【20260113 AI×DevOps Study #1】Claude Code AI開発支援テンプレートを利用したAPI開発

■AI×DevOps Study #1 の概要
2026年1月13日に開催した「AI×DevOps Study」第1回の勉強会資料です。

「AI×DevOps Study」は、AI駆動開発やそこに関係するマイクロサービスについて理解を深める場になります。
株式会社ScalarではAIを使ったチーム開発を進めており、参画しているメンバーや協力会社の方から、具体的なAI駆動開発を実施する方法、その中で生まれたマイクロサービスアーキテクチャを使用したAI駆動開発の事例や実際に使えるエージェントについてお話頂き、参加者の皆様と知識の共有や交換を目的としています。
（弊社製品であるScalarDBも絡んだお話も一部出てきますが、汎用的な内容となっておりますのでフラットにお楽しみいいただけます）

■今回のテーマ
「Claude Code AI開発支援テンプレートを利用したAPI開発」

チーム開発でAIを活用する際、こんな課題はありませんか？

プロンプトの書き方がメンバーごとに異なり、出力品質にバラつきが出る。
AIの出力をレビューする人のスキル差により、品質やスピードに差が生まれる。

本セッションでは、これらの課題を解決するために作成した「Claude Code AI開発支援テンプレート」を利用したAPI開発の流れを紹介します。
Claude CodeのSkills機能を活用し、APIの詳細設計・実装・テスト・レビュー対応・PRレビュー指摘の反映といった開発フロー全体を標準化。作業者のスキル差を吸収し、ジュニアメンバーでも一定品質を担保しながら開発スピードを向上させることができました。 当日は実際にテンプレートを使ったAPI開発のデモを交えながら、チーム開発におけるAI活用のポイントをお伝えします。

■登壇者情報（敬称略）
橋本康平
株式会社NewWizのバックエンドエンジニア。PHP/Laravelでの開発経験を経て、2025年4月からClineでAI駆動開発を開始。2025年7月よりClaude Codeに移行し、現在はAIを活用したバックエンド開発を専門としている。チーム開発におけるAI活用の課題を解決するため、Claude CodeのSkillsを活用した開発支援テンプレートを作成・運用中。

■勉強会動画
Claude Code AI開発支援テンプレートを利用したAPI開発【20260113 AI×DevOps Study #1】
https://www.youtube.com/watch?v=NXL9GPOLP6s

Transcript

1. AI開発⽀援テンプレートを利⽤したAPI開発 Claude Code × Skills によるバックエンドAPI開発の標準化 2026/1/13 株式会社NewWiz 橋本 康平
2. チーム開発で直⾯した課題 プロジェクト情報 プロジェクト: 既存サービスのリニューアル チーム構成: Java開発経験者: 1名 Java未経験者: 3名(ジュニア2名) 技術スタック 技術領域: RESTful API、バックエンド ⾔語/FW: Java/SpringBoot DB: ScalarDB/DL AI導⼊初期の失敗  プロンプトの書き⽅がメンバーごとに異なり、出⼒品質にばらつきが出る  経験者と未経験者で、最終的な成果物の品質に差が出やすい ⽬指したゴール  メンバーのスキル差に依存しない、安定した成果物の出⼒（開発効率の向上、品質の均⼀化）
3. 解決策：Skillsと開発標準によるAIとの協働 「AIに任せる」のではなく、「AIと協業して作り上げる」⽅針に舵を切りました。 1. メンバーが実施する作業のスキル を作成  Claude CodeのSkills機能を活⽤  各⼯程で再利⽤可能なプロンプトセット(スキル)を⽤意 2. 開発標準ファイルの整備  AIが読み込めるテキスト形式で開発規約を整備  必要な情報だけをAIに与える
4. 開発標準の管理 単⼀コンテキストファイルの課題  CLAUDE.md への⼀極集中はコンテキストの肥⼤化を招き、AIの処理効率を低下させる要因に コンテキストの分割と最適化  必要な情報を、必要な時だけ読み込む仕組み により効率化を実現  スキルごとに参照する標準ドキュメントを限 定し、ノイズを排除 今後の展望：Rules機能への移⾏  可能な項⽬はClaude Codeの「Rules機能」へ順次移⾏中。  ⾃動適⽤による運⽤の⼿間削減と、さらなる効率化を⽬指す。 docs/standards/ ├── coding-standards.md：コーディング規約 ├── testing-standards.md：テスト基準 ├── security-guidelines.md：セキュリティガイドライン └── ．．．　：その他、プロジェクト固有の標準を個別に管理
5. スキルの定義 要素 説明 具体例 目的・概要 このスキルが何を実現するか 「詳細設計書を作成する」 入力 AIが読み込むファイル 設計概要 処理 AIが実行する具体的な手順 規約やプロジェクト情報読込 →設計概要読込→設計書生成 出力 スキルが生成する成果物 統一フォーマットの詳細設計書 品質基準 参照すべき規約・ガイドライン 開発標準、セキュリティガイドライン等 スキルの構成要素 「スキル」とは、誰でも同じ品質を再現できるプロンプトセット  特定のタスクに最適化された、再利⽤可能な指⽰の集合体  チーム全員が同じ品質でタスクを実⾏可能になる
6. 開発フロー全体像 　　　　基本設計：人間主導 　　　　　　後工程でAIが読むことを前提に、構造化テキストで作成 テーブル定義書/Markdown、API仕様書/ YAML(OpenAPI形式)など 　　　　詳細設計：AI生成 + 仕上げ 　　　　　　AIが設計概要を元に詳細設計書を生成、人間は整合性の確認と微調整に注力 　　　　実装：AI実装 + 仕上げ 　　　　　　詳細設計書をインプットとして、AIがコードをドラフト生成。人間は動作確認と品質の最終確認を行う 　　　　コードレビュー：AI一次受け + 人間レビュー 　　　　　　AIが構文や規約の一次チェックを担当。人間はビジネスロジックやアーキテクチャの妥当性確認に集中 　　　　テスト：AI実装 + 検証 　　　　　　実装コードに基づき、AIがテスト計画の策定からコード生成までを実行。人間は網羅性と有効性を判断 🤖👤 　👤 🤖👤 🤖👤 🤖👤
7. 設計と実装  詳細設計 ⼈間の役割  設計の概要（⽬的、主要ロジック）を作成  AIが作成した設計書のレビュー‧調整 AIの役割  テンプレートと規約に基づき詳細設計書を⾃動⽣成 スキル:  api-detail-design(詳細設計書⽣成):   ⼊⼒: 設計概要   出⼒: 統⼀フォーマットの詳細設計書  design-mr-review-response(設計レビュー⾃動修正):   ⼊⼒: MRの指摘コメント   出⼒: 設計書の修正⽅法の提案と修正 実装 AIの役割  設計書から実装計画を⽴て、段階的にコードを⽣成 ⼈間の役割  実装計画のレビューと、AI⽣成コードの最終確認‧ 調整 スキル:  implementation-plan(実装計画策定):   ⼊⼒: 詳細設計書   出⼒: 段階的な実装計画書  implementation(コード実装):   ⼊⼒: 実装計画書   出⼒: 実装コード ※デモで実際の動作をお見せします
8. レビューとテスト コードレビュー AIが検出するもの  コーディング規約違反、設計書との整合性  セキュリティガイドライン準拠 ⼈間が確認すること  ビジネスロジックの正確性  アーキテクチャ上の判断 スキル:  code-review(AI⼀次レビュー):   ⼊⼒: 実装コード、詳細設計書   出⼒: レビュー指摘事項(規約違反、設計不整合検出)  code-mr-review-response(コードレビュー⾃動修正):   ⼊⼒: MRの指摘コメント   出⼒: 実装修正⽅法の提案と修正 テスト AIの役割  実装コードと設計書に基づき、テスト計画の⽴案か らテストコードの実装までを⼀貫して⾏う。 ⼈間の役割  AIが提案したテスト計画の網羅性と、⽣成されたテ ストコードの品質を確認 スキル:  test-plan(テスト計画策定):   ⼊⼒: 実装コード、詳細設計書   出⼒: 段階的なテスト計画書  test-implementation(テストコード⽣成):   ⼊⼒: テスト計画書   出⼒: テストコード  test-review(テストレビュー):   ⼊⼒: テストコード、詳細設計書   出⼒: レビュー指摘事項(観点不⾜等) AI一次 レビュー 人間による レビュー 🤖 👤 コード完成 指摘修正
9. 導⼊成果（Before / After） 比較項目 Before（導入前） After（導入後） 開発効率 ドキュメント作成やPR指摘対応などの定 型作業を手動で行っており、多くの時間を 奪われていた 定型作業の自動化と MR指摘の即時修正 により、大幅な時間短縮を実現。人間は本 質的な開発に集中できる 品質の安定化 メンバーの経験差により、成果物の品質 やプロンプトの精度に大きなばらつきが あった スキルが品質基準を担保するため、経験 年数に関わらず誰でも一定水準の成果物 を安定して出力できる チーム・ ナレッジ ノウハウが個人の暗黙知に留まり、教育 コストが高く、新人の立ち上がりに時間が かかっていた ノウハウが明文化され、ツールを実行する 過程で自然と学習できるため、オンボー ディングもスムーズ スキルが個⼈の経験差を吸収し、チーム全体の開発スピードと品質を底上げ
10. 苦労と⼯夫 最初から完璧なシステムは作れない。「使いながら育てる」姿勢が鍵となる。 苦労した点 プロンプトの試⾏錯誤  開発タスクごとの最適な指⽰出しには試⾏錯誤が必 要であり、実運⽤を通じてプロンプトの精度を⾼める ⼯数が発⽣した 標準化のバランス  厳しすぎると柔軟性がなくなり、緩くしすぎると品 質がばらついてしまうので、バランスの取れた標準化 を探る必要があった ⼯夫した点 ClaudeCodeのhook機能による開発標準更新の⾃動化  開発中に発⽣した類似の指摘や、標準化すべきナ レッジを⾃動的に検知‧集約する仕組みを実装 管理者⾃⾝による実地検証  レビューや管理業務に留まらず、⾃⾝も設計書作成 や実装タスクにおいてスキルを積極的に使⽤  提供者側ではなく「利⽤者」の視点から使い勝⼿を 検証し、現場⽬線での改善を⾏った
11. AIを活⽤した開発を成功させる4つのポイント 役割分担の明確化  AIには定型的な作業を任せ、⼈間 は内容の判断や検証に集中する 1. ドキュメントのテキスト化  設計書や規約をAIが読める形式 （Markdownなど）で整備すること が、活⽤の⼟台となる 3. スキルによる品質安定  個⼈の経験や知識に頼らず、誰で も⼀定品質の成果物が出せる仕組み を作る 2. 継続的な改善  最初から完璧なものは作れない ため、使いながら少しずつ調整して いく姿勢を持つ 4.