Devinで始める爆速個人開発

2025/05/07 Flutter Tokyo #7
で登壇したDevinを活用したパッケージ作成の資料となります。

https://flutter-jp.connpass.com/event/351432/

Transcript

1. Devin で始める爆速個人開発 Flutter Tokyo 7
2. Abount Me 西村凌 株式会社ゆめみ Flutter エンジニア 趣味: ライブ参加 / 個人開発 @r0227n r0227n
3. Devin の紹介
4. Devin とは Cursor / ChatGPT との比較 ツール 強み Devin の強み 評価 Cursor コード補完に特化、 スニペット提供、即 時支援 コード生成→テストまでワン ストップで自律実行し、並列 実行可能 Cursor は直列 / Devin は並列思考する ため、思考コストがDevin は少ない ChatGPT 汎用的な対話型AI 、 自然言語処理・説明 生成 自律型AI エンジニアとして具 体的なコードタスクを主体的 に遂行 ChatGPT は対話と説明に優れるが、実 行と完遂に特化する Devin は開発効率 が高い Cognition 社製の自律型AI ソフトウェアエンジニアです。 Cursor や ChatGPT とは異なり、プロンプトを入力したら自動でコードを生成し、タスクを自立的に実施す る生成AI サービスです。
5. Knowledge 運用フロー 📥 入力フォームで用語名・ショートカッ ト・詳細を登録 🧠 プロンプトを解析し、Knowledge を自動 生成＆提案 🔄 既存Knowledge はプロンプトに合わせて 自動更新 推しポイント メンテナンスフリー：手動更新の手間ゼロ 常に最新：プロジェクト知識の鮮度をキープ プロジェクト固有の用語やルールを一元管理 し、タスク実行時に即座に参照。
6. Devin Wiki DeepWiki との比較 DeepWiki はプロジェクトの概要を理解するのに便利だが、それ以上の内容を作成されない。 だが、 Devin Wiki は概要だけでなく、設計も作成されておりエンジニアのためのドキュメントツールとして強い。 ここを改善してほしい 英語で作成される( 日本語で作成されないかな？) ドキュメントのソースコードが参照できないため、二次利用が不便 ドキュメントの自動作成機能。 フローチャートやシーケンス図、表が多用されており、視覚的にプロジェクト全体を理解することができる。
7. Devin Search 検索内容に応じ、該当するソースコードと説明を提示してくれる。
8. Devin をフル活用した個人開発 ( プラグインパッケージ)
9. WhisperKit とは WhisperKit は、Argmax 社が開発したオープンソースの音声認識フレームワークです。 OpenAI のWhisper モデルをApple のCoreML 形式に最適化し、iOS やmacOS 上でオンデバイス処理を可能にして います。 主な機能 完全オンデバイス処理：音声データをサーバーに送信せず、プライバシーを保護 高精度な音声認識：OpenAI のWhisper モデルをベースにした高品質な認識精度 複数言語対応：多言語での音声認識をサポート 様々なモデルサイズ：tiny-en からlarge-v3 まで、用途に応じたモデル選択が可能 リアルタイム処理：ストリーミング音声認識にも対応
10. Flutter WhisperKit 主な機能 モデル管理：様々なサイズのWhisperKit モデルのダウンロードと管理 ファイルベース音声認識：音声ファイルからのテキスト変換 リアルタイム音声認識：マイクからのリアルタイム音声認識とストリーミング結果 詳細な設定オプション：言語指定、タスク種別、温度パラメータなど多様な設定 進捗状況の追跡：モデルダウンロードや処理の進捗状況をリアルタイムで取得 Flutter から WhisperKit を簡単に利用できるラッパーパッケージを個人開発しました。
11. プロジェクト構成 flutter_whisper_kit プラットフォーム非依存のAPI を提供 共通モデルとインターフェース定義 プラグインのエントリーポイント flutter_whisper_kit_apple iOS/macOS 向けの実装 WhisperKit との連携コード Method Channel 実装 flutter_whisper_kit flutter_whisper_kit_apple
12. デモ 左側: 読み上げ内容 This is a test audio for Flutter WhisperKit's real-time text-to-speech conversion. 右側: 文字起こし結果 This is a test audio for Flutter WhisperKit's real-time text-to-speech conversion. 0:00 / 0:21
13. クイズ ※ 補足: 開発者は Swift および pluguin package の開発経験ゼロです 1. 1.5 人日 2. 2.5 人日 3. 3 〜7 人日 4. 8 人日以上 A. 2.5 人日 Q. Flutter WhisperKit の開発工数はどれくらいでしょう？
14. Devin による開発支援 文字起こし処理の実装 WhisperKit の呼び出し処理の作成 Method Channel 実装 Flutter- ネイティブ間の通信コード生成 テストコードの作成 テストコードの作成 エラーハンドリング 適切な例外処理とエラー伝播の実装 Devin は以下の点でFlutter WhisperKit 開発を支援しました：
15. Devin に対する使用感
16. 良かった点 コード生成の速さ 1 タスク5~8 分程度で完了する タスク実行次の参照元を確認可能 作業方針のソースを履歴で確認することができ、Devin の思考 順序を確認できる ドキュメント生成 コードに対する詳細なドキュメントとコメントの自動生成 学習能力 フィードバックを基に改善し、より良いコードを提案
17. 注意点・限界 プラットフォーム固有の知識 Ubuntu 上で動作しているため、iOS/macOS 固有の設定周りの コード生成が難しい 依存関係の解決 複雑な依存関係の解決には人間の介入が必要な場合がある コミット粒度 プロンプトを意識しないと1 度のコミットに変更をステージン グ 精度に対する期待値は最大50 点程度 タスクは完璧に仕上がらず、及第点を超えないものが多い。 　 そのため、並列して2~3 種類タスクを同時に投げるのがベスト
18. 今後の活用方法 プロトタイプ開発の高速化： ChatGPT x Firebase Studio x Devin で爆速プロトタイプ作成 ボイラープレートコードの自動生成：定型的なコードをDevin に任せ、創造的な部分に集中 コードレビュー支援：既存コードの問題点や最適化ポイントの発見
19. 今後の展望 自立型AI サービスは今後の開発体験を変化させ、爆速の開発現場をもたらすと思います。 エンジニアはコードではなく、設計に力を入れて活躍し、既存の工数計算の常識が覆ると思います。 少なくとも1~2 年後にDevin コンサル という職種が生まれてもおかしくないと思います。
20. ご清聴ありがとうございました r0227n/flutter_whisper_kit