私たちのWebチームがClaude Codeを1ヶ月使用して学んだこと

開発 • 2026年2月6日 • 5分で読める

Juwan Wheatley

ExpoのWebチームは1ヶ月間Claude Codeを集中的に使用しました。私たちにとって何がうまくいき、何がうまくいかなかったか、そしてExpoがAIコーディングツールから実際の価値をどのように得ているかを学んでください。

私たちのWebサイトチームは、過去1ヶ月間Claude Codeを深く使い込むことにコミットしました。その意図は、1つのツールに集中的に投資し、それが私たちのプロセスと生産性にどのような影響を与えるかを観察することでした。昨日の全社会議で学んだことを会社と共有し、今日はその学びを皆さんにお伝えします。

（この分野は非常に速く動いており、今日の私たちの洞察はかなり早く古くなる可能性があることを認識しています。しかし、今日が重要です！）

この投稿では、Claudeで私たちにとってうまくいっていること、あまりうまくいっていないこと、そしてエージェント型コーディングからどのように価値を得ているかを学ぶことができます。

Claude Codeが優れている分野

馴染みのないコードの知識検索

AIで大量のコードを生成する準備ができていない場合は、ここから始めてください：よく知らないコードベースの部分の知識ベースとしてClaude Codeを使用してください。これは、まだ構築していないシステムコンテキストを必要とするタスクで自分のブロックを解除するのに特に価値があります。

とはいえ、チームメイトに尋ねることをためらわないでください。LLMがインデックス化していない、人間の脳に蓄積された代替不可能な知識がまだあります。

明確に仕様化されたタスクの実行

Claude Codeは、あなたがすでにやり方を知っているタスクで最高のパフォーマンスを発揮します。明確な要件と受け入れ基準を明確に表現できる問題は、より良い出力を生み出します。これは「入れたものが出てくる」という哲学のようなものです。

より曖昧で複雑な機能については、Plan modeを使用してください。明確化の質問をし、反復間でコンテキストを保持し、実装に直接飛び込むよりも一貫して高品質な結果を生み出します。

強いパターンを持つコードベース

確立された規約、包括的なlinting、型チェック、フォーマットルール、統合テストを持つプロジェクトは、Claudeを動作し、あなたの基準を確実に満たすソリューションに導きます。

鍵は、エージェントが自分自身のフィードバックループを閉じるためのツールを提供することです。これには、あなたのシステムとワークフローについてのコンテキストを提供するMCPを有効にすることが含まれます。Linear、Sentry、Figma、GraphiteのMCPが、Claudeの私たちの作業に対する理解を豊かにするのに特に有用であることがわかりました。

開発作業の並列化

AIにタスクを確実に委任する直感を身につけたら、Git worktreesを使用して作業を並列化することを検討してください。これにより、ローカルマシンで複数のブランチを同時にチェックアウトできます。ConductorやClaude Desktopなどのツールがこのワークフローを簡単にします。

Claude Codeがまだあなたの助けを必要とする分野

Claude Codeは多くのタスクをうまく処理しますが、理解する価値のある制限があります：

システムプロンプトでAIエンジニアをトレーニングする

Claudeは毎回のセッションで新しく始まります。毎回オンボーディングが必要な新入社員と考えてください。CLAUDE.mdシステムプロンプトでコードベースとの作業方法についてのガイダンスがなければ、同じ指示を常に繰り返すことになります。

ただし、システムプロンプトは簡潔に保ってください。冗長な指示は、実際の作業に必要なコンテキストウィンドウのスペースを消費します。

スキルの制限

スキル（事前パッケージ化されたレシピやコンテキストバンドル）は有用なショートカットを提供しますが、Claudeは明示的なリマインダーなしにそれらを適用することをしばしば忘れます。特定のレシピに従ってもらいたい場合は、スキルスラッシュコマンドを手動で呼び出すことで、この問題を回避しています。

コンテキスト管理の課題

長時間実行されるセッションは、LLMのコンテキスト制限を露呈します。Claudeは幻覚を減らすためにセッション履歴を圧縮し要約しようとしますが、これは役立つものの問題を完全に解決するものではありません。コンテキストが蓄積されるにつれて、出力品質が著しく悪化することを観察しました。

私たちの回避策：各個別のタスクを完了した後に/clearを使用するか、Claudeに現在の進捗をmarkdownファイルにエクスポートしてもらい、セッションをクリアしてから、そのファイルを読んで続行してもらいます。これにより、重要な情報を保持しながらコンテキストをリセットします。

エンジニアリング基準の維持

Claudeの出力を評価する際に、エンジニアリングの判断を放棄しないでください。LLMは依然として驚くほど頻繁に設計の悪いソリューションを生成します - そしてそのソリューションは自信を持って提示されます（私たちは皆これに馴染みがあります）。

ユーザーに出荷しても問題ないソリューションに向けてモデルを積極的に導く必要があります。

結論

LLMが何をうまく処理し、何を苦手とするかについての直感を構築するには時間がかかります。使えば使うほど、強力な結果を得るためにAIを活用することが上手になります。

私たちは進みながら学んでいますが、AIコーディングツールが単にオーバーヘッドを追加するのではなく、実際に私たちのワークフローを改善している地点に到達しました。

私たちの会社全体（はい、営業/マーケティングでさえも）が今、様々な程度でClaude Codeを使用しています。私たちは毎日AIを使用する方法について積極的で意図的でした。私たちはエージェント型コーディングについて、テスト、観察、そして社内での経験の共有について、興奮し、慎重で、細心の注意を払っています。

これはExpoでの私たちの働き方、そしてあなたがExpoと働く方法の大きな部分です。今後数ヶ月でここでもっと多くのことを言うことになるでしょう。

その間、AIとExpoでの構築方法について具体的な質問があれば、お知らせください。

ハッピーエージェント型コーディング！