AI駆動開発の Issue → Done フローを Claude Code Routines で自動化する設計パターン

はじめに

Zenn で「Claude Code Routines で Issue の自動対応をチームで回している話」がトレンドに入っていました。

うちのチームでも、AI駆動開発の 「Issue → 実装 → レビュー → デプロイ」 フローを Claude Code Routines + Skills + Hooks で自動化しています。

完全に「人間がプログラミング」をしなくても、Issue を切ったら数分で PR が立ち上がる状態。

この記事では、その仕組みの 設計パターンと使い分け を整理します。

フロー全体像

Issue を起点に PR まで自動で進む のがコア体験です。人間は Issue を書くのと、PR の最終承認だけ。

設計要素1: Issue を「指示書」として書く

最重要は Issue の書き方 です。

うちのチームのテンプレ：

## 目的
[何のために、誰のために作るか]

## 受け入れ条件
- [ ] ○○の画面が表示される
- [ ] △△ がDBに保存される
- [ ] エラー時は □□ にトースト表示

## 前提
- 既存の `/app/auth/` ディレクトリの実装を踏襲
- DBスキーマは migration を別ファイルで作成

## 対象外
- メール通知（次フェーズで実装）
- 多言語対応（既存通り日本語のみ）

「やること」「やらないこと」「成功条件」が明確だと、AI は迷わず実装に入れます。

設計要素2: Hook で起動する

GitHub Issue が ai-ready ラベルを持つときだけ、Claude Code Routines を起動するように Hook を組みます。

{
  "hooks": {
    "GitHubIssueLabeled": [
      {
        "matcher": "ai-ready",
        "hooks": [{"type": "command", "command": ".claude/hooks/run-routine.sh"}]
      }
    ]
  }
}

これで「Issue ができたら全部AIに任せる」ではなく、「ラベルが付いた Issue だけ自動化する」 という人間のコントロール下に置けます。

設計要素3: Subagent で並列実装

Issue を分解した後、複数の Subagent に並列で実装させます。

Subagent A: バックエンドAPIの実装
Subagent B: フロントの画面修正
Subagent C: テストコードの追記

これで「並列で複数タスクが動く」状態が作れて、開発スピードが圧倒的に上がります。

設計要素4: Skills で自動レビュー

実装が完了したら、.claude/skills/code-review-checklist/skill.md を起動して自動レビューを通します。

# code-review-checklist

以下の観点で必ずレビューしてください:

1. **セキュリティ**: 認証バイパス・SQL injection・XSS・CSRF
2. **エラーハンドリング**: 全ての非同期処理・外部API呼び出しで try/catch or Result 型
3. **テスト**: 主要パスのテストが存在するか
4. **既存規約との整合性**: 命名規則・ファイル分割パターン
5. **パフォーマンス**: N+1 クエリ・無限ループの可能性

問題があればコメント形式で報告してから PR を作成してください。

これで人間レビューの負荷が激減します。

設計要素5: 人間が最終承認

最後の PR マージは 必ず人間が承認 します。

AI に丸投げで本番にデプロイすると事故るので、ここは譲ってはいけない。

ただし、人間がやるのは「マージするか・しないか」だけ。コードの細かい改善は、コメントで Claude Code に追加で指示すれば追加対応してくれます。

アンチパターン

NG1: 何でもラベルを付けて自動化させる

「ai-ready」ラベルの基準が甘いと、複雑すぎる Issue まで AI に投げられて事故ります。

「この Issue は要件が明確で、影響範囲が小さい」と判断したものだけラベルを付ける運用が現実的です。

NG2: 自動レビューだけで本番マージ

自動レビューはあくまで「人間レビューの補助」。最終判断は人間。これを忘れると AI 出力の不具合が本番に流れます。

NG3: 並列 Subagent の調整を怠る

Subagent 同士がコンフリクトする実装をすると、後でマージで地獄を見ます。

Issue 分解時に 「どの Subagent はどのファイルを触るか」 を明示しておくのが重要です。

まとめ: 「Issue → Done」を仕組み化する

AI 駆動開発で生産性を10倍にする鍵は、個別のテクニックではなく「Issue → Done のフロー自動化」 です。

• Issue を指示書として書く
• Hook で限定的に自動化を起動する
• Subagent で並列実装
• Skills で自動レビュー
• 人間は最終承認だけ

この仕組みを最初に整備できれば、AI 時代のチーム開発で圧倒的に差別化できます。

---

関連: 教材で手を動かして学ぶ

• まず無料で試したい方: 教材の体験版を GitHub で配布中（git clone してすぐ動かせます） → https://github.com/ayies128/next-ai-camp-trial
• 全20セッション完全版＋メンタリング → https://menta.work/plan/20251
• YouTubeチャンネル → https://www.youtube.com/channel/UC1rXVD9WYsQPQEWZyd-A1KA/