RAG & AI-Driven Dev Training
SESSION 08

ミニプロジェクト
振り返り

要件定義書だけを渡して、複数ファイルからなるCLIツールをClaude Codeに一から構築させる。機能追加まで体験し、1日の学びを整理して終える。

16:15 - 17:30（75分）
実践 50分 + 振り返り 25分
HANDS-ON / 50 MIN
ex05 ── ミニプロジェクト構築

フォルダ: ex05_project/

ファイル: requirements.md

要件の概要

01

サーバー5台

web-01, web-02, app-01, db-01, cache-01 のメトリクスを表示

02

プログレスバー

CPU/メモリ/ディスクの使用率を20文字幅のバーで可視化

03

アラート

CPU 90%以上、メモリ 85%以上、Warning状態で警告を表示

04

レポート出力

実行結果を report.txt にも保存。実行日時を含める

1. requirements.md を確認する
2. Claude Codeにプロジェクトを構築させる
3. 実行して動作確認する
4. レポートファイルを確認する
5. 機能追加（--json オプション）を依頼する
6. JSON出力を確認する
# Claude Codeへのプロンプト（Step 2） ex05_project/requirements.md を読んで、仕様通りのCLIツールを実装してください。 コードは複数ファイルに分割してください。
# 実行コマンド cd handson_cc\ex05_project python main.py
# 期待される出力例 ============================================================ サーバー監視ダッシュボード 2026-03-10 15:30:45 ============================================================ [web-01] Webサーバー Status: Running CPU: [============ ] 60.2% Memory: [================ ] 80.5% Disk: [======== ] 42.3% [web-02] Webサーバー Status: Warning CPU: [================== ] 91.4% << ALERT Memory: [=========== ] 55.0% Disk: [========== ] 51.7% ... ------------------------------------------------------------ ALERTS: [!] web-02: CPU使用率 91.4% (閾値 90% 超過) ------------------------------------------------------------ レポートを report.txt に保存しました ============================================================

機能追加を依頼する

# Claude Codeへのプロンプト --json オプションを付けると、レポートをJSON形式で report.json に出力する機能を追加してください。
# 実行コマンド python main.py --json
EXERCISE

確認チェックリスト

REVIEW / 25 MIN
1日の振り返り

午前 ── RAGで学んだこと

Document Loader
→
Text Splitter
→
Embedding
→
Vector Store
→
Retriever
→
LLM回答生成

この一連の処理をLangGraphの retrieve_node と generate_node に分けて実装した。

午後 ── AI駆動開発で学んだこと

EX 01

ex01

指示 → AIがファイル生成 → 実行確認

EX 02

ex02

実行 → 異常発見 → AIに修正依頼 → 再実行確認

EX 03

ex03

仕様書作成 → AIに実装依頼 → 仕様照合

EX 04

ex04

実行 → AIにコード解説 → リファクタリング → 出力比較

EX 05

ex05

要件定義 → AIにプロジェクト構築 → 動作確認 → 機能追加

AI駆動開発で押さえておくこと

01

AIの出力は必ず確認する

動作確認なしに本番投入しない。ex02のバグ修正でもex04のリファクタリングでも、最後に実行して結果を検証した

02

指示は具体的に書く

「いい感じにして」では定義がAIと人間で異なる。「CPU使用率の閾値判定が逆になっている」のように具体的に書く

03

仕様やテストを先に用意する

AIが作ったコードの品質を担保する仕組みは人間が作る。ex03の仕様書、ex05の要件定義書がその役割

この研修で体験したフローは、日常の開発業務でもそのまま使える。小さなスクリプトから始めて、徐々にAIに任せる範囲を広げていくのが効果的。

RAG側

  • SystemMessage を変えてAIの人格を設定する
  • 回答の最後に「参考にした文書」を表示する処理を追加する
  • 複数の質問をforループで連続投入する

AI駆動開発側

  • ex01に段階的に機能追加（引数受取、--countオプション）
  • ex02の修正済みコードにユニットテスト生成を依頼する
  • ex04のリファクタリング済みコードにREADME作成を依頼する