コース概要
4段階のパーソナライゼーション・スタック
第1段階 | 知識(Knows) – ルールとAGENTS.md
学習項目:
• プロジェクトのコーディング規約や標準の定義
• アーキテクチャおよび技術的制約事項の文書化
• ツールに依存しないプロジェクトガイドラインの作成
• 開発チーム間およびAIツール間の整合性維持
第2段階 | 能力(Can) – スキル
学習項目:
• 再利用可能な専門知識の単位を生成する
• 必要な場合にのみ文脈情報をロードする
• コンテキストサイズを縮小しながらタスクパフォーマンスを向上させる
• 再利用可能なワークフローと専門知識のライブラリを構築する
第3段階 | 接続(Reaches) – MCP
学習項目:
• AIツールを外部システムおよびサービスに接続する
• リポジトリ、データベース、ドキュメントソースへのアクセス
• AIコーディングアシスタントの機能を拡張する
• セキュアな統合およびガバナンス制御の実装
第4段階 | 行動(Acts) – エージェント
学習項目:
• エージェント型の自律AIとその機能の理解
• コードの自律的な読み書き、テスト、修正
• 目標指向のワークフローおよび委任タスクの管理
• エージェント型システムに対する監督および人間のレビュー機制の設定
1日目 | 委任とツールの拡張
モジュール1 | アシスタントからエージェントへ
学習項目:
• AIアシスタントと自律型エージェントの違いの理解
• インラインコード補完とエージェント型委任の違い
• エージェントワークフローが開発タスクの構造化に与える影響
• エージェントへの委任に適したタスクの特定
• 自律型AIシステムとの協業に関するベストプラクティス
モジュール2 | 無監視で機能する委任とループ
学習項目:
• AIエージェントへの効果的な指示の記述
• 十分な文脈情報およびビジネス要件の提供
• 実行に関する制約事項と境界線の定義
• 明確な受入基準および成功指標の設定
• 品質を維持しつつ人間の介入を最小限に抑える方法
• ループの構築方法
モジュール3 | パーソナライゼーション・スタックと適用箇所
学習項目:
• 4段階のパーソナライゼーション・スタックの理解
• ルールおよびAGENTS.mdを用いたプロジェクト規約の定義
• 各シナリオで適用されるパーソナライゼーションメカニズムの判別
• ツール間およびプロジェクト間で効率的な文脈管理
• 一貫性のあるAI支援開発環境の構築
モジュール4 | スキルとサブエージェント
学習項目:
• 共通のワークフローやタスクに再利用可能なスキルの生成
• 専門知識のパッケージ化(繰り返し使用のため)
• サブエージェントおよび隔離された文脈の役割の理解
• バウンデッドなタスクの専門エージェントへの委任
• モジュール型AIワークフローを通じた効率性の向上
2日目 | ツールの接続、並列実行およびガバナンス
モジュール5 | MCP: 接続と構築
学習項目:
• モデルコンテキストプロトコル(MCP)の原理の理解
• AIツールを外部システムおよびサービスに接続する
• ブラウザ、データベース、リポジトリ、ドキュメントソースとの統合
• カスタムMCPサーバーの構築
• アクセス制御およびセキュリティ事項の管理
モジュール6 | 規律あるエージェントワークフロー
学習項目:
• 再利用可能なAI支援開発プロセスの設定
• AIエージェントとのブレインストーミングおよび計画策定
• 共同でのソリューション構築と実装
• 生成物のテストおよび検証
• 適切な検証ステップを伴う納品物のレビューおよび最終化
• ゴールの設定方法
モジュール7 | 並列開発
学習項目:
• 複数のAIエージェントの同時実行
• 隔離されたブランチおよびGit worktreesとの連携
• 並列ワークフロー間で開発活動の調整
• 複数のエージェントからの出力のマージおよび検証
• 並列実行戦略を通じた生産性の向上
モジュール8 | リスク、レビューおよびガバナンス
学習項目:
• 外部スキルの評価および選定
• セキュリティおよびガバナンスに関するリスクの理解
• アクセス権限の管理
• 機密データおよび知的財産の保護
• レビュープロセスおよび品質保証プラクティスの確立
モジュール9 | ソフトウェア開発におけるAI導入:ユースケースと次のステップ
学習項目:
• 組織がソフトウェア開発ライフサイクル(SDLC)にAIを統合する方法
• 各業界からの実際のユースケースおよび実装例
• AI導入の一般的なアプローチ:個人レベル、チームベース、組織全体のイネーブルメント
• SDLC全体を通じた典型的なユースケース:
• 要件定義およびドキュメンテーション
• コード生成およびプロトタイピング
• テストおよび品質保証
• コードレビューおよびリファクタリング
• ドキュメンテーションおよびナレッジマネジメント
• DevOpsおよびインシデント管理
• ガバナンスモデル、ポリシー、セキュリティに関する考慮事項
• AI支援開発による生産性およびROIの測定
• 社内AI導入ロードマップの構築
• パーティシペンタントおよびチーム向けの具体的な次のステップの定義
インタラクティブディスカッションワークショップ
• パーティシペンター開発チーム内の現在直面している課題
• 直ちに導入すべき高価値なユースケースの特定
• リスク、障壁、組織的な考慮事項
• AI統合のための初期アクションプランの作成
要求
専門的な開発経験、ターミナル操作への習熟度、Gitの基本的な知識が必要です。日常的にAIコーディングツールの利用経験があること、または「基礎」コースの受講済みであることが望ましいです。
対象者
AIツールを活用している開発者、チーム導入を担当するテクニカルリード、スキルやMCPサーバーを構築するプラットフォームエンジニアおよびDevOpsエンジニア。
お客様の声 (2)
Claudeへのプロンプトの書き方を学び、利用可能なすべてのデータを効果的に処理する方法を習得しました。
Mike Hartleroad - Furniture Row
コース - Claude AI for Data Analysis and Business Intelligence
機械翻訳
Office 環境との連携方法および繰り返しタスクの設定
Matthew Wallace - Group CBS
コース - Claude AI for Workflow Automation and Productivity
機械翻訳