AIコーディングの実務ガイド
AIでコードを書くときの生産性・レビュー・保守を判断したい。AI導入だけで生産性が必ず上がるという断定や、ベンチマークの順位だけで製品を決める比較は扱いません。
このテーマの読み方
AIコーディングは、生成速度だけを見れば簡単に見えますが、実際の成果は要件の明確さ、変更範囲、レビュー、テスト、保守、権限の設計で決まります。このハブでは、ベンチマークの数字をそのまま現場の速度とみなさず、経験者が遅くなる場面、レビュー負荷、技術的負債、長時間タスクの境界、AGENTS.mdやquality gateの使い方へ分けて読みます。小さな修正から始め、差分とbuildを確認し、公開や本番反映は別の判断にするための実務的な順番です。生成物を採用する前に何を検査するかまで、記事ごとに確認できます。
判断軸
- 生成速度とレビュー負荷
- ベンチマークと実環境の差
- 仕様・テスト・権限・公開の境界
扱わないこと：AI導入だけで生産性が必ず上がるという断定や、ベンチマークの順位だけで製品を決める比較は扱いません。
- AIに知らないGitHubリポジトリを実行させる前の安全チェック｜Codex・Claude Code・Copilot Agent向け
Codex、Claude Code、GitHub Copilot Agentに知らないGitHubリポジトリをセットアップさせる前に確認したい安全チェックを初心者向けに解説。README、npm install、pip install、setup script、外部URL、秘密情報、権限設定の注意点を整理します。
- AI coding agentの間接プロンプトインジェクション対策｜README・issue・外部ドキュメントを信じすぎない
AI coding agentがREADME、issue、外部ドキュメント、エラーメッセージを読むときに起きる間接プロンプトインジェクションを、防御目線で整理。AGENTS.md、Copilot code review、Codex、Claude Codeでの扱い方を解説します。
- AIエージェントは仕事をどう変えるのか？Codex・Claude Codeの最新研究で読む
OpenAIのCodex経済研究とAnthropic Economic Indexをもとに、AI利用が短いチャットから長時間の委任型タスクへ移る意味を解説。個人開発者がどうタスクを切り出し、レビューし、安全に使うべきかを整理します。