AIを活用したプロダクションコードの分析

AI支援コーディング 上級編

Thalia Barrera

AI Engineering Curriculum Manager, DataCamp

コード生成を超えて

コース概要

 

このコースで学ぶこと：

• ✔ プロダクションコードへのAIベースのコード解析の実施
• ✔ AIを活用したテストとセキュリティの適用
• ✔ ソフトウェア設計とコラボレーションへのAIの活用

シナリオ：Wayfarer Labs

 

• 💻 あなたはWayfarer Labsのソフトウェア開発者です
• 🌎 モビリティプラットフォームを構築する旅行スタートアップ
• 🔎 あなたの課題：オープンソースの分析ツールを探す

Atlasの発見

 

 

採用前の重要な問い：

• 保守性はあるか？
• 信頼性はあるか？
• 長期的に有益な選択か？

 

🤖 AIはコード評価の加速と体系化を支援します！

新しいリポジトリを理解する

 

コードベース把握のための構造化プロンプト

コードベース把握のための構造化プロンプト

 

 

🤖 静的解析プロンプト：

このリポジトリには、本番環境向けのPython分析ツールボックス「Atlas」が含まれています。

Unixライクなシステムにアクセスでき、一般的なオープンソースツールをインストールできることを前提としています。

コードを実行せずに、このコードベースの静的解析を実施したいと思います。

 

目標：

• このプロジェクトに適した静的解析ツールを推薦する
• 各ツールの計測内容と関連性を説明する
• 解析を実行する具体的なコマンドを提示する
• 主な結果の解釈方法を説明する

AIによる動的解析のガイド

AIによるコード品質の評価

 

🤖 保守性プロンプト：

コードベースの保守性の問題を分析してください：過負荷なモジュール、責務が不明確な関数、および1か所の変更が複数ファイルへの修正を要する箇所を特定してください。

 

保守性の問題：

• 過負荷なモジュール
• 責務の不明確さ

複雑性と技術的負債

 

🤖 複雑性プロンプト：

長い関数、ネストされた条件分岐、分岐の多さに着目し、論理的複雑性が高い箇所を特定してください。

複雑性の指標：

• 長い関数
• ネストされた条件分岐
• 高い分岐数

 

🤖 技術的負債プロンプト：

TODO、重複ロジック、レガシーパターンなど、技術的負債の兆候を探してください。

技術的負債のシグナル：

• TODOとFIXME
• 重複ロジック
• レガシーパターン

評価のまとめ

 

Atlasの評価結果：

• ✅ 構造化されたコードベース
• ✅ 採用は合理的
• 👀 まず複雑性の問題に対処
• 👀 技術的負債への取り組み

AIを活用したリファクタリング

 

 

AIによるサポート：

• 高い影響度に焦点を当てたリファクタリング
• パッチの提案

重要な注意事項

 

AIはエンジニアリングの判断を代替するものではありません

• 誤りを犯すことがある
• 文脈を見落とすことがある
• ハルシネーションが起こることがある

✔ 適切に活用すれば、理解を加速し、より良いコーディングの意思決定を支援します

さあ、練習しましょう！

AI支援コーディング 上級編