モダンAI開発者のテックスタックとワークフロー (2026年6月)

仕様駆動型と「スローコード」手法への移行

現代のAI開発は、生のコード生成から、構造化された仕様優先のワークフローへと移行しています。AIのハルシネーションを防ぎ、長期的なプロジェクトの保守性を維持するために、開発者は「Spec Driven Development」(SDD) や「Slow Code」をますます採用しています。

Spec Driven Development (SDD)

SDDは、コードが生成される前に詳細な仕様を記述することを含みます。このプロセスには通常、以下が含まれます：

  • 調査とインタビュー: エージェントを使用して、大きなタスクを小さな管理可能なサブタスクに分解する。
  • 具現化された要件: 各サブタスクに対して詳細な仕様を記述することで、セッションのコンテキストを集中させ、コストを削減し、要件への準拠性を向上させる。
  • 不変のアーティファクト: 一部の開発者は、発見、実装計画、検証、およびレビューのために、不変のMarkdownアーティファクトを保存するために、専用の .agents/plans/ ディレクトリまたは個別の dev-plans リポジトリを維持している。

「スローコード」の哲学

AIを使って機能全体を瞬時に生成するのではなく、「Slow Code」はLLMを設計パートナーやラバーダッキング（相談役）のアシスタントとして扱います。このアプローチは以下を強調します：

  • TDDの統合: テストを最初に書き、コードを手動またはAIの支援を受けて実装し、その後LLMを使用してエッジケース、メモリリーク、または効率性のボトルネックを特定する。
  • Iterative Dialogue (反復的な対話): 最終的なコードを要求する前に、AIの前提条件に異議を唱えるために、複数回の会話（4-5回）を行う。
  • 生成よりも検証: 単にコードを執筆するのではなく、AIを使用してコードをレビューし、検証する。

新たなツール群とテックスタック

従来のIDEプラグインよりも、ターミナル中心のワークフローやエージェント型CLIツールの使用へと明確なトレンドがあります。

コアツールのトレンド

  • Agentic CLIs: Claude Code や Codex は、実装の主要な推進力として頻繁に引用されます。その他のツールには Mecha-AI や OpenCode も含まれます。
  • Terminal Emulators: Ghostty は、高性能なターミナルアクセスを実現するために繰り返し選択されています。
  • Editors: Neovim や VS Code (または VSCodium) が引き続き主流であり、しばしばファイルをプロンプトに結合するためのカスタムスクリプトと組み合わせて使用されます。
  • Infrastructure: Model Context Protocol (MCP) の使用は、コーディングエージェントを外部ツールや内部のコードベース・インデックスに接続するための標準になりつつあります。

開発者スタックの例

ユーザープロファイル OS Editor/Terminal 主要なAIツール
Terminal-First macOS Ghostty / Neovim Claude Code, OpenCode
Agent-Heavy Linux VSCodium Mecha-AI, DeepSeek
Hybrid/Custom macOS Ghostty / Neovim Pi, Codex
Minimalist Various Browser Claude / ChatGPT

高度な自動化とインダストリアル・エンジニアリング

大規模開発においては、一部の実践者はAIエージェントのオーケストレーションにインダストリアル・エンジニアリング（産業工学）の原則を適用しています。

Agent Factories とオーケストレーション

高度なワークフローには、長期的な目標の計画、PRDs (Product Requirement Documents) の記述、タスクの実行、およびレビューを行う「agent factories」が含まれます。この複雑さを管理するために、開発者は以下を推奨しています：

  • 継続的な改善: エージェントのフローを、チェックリストやゲートを通じて最適化すべきプロセスとして扱う。
  • 強力な Linting とドキュメント化: エージェントを導くために、リポジトリ内に強力な linting を実装し、あらゆる設計上の決定を記述する。
  • Concurrency Management (並行性管理): 複数のエージェントが同時にコードベースに対して操作を行う際、競合を最小限に抑えるために、コードアーキテクチャを慎重に構造化する。

カスタムツールと DSLs

一部の開発者は、LLM とファイルシステムの間を橋渡しするために、以下のような独自のツールを構築しています：

  • Custom Prompting Engines: Vim でファイルを「チェック」して、プロジェクト固有の「rules for good code」ファイルと共にプロンプトに結合させるツール。
  • TUI Wrappers: LXC コンテナを管理するための自作の Terminal User Interface (TUI) を使用し、迅速な環境の切り替えや、異なる LLM プロバイダー (Anthropic, OpenAI, OpenRouter) 間でのホットスワップを可能にする。

初心者と教育者への実践的なアドバイス

ワークショップをセットアップしたり、AI開発を始めていたりする人々のために、コミュニティはスキルアップのための段階的なアプローチを推奨しています：

  1. Beginner Stage (初心者段階): Claude Code や Codex のようなデスクトップアプリケーションから始めて、導入のハードルを低くする。
  2. Intermediate Stage (中級者段階): Cursor や VS Code と AI 統合により、手動および小規模な変更を行う。
  3. Advanced Stage (上級者段階): Agentic CLI ツール、マルチエージェント・オーケストレーター、およびカスタム MCP 実装へと移行する。

環境構築に関する注意: 経験に基づくと、Windows ユーザーの場合、複雑な WSL2 + uv の設定はワークショップ中にファイルシステムの競合を引き起こす可能性があるため、初心者にはネイティブの Python/pip がより安定していることが示唆されています。

Sources