エリック・ジョージ手法の実践：v2.19開発レポート
エリック・ジョージ手法を用いたv2.19開発の実践レポート。品質チェック改善プロセスと、AI開発における体系的アプローチの効果を詳しく報告します。実測データと技術的な課題・解決策、今後の開発方針についても具体的に解説します。
📁 カテゴリ: 開発テクニック
ジェンスパーク(Genspark)で構築したGemini QA Framework - AI品質保証
占いアプリの開発を進める中で、記事作成や仕様書作成において何度も修正を繰り返す状況が続いていました。エリック（上流工程担当AI）が生成した内容を、ユーザーである私が一つ一つチェックし、問題点を指摘して修正させる——このプロセスは非常に時間がかかり、効率的ではありませんでした。
ジェンスパーク(Genspark)とGemini APIの選択 - AI開発環境の実践
占いアプリ開発を進める中で、「どの開発環境を使うべきか」という重要な選択に直面しました。AIスーパーチャットツールとサンドボックス環境を統合したジェンスパーク(Genspark)と、従来型のクラウド環境であるGoogle Cloud Platformを比較し、開発環境の選択基準を実践的に解説します。
ジェンスパーク(Genspark)で学ぶコード生成とコード実行の違い - サンドボックス環境の実践
「AIがコードを書ける」という表現を聞いて、「AIがプログラムを完成させて実行してくれる」と理解する場合があります。しかし、これは誤解です。コード生成とコード実行の本質的な違い・サンドボックス環境の仕組みと限界を、初心者向けにわかりやすく解説します。
AI品質保証の必要性 - なぜAIにはAIによるチェックが必要なのか
前回の記事（記事51: AIの判断力の限界）では、AI開発での見落とし7項目を分析し、上流工程AIの判断力の限界を明らかにしました。そこで浮かび上がった重要な問題が、「現在の一般的なAIモデルは自分のミスを認識できない」という事実です。
AIの判断力の限界 - AI開発での見落とし7項目を独自に考察
AI開発で見落としがちな7つの項目を実例とともに考察。セキュリティ、エラーハンドリング、パフォーマンス最適化など、AIの判断力の限界と対策方法を解説します。V字モデルを活用した品質保証の観点から、AIが見落としやすいポイントを体系的に整理して紹介します。
ジェンスパーク(Genspark)AI開発にV字モデルを適用 - エリック・ジョージ方式の初陣
ジェンスパーク(Genspark)でのAI開発にV字モデル（エリック・ジョージ方式）を初適用。占いアプリ開発を通じて、設計・実装・検証の各フェーズでの実践結果と学びを詳しく解説します。部分的成功と明らかになった課題、次回以降の改善方針についても詳しく報告します。
2025年のAI開発トレンド：ジェンスパーク(Genspark)視点で見る未来の開発
2025年のAI開発トレンドをジェンスパーク(Genspark)視点で解説。マルチモーダルAI、AIエージェント、コンテキスト管理など6つの重要トレンドを紹介します。ローカルLLMの実用化・AI開発ツールの統合化・AIセキュリティの動向と開発者への影響も詳しく分析します。
AI開発の全体像：企画から運用まで7ステップで理解する
AI開発の全体像を7ステップで解説。企画から運用まで、初心者でも理解できるよう実践的な手順とポイントをわかりやすく説明します。
ジェンスパーク(Genspark)開発でGit管理を怠り、3日分のコードを失った教訓
Git管理を怠り、3日分のコードを失った教訓から学ぶ、AI開発でのバージョン管理の重要性と実践的なGitワークフローを5ステップで解説します。コード消失からの復旧方法と、ジェンスパーク(Genspark)開発に特化したGitベストプラクティスも詳しく紹介します。
ジェンスパーク(Genspark)とのコードリファクタリング戦略：レガシーコードを段階的に改善する実践手法
ジェンスパーク(Genspark)とのペアプログラミングで実践した、レガシーコードを段階的にリファクタリングする具体的手法とAIとの協働戦略を解説します。2万行規模の大規模コードを安全に改善するための戦略と、TypeScript移行の具体的なアプローチも紹介します。
ジェンスパーク(Genspark)生成コードのエラーハンドリング：本番で泣かないための実践的実装パターン
ジェンスパーク(Genspark)生成コードのエラーハンドリング実装で学んだ、本番環境で本当に必要なエラー処理戦略と実践パターンを解説します。本番サイトが真っ白になった実体験をもとに、適切な例外処理とユーザー通知の実装方法を詳しく紹介します。