AIにプロジェクト全体のコードを書かせる「RACG」入門 — サーベイ論文を読み解く

zenn · 2026-08-17

この記事で分かること

プロジェクト全体のコード生成をAIに任せる手法の入門知識が得られる。サーベイ論文で整理された論点から、コードベースの全体像をどう扱うか、生成結果の検証をどこで行うかという実用化のポイントが把握できる。

agent code rag

AIエージェントチームの運用例から、調査依頼から試作までを1日で進める進め方が参考にできる。朝に依頼した調査が深夜にはMVP（試作品）として動いていた状況を示しており、自律的なタスク進行の目安になる。

Claude Codeの利用量を確認する際に、キャッシュの扱いが判断に影響することが分かる。1週間で1Bトークンと表示されても97%がキャッシュなら、実際に課金やレート制限に効くトークン数は想定より少ない可能性が高い。

LLMに読ませる知識をWiki形式で整理する際の標準化指針が得られる。RAGやエージェントに組み込むときに参照しやすい構造を検討する材料になる。

AIアシスタント向けコードコメントの書き方を改善する判断材料が得られる。長文コメントはモデル自身の動作理解に寄与せず、簡潔な記述の方が効率的とみられる。

AIレビューを同じ条件で複数回実行すると結果がどう変わるかが分かり、レビューを1回で信頼してよいかの判断材料になる。ClaudeとRobloxの個人開発で、指摘内容の一致や差分を確認して運用方法を決められる。

Claude Codeの質問形式を自由記述から選択式に変えるプロンプトの書き方が分かる。候補を列挙して選ばせるよう形式を限定することで、回答のぶれを抑え、操作を簡潔にできる。