2026年を迎える私のLLMコーディングワークフロー（Addy Osmani）

Google Chromeチーム出身のエンジニア、Addy Osmaniが1年間のAIコーディング経験をもとに整理した、LLM活用ワークフロー。

中核となる原則:

• コードの前にまず仕様: LLMと一緒にspec.mdを先に作成し、要件・アーキテクチャ・テスト戦略を固めてからコーディングを開始する。「15分ウォーターフォール」と表現
• 小さな単位で反復: 一度に大きな成果物を求めず、機能/関数/バグ単位に分割して進める。大きな塊を任せると「互いに会話していない10人が作ったような」成果物になる
• 十分なコンテキストを提供: 関連コード、APIドキュメント、制約条件を積極的に渡す。gitingest、repo2txtのようなツールでコードベースをLLMに注入
• モデル選択と並行活用: 1つのモデルで行き詰まったら別のモデルに切り替える。Claudeが書いたコードをGeminiにレビューさせるなど、クロスチェックを活用
• 人間が必ずループに入る: LLMは「自信満々だがミスの多い」ジュニア開発者として扱う。生成されたコードはすべてレビュー・テストし、説明できないコードはコミットしない
• 超細粒度のバージョン管理: 作業ごとにコミットして「セーブポイント」を確保。git worktreeで複数のAIセッションを並列実行
• CLAUDE.md/GEMINI.mdでルール設定: プロジェクトのスタイルガイド、好みのパターン、lintルールなどをファイル化してAIに注入
• CI/CDと連携: 自動テスト・リンターがAIコードの品質ゲートとして機能。失敗ログを再びAIにフィードバックする循環ループ

参考になるポイント:

• AnthropicではClaude Codeのコードの約90%をClaude Code自身が作成
• AIは既存のベストプラクティスを強化する。シニアエンジニアの能力（設計、複雑性管理、自動化の判断）がAIと結びつくときに最も大きな効果を発揮
• AIツールは能力を増幅するものであり、置き換えるものではない。基盤なしにAIだけを使うと「ダニング＝クルーガー効果のステロイド版」になり得る