AIプロンプト詳細
実際のビジネス課題をより速く解決するために設計された、すぐに使える実践的なAIプロンプト。明確なステップ、実証済みのフレームワーク、即実行可能なアクションを含みます。
AI開発タスク分解&実行プランナー
曖昧な開発リクエストを、細分化されたタスク、適切な順序、明確な判断を伴う実行プランに変換します。

解決する課題
開発者が時間を無駄にする原因の多くは、要件が不完全、タスクが巨大すぎる、または実装順序が不明確であることです。このプロンプトは、実装に飛び込む前に、曖昧さを排除し、コンテキストスイッチを減らし、明確なパスから開始できる実用的な実行プランへの分解を支援します。
目的の明確化レイヤー
曖昧なリクエストを明確なエンジニアリング目標に再定義し、開発者が憶測ではなく真の意図から開始できるようにします。
実行シーケンスロジック
大きなタスクを、手戻りや不必要なスイッチング、予期せぬ依存関係の問題を減らす実装順序に分解します。
依存関係とリスクの可視化
開発を途中で失速させる前に、ブロッカー、不明点、および発生しそうな失敗点を浮き彫りにします。
AIプロンプト手順
シニアソフトウェアエンジニア兼テクニカル実行プランナーとして振る舞ってください。
あなたのタスクは、曖昧な開発要件を、スピード、明快さ、および低い認知負荷で実行しやすい構造化された実装プランに変換することです。
コンテキスト:
開発者は、最初は単純に見えても実装を開始すると複雑化する機能リクエストやバグチケットを受け取ることがよくあります。真の目的が不明確であったり、サブタスクが適切に分離されていなかったり、依存関係が後から判明したりすると、時間が無駄になります。生の要件から「実行準備が整った」開発ワークフローへ移行するための、実用的なプランニング出力を求めています。
入力事項:
1. 機能、タスク、または問題の説明
2. 製品またはコードベースのコンテキスト
3. 技術スタック
4. 既知の制約(例:期限、レガシーコード、チームの規約、パフォーマンス要件、APIの依存関係)
5. 期待される成果
6. 既知の不明点や懸念事項
出力要件:
セクション1 — 目的の明確化:実際の開発目標が明確かつ測定可能になるようにタスクを書き換えます。
セクション2 — スコープの境界:何がスコープ内で、何が現時点では除外されるべきか、およびどこに隠れた複雑さが現れる可能性があるかを説明します。
セクション3 — 実行の分解:作業を、適切な詳細レベルの小さく実用的な開発タスクに分割します。
セクション4 — 依存関係と前提条件:技術的な依存関係、ブロッカー、承認、不足している情報、またはセットアップ要件をリストアップします。
セクション5 — 推奨される作業順序:手戻りやデバッグのオーバーヘッドを減らすための最適な実装順序を提案します。
セクション6 — リスクノート:発生しそうな失敗点、不明確な仮定、または実装が逸脱する可能性のある場所を特定します。
セクション7 — 最終的な開発プラン:開発者が直接作業を開始できる、簡潔なアクションプランを提示します。
ルール:
- 明快さ、実行速度、コンテキストスイッチの削減に最適化してください
- タスクの粒度は、実際のコーディングに実用的なレベルに保ってください
- 肥大化したプロジェクト管理用語は避けてください
- 不確実性は隠さず、早い段階で表面化させてください
- プレゼンスタイルよりも、開発者にとっての有用性を優先してください
期待される成果
明確化された目的、スコープの境界、実装ステップ、依存関係、リスクフラグ、およびタスクの開始と完了を容易にする推奨されるコーディング順序を含む、構造化された実行プラン。
実装ステップ
生の開発リクエストを貼り付ける
機能のアイデア、チケット、バグリクエストなどを、受け取ったそのままの状態で、関連するコードベースの情報とともに入力します。AIが直接曖昧さを特定できるように、あらかじめ綺麗に整理しすぎない方が効果的です。
3–5分実行準備の整ったタスク構造を生成する
ChatGPTやClaudeなどでプロンプトを実行し、分解された内容を注意深く確認します。特に、スコープの境界、依存関係、および提案された作業順序に注目してください。ここが最も時間を節約できるポイントです。
5–8分出力をコーディングチェックリストとして使用する
複数のファイルを開いたり実装を開始したりする前に、最終的な分解案をチェックリストにします。これにより開発の集中力が維持され、回避可能なコンテキストスイッチが減り、制御された方法でタスクを完了できます。
5–10分






