初めに
私はプログラミングが苦手である。仕様理解もデバッグも得意ではないしとても疲れる。
そしてネットでよくあるつよつよエンジニアの「基礎ができてないと通用しない」と言われると本当にその通り・・・と思いつつ肩身が狭くなる。やる気も失せてくる。
それでも、何かを作りたい！！ という欲求と、こうすれば動く！！ という爽快感は何物にも代えがたいものがある。
そこで今回は、ローカル上でRAGができる仕組みをAIコーディングで作成した中で、（これは次回共有したい）実際に手を動かしてみて、効率的にAIで作成できる道筋が見えてきたので共有したい。
これを参考に、非エンジニアであろうと自分の欲しいアプリや仕組みを効率的に構築・運用ができるようになれれば幸いである。
4ステップで進めるAIコーディングでの開発プロセス
使用した技術スタック
- chatGPT 5.1
- github
- github copilot（2026には非推奨になるようなので今後はcodexとかclaude codeを用いる）
- vscode
- windows powershell（操作内容や環境によっては管理者として実行しないと動かない場合もあるので注意）
① AIにまず作ってもらう
いきなりゼロから書かない。
-
目的を伝える（例：「ローカルで資料をRAGしたい」）
-
必要そうなファイル構成をAIに提案させる
-
最小コードを生成してもらう。大体1ファイル当たり30〜50行ならレビューしやすい。
-
ファイルとフォルダは最初から分ける
-
data/,index/,app/,config/くらいには分けておく - 後から分け直すと import 地獄になりがち
- フォルダ構造がきれいだと、AIにも説明しやすいし、体感精度も安定したように思う。
-
→ 最初は動かなくてもOK。「壊れポイント」が見えるだけで前進。
② ミニマム動作まで持っていく → GitHubに保存
とにかく
- ひとまず動く
- 余計な理解は後回し
いったんローカルで作ったフォルダとコード群をリポジトリに格納する。WindowsではPowerShellを用いればCLIで一括格納が可能である。ググってほしいのと、gitstoreファイルがあれば高速で格納が可能。（あれ何の意味があるのか不明だった・・・）
③ ブランチで機能追加しつつ、AIに文脈を理解させ、修正
- 作業用ブランチを切る
- リポジトリ全体をAIに読ませる：「このプロジェクト全体を理解して、できたらOKと言って。」
- 「この意図で、この部分をこう変えたい」と伝える：「依存関係を意識して、○○するための修正をして。」
→ 部分修正より、文脈込みで相談した方が破綻しない。
④ エラーは「パターン」として覚える
AIのコードエラーには大まかにパターンが存在する。
-
テレメトリやオプトアウト設定の失敗、API接続が怪しいときは環境変数を最優先で疑う
- キー名のタイプミス→公式docsで正しい環境変数が記載されている。それに従う。
-
.envを読み込めていない
-
公式ドキュメントと公式サンプルが常に最優先
-
Qiitaやブログは参考として便利だが、
バージョンが違うと普通に嘘になる。 -
「分からなくなったら、まず公式に戻る」をルール化。
-
「ネットのサンプル通りにやったのに動かない」はだいたいバージョン違い。またはライブラリ名の変更。例えばLlama Indexは更新による命名変更が頻繁にあるらしい。
-
学んだこと：大事なのは設計と開発プロセス
AIコーディングはプロンプトエンジニアリングより、
如何にきれいに構造を設計し、如何に開発プロセスを進めていくかを考えていくことが大事。