Claude Code はすべてに優れているわけではありませんが、次の 5 つのタスクでは素晴らしいです

皆さんが耳にするプロパガンダにもかかわらず、AI は人々の仕事を引き継ぐ準備ができていません。それは単純に賢くないのです。ただし、それは は 非常に高度な生成ツールであり、適切なアプローチを使用すれば、それが得意な部分で活用できます。クロードを最大限に活用するにはどうすればよいかを説明します。

私は AI の大ファンではありません。それは私たちのスキルを奪い、目立った仕事ができないもの（あるいは常識）に置き換えるのではないかと思います。最近、クロードは長い中断の後、Hugo の作業を手伝ってくれましたが、実装に論理的思考が必要な画像ギャラリー機能に苦労しました。それには長所と短所があります。今日は私の経験をお話します。クロードを正しく使用すると時間を節約できますが、誤用するとコストがかかり、面倒な負担になります。

インライン学習

クロードは家庭教師のような存在で、壁を乗り越えるお手伝いをします

AI が登場する前には、Stack Overflow と Google がありました。あなたのひげが長くて灰色で、毎日 P=NP について瞑想しているなら、あなたはおそらく本から始めたでしょう。しかし、新世代には AI が搭載されており、インラインでインタラクティブな Google のように使用すると、非常に便利だと思います。

何年にもわたってドキュメントや気の遠くなるような退屈な文献を書き続けてきた人々はこのアイデアを嘲笑するかもしれませんが、LLM はこの点で非常に効果的です。たとえそれが間違っていたとしても、知識の謎やギャップを明らかにするのに役立ちます。 LLM を使用すると、新しいトピックを始めるのがかつてないほど簡単になり、メンターが肩を寄せてくれると非常に役立ちます。

ただし、これにはいくつかの注意点があり、初心者が LLM に頼りすぎると、本当に何も学べなくなります。もしあなたがそうなら、時間をかけて一人でできるところまで進み、LLM を使って正しい道に導いてもらうことだけをお勧めします。本当の学習は間違いを犯すことで起こり、コードを書かなければ何も得ることはできません。

コードベースの文書化と理解

時間を大幅に節約できますが、それはまだ始めたばかりです

私が「文書化」と「コードベースの理解」をまとめたのは、書くことが複雑なテーマを分解するのに優れた方法だからです。クロードは私より数百倍 (数千倍ではないにしても) 速く読み取ることができるため、コードをスキャンしてレポートを作成するように依頼すると、時間を大幅に節約できます。

しかし、クロードは (他の AI と同様に) 非常に明確な論点を述べるニュアンスを理解していないため、ひどい作家です。コードを記述するときは簡潔さが最も重要ですが、AI はユーザーをノイズで混乱させようとします。たとえ別の指示があったとしても、クロードはナンセンスな発言をします。唯一の解決策は、コードをステップ実行し、最初の草案を作成するときにそれを使用して調べて学習することです。

このように使用すると、クロードは生産性が大幅に向上しますが、その出力を書き直してください。はるかに優れた仕事ができるようになり、アイデアを自分の言葉で表現することで頭の中に定着するからです。

デバッグ

はるかに高速です

これは間違いなくクロードの最強のスーツの 1 つです。私よりもはるかに速く、スタック トレースを読み取り、コマンドを実行し、コードから情報を抽出できます。膨大なトレーニングセットからのパターンを利用しており、何年も見つけられなかったものを表面化することができます。クロードはその点で A+ を獲得します。

デバッグが完璧であるというわけではありません。ループに陥って情報を理解できなくなることがあるためです。しかし、このようなシナリオでは、クロードがバトンを受け取るのに十分な距離まで近づいてくれることがよくあります。

テストの作成

アプリケーション ロジックはコンテキストであり、クロードは骨の折れる作業を担います。

私がクロードとAIに愛を持っているとすれば、それはこの理由からです。私はテストを書くのが大嫌いです。 Pytest は使うのが楽しいですが、その作成には一般的に時間がかかり、精神的に消耗します。

AI にとってコンテキストは重要ですが、CLAUDE.md ファイル内の多数の英単語の結果はまちまちです。私はコードが最良のコンテキストであると考えており、網羅的なスタイル ガイドをエンコードする代わりに、クロードに既存のテストとフィクスチャを指定して、そのスタイルをコピーさせることを好みます。ドキュメントコメントのコメント、コード、レイアウト、規約、仕様。クロードはこれらを引き受け、テストを簡単にします。

クロードを使用する効果的な方法は、クロードに次のコマンドを実行させることです。 git diff 変更に基づいてテストを 1 つずつ生成します。失敗するテストを作成するように明示的に指示することは、特にプロパティベースのテストの場合にわかりやすくなる可能性があります。この方法を使用すると、他の方法では数時間かかるような方法でコードを迅速に検証できます。ただし、これをうまく行うには、出力を批判的に判断し、必要に応じてリファクタリングする必要があります。

手動でテストを作成すると、プロジェクトに 10 倍の時間がかかりますが、このアプローチにより、アプリケーション ロジックの作成という楽しい部分に集中できるようになります。テストが短く、一度に 1 つずつ受ければ、時間と認知的労力を大幅に削減できます。それは、AI とそれを巡る不条理な主張に不満を抱いている人の発言です。

プロトタイピング

プロトタイプとバイブコーディングは相互に最適です

場合によっては、解決策を思い描くのが難しい場合、最良のアプローチは、探索的なコード (プロトタイプ) を作成することです。ただし、間違った方向に数日または数週間を費やすと、コストがかかります。代わりに、クロードに事前に偵察してもらい、大まかな実装をバイブコーディングしてもらうことは非常に貴重です。

その時点で、Claude の実装は最終製品として受け入れるのに十分な人もいるかもしれませんが、それが長期的に重要なプロジェクトである場合は、メンテナンスのコストと、ソリューションを完全に理解していないという事実を必ず考慮する必要があります。コードを手動で記述することが、完全な所有権を取得し、問題の微妙な違いを理解する唯一の方法です。

私は現在、幅広いテクノロジーをカバーするプロジェクトに取り組んでいます。新しいスキルを習得する初期段階ではクロードがサポートしてくれましたが、ディープ ラーニングを自分で行うことに代わるものはありません。クロードを使用してギャップを埋め、困難または面倒なコードを生成することもできますが、考える必要がある部分を所有することはできません。クロードにはそれができないからです。

AI を使用する場合、提供されるコンテキストの質はどれだけ強調してもしすぎることはありません。詳細な英語の指示はこれまでしかできませんが、既存のコードの形で非常に正確なコンテキストを使用すると、はるかに優れた結果が得られ、実行がはるかに簡単になります。これが私の使用方法の核心です。最初のテスト スイートは自分で作成し、アプリケーション ロジックは常に手動で作成します。コード (およびコメント) を構造化する方法の素晴らしい例を作成し、それをクロードに真似してもらいます。

クロードは (他のすべての LLM と同様に) 人間レベルの推論に欠けており、論理を重視した解決策に行き詰まっています。問題を解決する方法を模倣できない場合は、介入が必要です。これは AI の大きな欠陥であり、私が挙げた強みはどれも知能に依存していません。

Claude は信じられないほど豪華なオートコンプリートであり、適切なコンテキストを使用すると時間を節約できますが、考えるためにそれに依存すると、トラブルが発生します。生成されるコードは単なる統計的近似であり、思考力がなく、問題領域を十分に理解していない人によって生成されます。したがって、コンテキストに焦点を当て、それをプログラマではなくコード ジェネレーターのように扱います。