高速開発のためのコード整理術

Transcript

1. 高速開発のためのコード整理術 1
2. 2 自己紹介 西田将幸 クラスメソッド リテールアプリ共創部 マッハチーム エンジニアとして働いてます 主にバックエンドでフロントエンドFlutterと薄く広くやってます
3. 3 全体の流れ 1. 受託開発での AI活用 ◦ 実際の活用例 ◦ それでもレビューは必要 2. ソースコードの整理術 ◦ 人の認知力の限界について ◦ 単機能になるまで分解 ◦ 動作保証されてるコードの塊を作る 3. まとめ
4. 4 受託開発での AI活用
5. 5 実際のAI活用例 マッハチームは開発前のプリセールスの段階から開発、テ ストまで、プロジェクトの立ち上げに横断的に関わる その全ての工程でAIを活用 • プリセールス(見積) • 要件定義 • 開発・テスト
6. 6 プリセールス • 資料をmd 形式に変換しAIが読みやすい形へ変換し一つ のディレクトリ配下に ◦ PDFをMarkdownへ変換 ◦ pandasと openpyxl を使った Excel -> Markdownへの変換Skillを 使って変換 ◦ 図は画像を元に mermaid 形式で保存 • 変換した情報を元に質問（簡易的なRAGのような動き) • 資料や見積もりの雛形を作成
7. 7 要件定義 • 処理フローの作成 • 要件からデータベース定義の素案 • データベース定義からAPIスキーマへの変換
8. 8 開発・テスト • プロダクトのコード作成 • レビュー • テスト作成 • テストデータ作成
9. 9 AIを使った開発の指示フロー 1. 要件を書く 2. AIと壁打ちしながらプランファイルを作成 a. 最初からモジュールの構造などを指示したい場合はプランファ イルに含めることも 3. プランファイルを読み、対話しながら、もしくはプランファイ ルを直接修正 4. AIにGOを出す 5. Gitの差分をレビュー
10. 10 レビューは必要 • 生成されたコードは間違ってることがある • 時には致命的な間違いも • 読まないわけにはいかない (2026年現在、来年は正直わからない) • AIの処理が詰まって進まなくなる • 使われないコードも生成され、将来の追加開発時に 負債になる
11. 11 ソースコードの整理術
12. 12 人の認知力の限界について
13. 13 ワーキングメモリ 視覚情報 聴覚情報 ワーキングメモリは 無意識に使用される
14. 14 ワーキングメモリが溢れると • ミスが多くなる • 脳が疲れ、集中力が持続できなくなる
15. 15 ソースコードが長いと ソースコードが長いと • 覚えておくことが増え、無意識下でワーキングメモリを占 有していく • ワーキングメモリが溢れ集中力が落ち、間違いに気付け なかったりする
16. 16 意味のある単位で分ける • 意味のある単位でサブルーチンを分ける • サブルーチンに処理がわかる名前をつける
17. 17 意味のある単位で分ける Tree構造的にしておくと必要な時に下位のノードまで 読みにいき、また、上位のノードに戻れ、 ワーキングメモリに優しい
18. 18 具体例
19. 19 処理内容 ハンドラーが行っている処理 1. APIでユーザーデータを取得、キャッシュする 2. ユーザーのステータスが退会済みならエラー 3. ユーザーの購入情報を取得 4. 取得したデータを元にレスポンスを返す
20. 20 処理内容 DBアクセス API呼び出し ユーザー 属性 余分なことを読まないとダメ
21. 21 ユーザー取得の処理を関数化 処理の内訳 1. データベースにキャッ シュを確認 2. なければAPIで取得 3. APIの取得結果をDBに1 時間保存
22. 22 ユーザーのステータスチェックを関数化 処理の内容 1. ユーザーの status フィー ルドが “inactive” という文 字列であれば退会済み 2. 退会済みのユーザーは エラー
23. 23 購入情報を取得 処理の内容 1. 購入情報をAPI経由で 取得
24. 24 整理後のハンドラー
25. 25 整理後のハンドラー 処理の内容 1. データベースにキャッシュを確認 2. なければAPIで取得 3. APIの取得結果をDBに1時間保存 4. ユーザーの status フィールドが “inactive” という文字列であれば退会済み 5. 退会済みのユーザーはエラー 6. 購入情報をAPI経由で取得 7. 取得したデータを元にレスポンスを返す 処理の内容 1. ユーザーデータを取得、キャッ シュする 2. ユーザーのステータスをチェック 3. 購入情報を取得 4. 取得したデータを元にレスポンス を返す 圧縮
26. 26 処理内容 小さい単位で ワーキングメモリをクリアしながら 集中して作業できる
27. 27 動作保証されてるコードの塊を作る
28. 28 品質が高く信頼コード 多くのパターンで正常に動いてるコードは 品質が高いと言え、信頼できる 信頼できるコードは読み飛ばすことができ、作業の効率化、 アプリケーションの品質の向上に繋げることができる
29. 29 実際の例 APIのレスポンスをキャッ シュする という関心は他でも ありそう
30. 30 関心の内容 以下の関心（期待）を持って呼び出すと考えられる • キャッシュがあればキャッシュからデータを返却する • キャッシュがなければ fetch し、DBにキャッシュする • 有効期限が切れればキャッシュを更新する
31. 31 キャッシュ処理を使いまわせるように
32. 32 使いまわせる関数を単体でテスト このキャッシュ関数自体をテストできるようになる 呼び出し側の期待値がそのままテストケースに • キャッシュがあればキャッシュからデータを返却する • キャッシュがなければ fetch し、DBにキャッシュする • 有効期限が切れればキャッシュを更新する
33. 33 ユーザー取得の処理を関数化 キャッシュからデータが返 却されることを 保証するテスト
34. 34 使い回すことでさらに品質が上がる このキャッシュ関数をいろんなところをつかい回すことによっ て、呼び出しパターンが増え、ますます品質が高くなる
35. 35 使い回しが効きやすいコードの塊を作る • 関数は極力1つの機能のみを提供する。複数の機能が関 数に含まれていると同じ関数が使いまわせるシーンが少 なくなる(モジュール強度) • 呼び出し側の関心事を意識し、使いまわせるインター フェースを考える
36. 36 動作保証されたコードを使ってAI開発 再現性がある動作保証の塊を使って、再現性がないAIの出 力を安定させる 動作保証されたコード 不確実な出力 ある程度安定した ソースコード
37. 37 まとめ
38. 38 まとめ • ワーキングメモリを意識してソースコードを短くする ◦ 意味のある短い単位に分解する ◦ サブルーチンに処理がわかる名前をつける • 動作保証されている処理の塊を作る ◦ 呼び出し側の関心毎で処理を分離する ◦ 分離された処理単位でテストを書く • ワーキングメモリを節約、動作保証されている処理の塊を使って 開発を高速化
39. プロダクトの0→1⽴ち上げ 専⾨チーム ⼀緒に働く仲間を募集...! モダンな技術スタックを積極採用 • Hono, V0, Claude Code… 顧客と0距離 • プリセールス ~MVPリリースまで • 顧客対応も 2~3名の小規模チームで高速開発 • 1案件 2~6ヶ月 • マッハで経験が積める 📢マッハチーム 絶賛募集中