AI Coding Agent時代の中核スキル：優れたSoftware Specの書き方
2025〜2026年のAI coding agentとSpec-Driven Developmentの最新実践を基に、Software Specの定義、価値、主要要素、ワークフロー、よくある落とし穴を体系的に解説し、Claude Code、Codex CLI、Cursorなどで使える実践的なテンプレートを紹介します。
AI アプリケーションエンジニアリング
Agent-Nativeドキュメントエンジニアリング：AI Coding Agent駆動開発の文書体系設計ガイド
AI coding agentの実行機構を起点に、agent-native文書が「参考資料」から「基盤」へ変わった理由を体系的に説明し、AGENTS.md、PRD、Architecture、Spec、Planなど各文書層の責務と構成原則を整理します。Context EngineeringとSpec-Driven Developmentの実践を踏まえ、contextを節約しながらagentの行動を安定して導く文書体系の設計方法も示します。
AI Agent業界標準の全体像：Java engineerの視点
最初に全体像を見る Java backend engineerがAI Agent分野の現在の標準化状況を素早く理解するには、次のように対応させられます。 通信/設定の種類 AI Agent標準 Javaでの類比 提唱者 Governance 採用状況 Agent ↔ ツール/データ MCP JDBC Anthropic AAIF (Linux Foundation) ✅ de facto standard Agent ↔ Agent A2A RMI / gRPC Google Linux Foundation ✅ 急速に採用中 プロジェクトrule設定 AGENTS.md application.yml OpenAI AAIF (Linux Foundation) ✅ de facto standard 再利用可能な能力package SKILL.md Maven Plugin Anthropic agentskills.io（open standard） ✅ de facto standard アプリケーションframework Goose / Claude Agent SDK / ADK Spring Boot 各社 一部はAAIF 🔶 複数社が競争 microservice governance Harness Engineering体系 Spring Cloud — — 🔴 標準なし test/評価 Agent評価framework JUnit — — 🔴 標準なし コード品質governance Entropy管理 SonarQube — — 🔴 標準なし 上半分の✅は、業界の共通見解またはde facto standardを形成済みの部分です。下半分の🔶と🔴は、まだ探索中のfrontierです。この記事では主に上半分の全体像を説明し、その後、下半分がどのように進化するかを考えます。 ...
AI Coding Agent向け文書の書き方
OpenAI、Anthropic、HumanLayerなどのチームがAI coding agentプロジェクトの文書化で得た実践経験を体系的に整理し、入口ファイル、階層化された知識ベース、状態追跡ファイル、局所文書がAgentの性能へ直接影響する理由を説明します。最小限の文書体系から継続的な保守へ進む、実行可能な道筋も示します。
LLM の Agentic 化：質問への回答から自律的な仕事へ
一つの比較から始める ChatGPT に「KV Cache とは何か」と聞くと、モデルが答えて会話は終わります。 Codex CLI に「このプロジェクトへテスト付きのユーザー認証 module を追加して」と伝えると、agent は自律的に作業を始めます。プロジェクト構造を読む → 既存コードを理解する → 実装を計画する → 認証ロジックを書く → テストを書く → テストを実行する → 失敗を見つける → 修正する → テストを通す → PR を作る、という流れです。数十 step に及ぶ間、あなたが介入しないこともあります。 ...
RAGシステム全体ガイド：ゼロから本番品質までの完全な設計手順
AIアプリケーションエンジニアリングを学ぶ開発者に向けて、データ取り込み、分割、検索、再ランキング、生成、評価、運用まで、RAGの完全な処理経路を体系的に整理し、最小構成から本番導入までの発展経路を示します。
Spec-Driven Development詳解：Prompt and PrayからSpec and Steerへ
Spec-Driven Developmentの中核概念、四段階のworkflow、vibe codingとの本質的な違いを体系的に説明します。現在のツール環境と成熟度を踏まえ、AI coding agentの時代にspecを先に書くことが、曖昧さと手戻りを大幅に減らす理由を示します。
RAG Chunking ベストプラクティスガイド
複数の組織によるベンチマークと業界の実践を基に、RAG chunkingのデフォルト設定、パラメーター調整方法、文書種類別の戦略選択を整理します。
Agent = Model + Harness
LangChain による Agent Harness の分解は、context engineering、memory、MCP、agent loop を一枚の地図として結び付けています。
Prompt Engineering 完全ベストプラクティスガイド
AI アプリケーションエンジニア向けの Prompt Engineering 長編ガイド。基礎原則、コンテキスト設計、タスクチェーン、インジェクション防御、Agent のプロンプト設計、評価駆動開発を扱う。