AIの出力品質が不安定になる。
- ・ルール変更時にプロンプトの更新漏れが発生し、設計違反を招く。
- ・AIが既存の設計思想（Vanilla JSの維持やdecimalの使用等）を無視したコードを生成する。
// Approach
AIに毎回説明するのではなく、AIが自律的に情報を取得できるリポジトリ構造を構築するアプローチを採用する。情報の寿命と適用範囲に基づき、以下のファイルへ知識を分散配置する。
- ・.github/copilot-instructions.md: リポジトリ全体の共通ルールを定義する。
- ・.github/instructions/*.instructions.md: 言語や技術スタックごとの個別ルールを定義する。
- ・AGENTS.md: AI Agent向けの作業手順、ビルド・テスト、安全策を記述する。
- ・DESIGN.md: UIのデザインシステム（色、タイポグラフィ等）を構造化して記述する。
- ・docs/: アーキテクチャ、設計判断（ADR）、業務知識などの重い情報を集約する。
// Result
この設計手法を導入することで、開発者はプロンプトの負担を軽減し、AIの出力精度を向上させることができる。AIがプロジェクトの文脈を正しく理解するため、以下の成果が得られる。
- ・AIによる「勝手な技術スタックの導入」や「設計違反」の抑制。
- ・プロンプトの短縮化による、開発サイクル全体の高速化。
- ・人間とAIの両方に対する、プロジェクトのオンボーディングコストの低減。
- ・チームの暗黙知が、再利用可能な技術資産として形式知化される。
Senior Engineer Insight
> プロンプトエンジニアリングに固執せず、リポジトリの「構造」でAIを制御する思想は極めて合理的だ。これは従来の「ドキュメント駆動開発」をAI時代に最適化したものと言える。ただし、ドキュメントの陳腐化はAIの誤回答を招く致命的なリスクとなる。実戦投入の際は、ドキュメントの鮮度を保つための運用フロー、あるいはCIによる整合性チェックの導入をセットで検討すべきだ。