Timelab で Lynx というカレンダーサービスを開発している takahashi（@stak_22）です。
/／
🎄Timelab Advent Calendar Day 21 です！🎄
\＼
気づけば年末です！
色々振り返ることに時間を割きたいという気持ちになる時期です。人生は忙しないものですが、きちんと振り返る時間を取って、さらなる成長を遂げていきましょう！！
はじめに
2025年、AIコーディングツールの進化は目覚ましいものがありました。この記事では、Lynx 開発チームで Claude Code を導入し1年間使い続けてきた経験から、開発フローがどう変わったか、何が良くて何が課題だったか、個人的にチームの開発を振り返ります。
想定する読者
- Claude Code をはじめ、コーディングに AI を使っている方
- チームで AI コーディングを推進している方
なぜチームで Claude Code を選択したか
AIコーディングの精度が急速に向上する中、AIを使わないという選択肢はもはやありませんでした。しかし、個々人が好きなタイミングで好きなツールを使うだけでは、ナレッジの蓄積が難しく、チーム内での共通理解も深まりません。
そこで、1つのツールに特化することを決めました。特定のツールに集中することで、そのツールのベストプラクティスを見出し、最高のパフォーマンスを引き出せる可能性が高まると考えたからです。
その中で Claude Code を選んだ理由は以下の通りです。
- CLIベースのAIコーディングツールとして広く普及していた。
- Gemini CLI などは後発で登場したもので、使い勝手は Claude Code がベースとなっていると考えられるようなものと見受けられる。それほど Claude Code は今日の模範的な AI コーディング CLI になっていると考えられる。この当時も、使い勝手が良いと感じていた。
- Cursor も候補だったが、モデルやAPIの柔軟性、コストなどを考慮して Claude Code を選択した。
実際の開発体験
Claude Code の Max plan
Lynx 開発チームでは、フルタイムメンバーの希望者に Claude Code の Max plan を配布しています。
基本的な開発の流れは以下の通りです：
- プロジェクトディレクトリで
claudeコマンドを実行 - タスクの実装設計を行わせる
- 実装に向けて指示を出していく
- test や lint を通して PR 作成まで自動で行わせることも多い
実装前に Plan Mode で設計を出力させ、手を加えながらプランニングを詰めていきます。良い感じにプランが固まったら実装を開始させるというフローです。
AIが作成したコードは必ずレビューします。この時点でそのままマージすることは基本的にありません。むしろ「手を加えない」「レビューしない」という意思決定は今日の精度では不可能だと思っているため、この工程は必須です。
（いやそれが可能になる世界は来るものか。技術的には可能だが、そのリスクを負えるほど信頼していないです。）
ちなみに Claude Code による生産性を可視化するために数値を取っていたりもします。
Anthropic API の活用
Max plan とは別に、Anthropic API を使った活用も行っています。
🔨Claude Code GitHub Actions による自動レビュー
PRが作成されたタイミングで自動的にレビューを走らせ、PRにインラインコメントを付けさせています。
精度的には良いとは言えませんが補助的にあれば良いくらいには改善できています。ただ、Coderabbit の精度はピカイチだなと体感していました。
🔨カスタムスラッシュコマンド
/create-pull-request コマンドを打つだけで、現在の差分からPRを作成してくれます。
🔨Hooks
🔨Subagent
🔨MCP連携
良かった点
👍バグ調査のスピード向上
バグの原因特定、影響範囲の特定が格段に速くなりました。コードベース全体を素早く走査して関連箇所を洗い出してくれるので、調査時間が大幅に短縮されました。
👍設計の価値が上がった
コーディング自体はほぼしなくなりました。基本的にAIがコードを書くため、設計の工程の価値が相対的に上がりました。
👍コードベース理解の加速
Plan Mode を設計の補助として使うことで、コードベースに実装として埋め込まれている仕様の特定・理解のスピードが上がりました。
そもそもプロジェクト全体の実装アーキテクチャが整備させていれば、AIも仕様から実装箇所を特定できる感じではあるので、アーキテクチャに沿ったルール化の士気も高まりました。これによって新規メンバーのキャッチアップも今後楽になっていくものと期待しています。
悪かった点・課題
👎AIの設計に引っ張られる問題
設計の叩き台を自分でゼロから考えることがなくなり、ベースをAIに出させるようになりました。その結果、AIの設計思想に引っ張られてしまうことがありました。
理想は、最初の指示段階で自分なりの脳内イメージを持っておくことです。「こういう感じにしてほしいなぁ」というおおよその方向性を持った上でAIに設計を出させれば、自分の思い描く全体アーキテクチャに落とし込みやすくなります。ベースから全てAIに任せてしまうと、まぁ間違ってないし大丈夫か、とそのまま approve して進んでいき、最終的によくわからない設計になってしまう恐れがあります。ベースは開発者自身の脳内に持っておくことが理想だと考えています。
👎レビュー時間の増加
実装よりもレビューに割く時間の比重が大きくなりました。レビューは必須であり、むしろ開発工程の中心になったと言えます。
レビューによる手戻りは、すでにコンテキストを持ってしまってからでは面倒なので、いかにこれを最小限にするかの戦いになります。
👎修正指示の難しさ
つい先程の内容と似ていますが、レビューで問題を見つけて修正を指示すると、AIが最初に捻出した設計思想に引っ張られがちです。コンテキストをリセットして新たに指示するか、もはや自分で修正した方が早いというケースは多々ありました。
さらなる速度向上への期待
YOLO Mode や 複数ブランチでの並行作業（git worktree） はまだ試せていません。試すにしてもベストプラクティスが見えず、うまくいっていないのが現状です。
どんどん一人で進めてくれること、並列で進めてくれることができれば、理論的には圧倒的に速くなります。ここまでの信頼ができるにはどうすればいいか… 考えたいところです。
まとめ
チームでAIコーディングツールを統一して良かった
Claude Code に特化することで、プロジェクトへの組み込みやチームメンバーへの説明の機会が生まれ、自分自身の理解も深まりました。会社のテックブログにナレッジが蓄積されていったのも良かった点です。
ツール特有の機能に踏み込めた
広く浅く複数ツールを触っていると難しいですが、1つに絞ることでツール特有の機能（Hooks、Subagent、MCPなど）に踏み込んで開発体験向上にチャレンジできました。
もちろん運用に乗せてみて、結局使わないよねというものもありますが、そういうナレッジも一つの財産になっていきました。
開発時間の配分が変わった
AIコーディング導入前と比べて、開発に割く時間の配分が大きく変化しました。設計の価値が上がり、コーディング以前のものづくりの根本的な思想の部分に時間を使うようになりました。コードが書けるだけじゃダメなことを改めて感じました。
AIと共存するエンジニアとして今後ますますこういった部分が重要になってくると感じています。
現時点では人間のレビューが欠かせない
プロジェクトには歴史やビジネス事情を含めた多くのコンテキストがあります。それらを考慮すると、AIの思考だけでは実装が不十分なこともよくあります。ベースはAIコーディングで問題ないですが、人間のレビューは欠かせません。
理想は、設計段階でコンテキストを踏襲してドキュメント化し、AIが後戻り少なく実装を完了させることだと思います。
来年に向けて
個人としては、やり方次第でまだまだ開発速度向上の余地があると感じています。直近では git worktree などを使った並行作業の良いやり方を模索したいと思っています。あとはMCPの効果的な使い方は色々試した上で見えていないので、開発面では積極的ではありません。（ワークフローなど別の用途で活用するのが良いと考えています）
チームメンバーが使いやすいベストプラクティスの提案や、便利なツールの作成には引き続き挑戦していきたいです。
AIの発展に追従しつつ、プロジェクトの成長を限られたリソース内でも圧倒的なスピードとクオリティでデリバリーするため、効果的な使い方を磨いていきたいと思います。
最後まで読んでいただきありがとうございました！
何か質問やご意見があればぜひコメントお待ちしております！⭐️
📅過去のアドベントカレンダーはこちら📅
▶ タイムラボアドベントカレンダー2024
Discussion
claude、というよりAnthropicはモデル自体の性能引き上げるというより、AIを本格活用する上で補助機能の開発が上手いですよね。
Claude Codeもそうですが、アーティファクトや直接のコード実行も今はどのベンダーモデルでも採用されてますが、今後もこういったAIをユーザー目線で使いやすくするためのツール類はAnthropicが主体でリリースされていくのかな、なんて感じてます