Hypervelocity Engineering - beyond Vibe Coding -

Vibe Codingを行う方法論やツールもだいぶ出そろってきました。これらを活用しつつ、テキストからテキストが作成される事による可能性はもっと広く深い範囲で実現が見込まれます。
ここでは、生成AIによって、ビジネスの状況分析から、Microsoft Azureへのアプリケーションのデプロイ。そして、Azure CopilotのAgentによるOperationの可能性まで見据えてのPromptベースでのアプリケーション開発を紹介しています。

社内の情報に関してはMicrosoft 365 Copilotのリサーチツール。ソフトウェアエンジニアリングについては、GitHub Copilot。これらの双方を使って、アプリケーション開発を爆速させ、品質を少しでも向上させ。そして、Developer の皆さんのスキルを上げていくための入り口として、機能の概要を取り上げます。

内容:
- PromptのEngineeringへの適用: 企画から要件定義、設計、実装、デプロイも。
- 開発の生産性と品質をあげるための戦略: Prompt自身の現在の能力、チーム開発に向けて

サンプルのPrompt:
Japanese:
https://github.com/dahatake/GenerativeAI-Prompt-Sample-Japanese/tree/main/Software%20Engineer/%E3%83%97%E3%83%AD%E3%83%88%E3%82%BF%E3%82%A4%E3%83%97-AIFirst

English:
https://github.com/dahatake/HyperVelocityEngineering-Prompts

Transcript

1. Hypervelocity Engineering の世界 - Vibe Coding のその先へ - 畠山 大有 | Daiyu Hatakeyama Principal Technical Architect Microsoft Innovation Hub /dahatake @dahatake /in/dahatake /dahatake /dahatake /dahatake https://speakerdeck.com/dahatake
2. 国内外での300社以上のITプロジェクトにアーキテクト及びエンジニアとして 関与して約30年の経験。 業界初として様々な業界にて事例化されたプロジェクトにも関与。 同様に、様々な業種のパートナー企業の皆さんとソリューション製品・サービスの 開発・市場展開も行う。 そこでの学びを、TechEd、de:code、TechSummit などの 基調講演を含む場で600回以上のセッション登壇。 また、書籍・雑誌やBlog 執筆、サンプルコードの公開などで社会に Feedback中。 セッションだけでなく、200回以上のハンズオン、ハッカソンのファシリテーションも 行っている。 得意技: Agile Development methodology, Architecture Design, Coding, Database and Big Data, Data Science, Video Streaming, Search, Sustainability, Communication and Collaboration, Human skill-up 佐賀大学 客員教授(非常勤講師) 佐賀県 – SAGA Smart Tech Adviser やつしろ×Tech コンソーシアム – 相談役 SUNABACO – Technical Fellow ふくしまプログラミング推進協議会 – Technical Advisor・相談役 MCP (MCSD, MCAD, MCSE, MCSA, MCDBA, MCTS, MCPD) | MCT | OCP (Oracle Master Platinum) | SCJ-P | ITIL foundation 畠山 大有 (はたけやま だいゆう) /dahatake @dahatake /in/dahatake /dahatake /dahatake daiyu.hatakeyama@microsoft.com /dahatake LinkedIn
3. Prompt > Tools
4. 超 高 速 ・ 高 品 質ア プ リ ケ ー シ ョ ン 開 発 の 世 界 - Hypervelocity Engineering - 達 と の 私 の お 仕 事 の 日 常 AI Agent さ い ご に
5. 超高速・高品質 アプリケーション 開発の世界 - Hypervelocity Engineering -
6. 何を入力すれば、 私の期待通りに動くの?
7. AI駆動 Software Engineering AI駆動 Business Engineering Better Together ビジネス価値に連動した開発 ビジネスに必要な技術の選択しやすさ。 技術ありきではなく チームでの活性化
8. Vibe Coding Software Engineering Vibe Coding GitHub Copilot Develop Operation SRE Review Quality Assurance Documentation
9. Business Engineering 現状分析 As-Is Hypervelocity Engineering Business Engineeringx Software Engineering 市場の課題 社内の課題 改善案 To-Be 改善案 Software Engineering Product Management 機能要件 非機能要件 ユースケース Vibe Coding GitHub Copilot Develop データアクセス、ガバナンス、エージェント管理、成果測定 リサーチツール Issue Operation SRE Data / Resources 公開情報 社内情報 Code Feedback SDKs Log Review Quality Assurance Documentation Deploy Design MCP IaC MCP CI/CD
10. Software Engineering に最適化 Commercial Business に最適化 適材適所。モデルの違い Reasoning Model GPT-5 Thinking Deep Research系 リサーチャーなど Normal Model GPT-5など ソース Internet 社内 GitHub Repo リサーチツール リサーチツール GitHub Copilot GitHub Copilot Coding agent GitHub Copilot 実行 実行 実行プラン作成 実行 実行プラン作成 妥当性チェック MCP 妥当性チェック ※Promptに追 ある程度はや ※Microsoft 365 CopilotもCopilot Studio経由で MCP連携などの拡張可能
11. • 一問一答ではなく連続した会話の文脈を維持す るため、複雑な質問への対応や追加情報の確 認に向いている • タスク • 要件の明確化と修正: ユーザーの意図が最初は曖昧でも、 AIが質問を重ねることで要求を具体化できる。 「どの程度詳しく書くか」や「優先順位は何か」といった点を対話で 詰めるため、ユーザーの望むアウトプット像に近づけることができる • 段階的な品質向上: 初回出力に対し「ここを改善して」 「この部分を詳しく」とフィードバックを与え再生成させることで、 欠点を補い精度や完成度を高めらる。例えばプログラミングでは、 生成コードを実行・検証しながら誤りを直していくような 反復による洗練が可能 • 柔軟な応答とアイデア出し: ユーザーとの対話によって AIが文脈やトーンを逐次学習するため、人間のブレインストーミングに 近い柔軟さがあります。新たな質問や方向転換にも対応しやすく、 創造的なタスクでは対話を通じて独創的なアイデアを引き出すことも できる • 使用例 • Copilotなどの対話型AIに「まず方針を考えてもらい→次にコードを 書いてもらい→出力をテストし→不具合があれば修正する」という 対話を行うと、一度で大きなプログラムを生成させるよりも信頼性の 高いコードを得やすい インタラクティブ (Interactive) と バッチ (Batch) • ユーザーからの介入は最小限で、複雑な処理で あってもAIが自律的に多段階の推論や検索を 行い、包括的な回答や成果物を生成 • タスク • 明確に定義されたタスク: ゴールや条件が初めからはっきりしており、 追加の相談が不要な場合、1回のプロンプトで完結できる。 例えば「与えられた仕様書どおりにプログラムコードを書いて」といった タスクでは、詳細な仕様をすべて含めてプロンプトを作成すれば 対話なしでコード生成が可能 • 大規模な情報処理: 人間では調査に何時間もかかるような 大規模データの分析や包括的レポート作成も、バッチ型なら短時間 で遂行できる。OpenAIのDeep Research機能はその代表例で、 ユーザーが投げかけた複雑な質問に対してAIがネット上の数百もの 情報源を自動調査・統合し、リサーチ報告書レベルの回答 を返す • 処理の自動化: ユーザーが逐一指示せずとも、AIエージェントが ツールを駆使して自律的にタスクを進行できるケースでは バッチ処理が有効。例えばスプレッドシートの大量データを読み込んで 分析しグラフ化するといった一連の処理を、ワンプロンプトで完了 • 使用例 • 「製品XYZの市場分析レポートを作成して」という指示を Deep Researchに一度投げれば、AIが数十分かけて関連データを 検索・精査し、出典付きの詳細なレポートを生成させる
12. Business Engineering 現状分析 As-Is Hypervelocity Engineering Business Engineeringx Software Engineering 市場の課題 社内の課題 改善案 To-Be 改善案 Software Engineering Product Management 機能要件 非機能要件 ユースケース Vibe Coding GitHub Copilot Develop データアクセス、ガバナンス、エージェント管理、成果測定 リサーチツール Issue Operation SRE Data / Resources 公開情報 社内情報 Code Feedback SDKs Log Review Quality Assurance Documentation Deploy Design MCP IaC MCP CI/CD
13. 業務生産性向上 (業務改革)の案を 作る
14. 今、仕事で 困っている事は何ですか? 今、どんな能力を持った人に 手伝ってもらいたいですか? Promptのみ Single Agent 目的を伝える 現状分析 課題の特定 実行計画の策定 Copilot Sample Data Generator データ準備 データ アナリスト データ解析 分析と評価 戦略 コンサルタント 動画作成 Visual Creator Action Code Gen/Exec Code Gen/Exec API call Knowledge / Data 業務データ (構造化) Internet (非構造化)
15. 思ってたんと違う? ステップの最後の モデルの種類が何かが大事
16. 社内 システム • 多くの社内業務シナリオの成果物作成をカバー • 初回Prompt後に、ゴール達成のための 詳細を確認してくれる Researcher 降臨! 調査 検討 プラン立案 報告書 参照情報 (Retrieve) メール 会議 チャット インターネット 文書 データベース Researcher Export 技術Q&A, 事例調査、RFI 複数メーカーの製品比較検討 営業戦略 人事考課用の業務成果, 商談レポート 会議させる 自分のデータ チームのデータ
17. End of Service になった 私の業務を支えてくれた Agent 君たち
18. 現役最強 Researcher 手間だったPrompt作業の量を減らしと質を劇的に向上 会議(ディスカッション)をさせる 議論のたたき台作成と、議論自身と、その議事録や検討結果の作成 GenerativeAI-Prompt-Sample-Japanese/会議/ディスカッションをさせる.md at main · dahatake/GenerativeAI-Prompt-Sample-Japanese
19. 現役最強 Researcher 私作成のAgentに圧勝 戦略ビジネスコンサルタント 情報の収集と整理と解析とプラン作成と….
20. 現役最強 Researcher 手間だったPrompt作業の量を減らしと質を劇的に向上 RFI 情報の収集と整理と解析とプラン作成と…. RFI(Request for Information)の結果の詳細なドキュメントを作成してく ださい。 {業務背景}を基にして、{要求定義}を定義しました。 {要求定義}から、詳細かつ具体的かつ明瞭な、機能要件と非機能要件 を作成してください。 機能要件と非機能要件の各項目を実装できるツールをリストアップしてく ださい。 ツールの種類には、アプリケーション、クラウドサービスなどがあります。入手 経路もオープンソースだったり、企業が提供している場合もあります。 ドキュメントには{項目}の詳細な情報を含めてください。 # 業務背景 - ユーザーが迷わないように、膨大な商品情報から、その都度のユーザーの 知りたい事に合わせた情報を提供したい。 - MVPの最初のフェーズは、外部ベンダーに発注するのではなく、自分たち で開発する - 自社の開発環境: AzureもしくはAWS。C#とJava。Web開発可能。 データベースはSQL/NoSQLのどちらでも良い # 要求定義 - チャットで、都度ユーザーのやりたい事の言語化を手伝う - そのやりたい事を、商品情報から要約した文章を作成する - 個人ユーザー向けにはECサイトとLINEに対応する - 分析機能は、最小限でいい。具体的には、利用状況・不正な入力(威 圧的なコメントなど)状況・応答速度のみ # 対象範囲 - 既存のECサイトは除く - 市場は日本市場。日本語のみ - 多言語対応は必須ではないが、出来ればよい # 項目 ### A. 会社情報 - 会社名・所在地 - 設立年・従業員数 - 主要取引先・業界実績 - 財務状況（直近3年の売上・利益など） ### B. 製品・サービス情報 - 提供可能な製品・サービスの概要 - 特徴・競合優位性 - カスタマイズの可否 - サポート体制（対応時間、言語、拠点） ### C. 技術仕様・要件 - システム構成図（あれば） - 対応OS・ブラウザ・デバイス - セキュリティ対策（認証、暗号化、監査ログなど） - インテグレーション実績（API、他システム連携） ### D. 導入・運用 - 導入実績（業界・規模別） - 導入プロセスと期間 - トレーニング・マニュアルの提供有無 - 保守・運用体制 ###E. コスト情報（概算） - 初期費用（ライセンス、導入支援など） - 月額・年額費用（サブスクリプション型の場合） - オプション費用（追加機能、サポートなど） 次に、{ツール}の比較評価を、以下の{比較評価の項目}で1-5で評価をし てランク付けしてください。 総合点も算出してください。 評価結果は表形式で作成してください。 # 比較評価の項目 - 将来性: 提供企業の財務状況や、そのツールの分野(セキュリティ、イン フラ、AIなど)への投資状況 - 信頼性: 提供企業は情報管理やサポートの対応など信頼が出来るの か? - 時間: どれだけカスタマイズなどせずに、早期に導入ができるのか? - コスト: 金額としての費用 - 開発環境: 自社プロダクトマネージャーとソフトウェアエンジニアが使い慣 れた環境なのか?新しく学ぶことは歓迎だが、時間がかかりすぎるのは避け たい 最後に、それらの根拠を裏付ける補足情報や総合的な分析・解析の情 報も作成してください。分析・解析はSWOT分析とRisk分析など適切な 分析手法を考えて選択して実行してください。 Prompt
21. 現役最強 Researcher 手間だったPrompt作業の量を減らしと質を劇的に向上 RFI 情報の収集と整理と解析とプラン作成と….
22. Business Engineering 現状分析 As-Is Hypervelocity Engineering Business Engineeringx Software Engineering 市場の課題 社内の課題 改善案 To-Be 改善案 Software Engineering Product Management 機能要件 非機能要件 ユースケース Vibe Coding GitHub Copilot Develop データアクセス、ガバナンス、エージェント管理、成果測定 リサーチツール Issue Operation SRE Data / Resources 公開情報 社内情報 Code Feedback SDKs Log Review Quality Assurance Documentation Deploy Design MCP IaC MCP CI/CD
23. Prototype MVP Prototype から MVP へのスムーズな連携 GitHub Spark GitHub Copilot Coding Agent GitHub Copilot Agent Mode UIフォーカス Desing to Code Change Management Issue の単位 コードを書くのはLLM 全てのプログラム言語 LLMの選択は出来ない - GitHub Actions で動作 Premium Request: 1 Coding Coding の単位 LLMの書いたコード x 人 全てのプログラム言語 LLMの選択が出来る Premium Request: 1 or もっと React + TypeScript のみ データモデル GitHub の Repository に Clone可能 Premium Request: 4 GitHub リポジトリ ※ こちらでPrototypeを始めてもよい
24. Business Engineering 現状分析 As-Is Hypervelocity Engineering Business Engineeringx Software Engineering 市場の課題 社内の課題 改善案 To-Be 改善案 Software Engineering Product Management 機能要件 非機能要件 ユースケース Vibe Coding GitHub Copilot Develop データアクセス、ガバナンス、エージェント管理、成果測定 リサーチツール Issue Operation SRE Data / Resources 公開情報 社内情報 Code Feedback SDKs Log Review Quality Assurance Documentation Deploy Design MCP IaC MCP CI/CD
25. データアクセス、ガバナンス、エージェント管理、成果測定 Software Engineering Vibe Coding (Biz+Software) Design To Coding As-Is / To-Be Product Management ユースケース.1 ユースケース.2 業務分析書 ユースケース 一覧 アーキテクチャ 設計 埋め込み (microservice など) サービス一覧 Issue マイクロサービス 定義.1 マイクロサービス 定義.2 マイクロサービス 定義.3 画面定義.1 画面定義.2 Issue Issue Issue Issue 画面遷移図 データモデル +サンプルデータ 市場の課題 社内の課題 改善案 アーキテクチャ 設計 埋め込み (Polyglot Persistence など) データ設計 サービス カタログ Code DDL ドメイン分析 ドキュメント化 ビジネスに近い 情報を入れたい 構造化とID付与で 厳密性向上 Mermaid記法などの 図式化は適時 C# Java Python React Html, JavaScript タスクが大きすぎる場合は、 Issueを分割する 既存のドキュメントも参考に 既存のドキュメントも参考に 既存のドキュメントも参考に 既存のAPIなども参考に MCP MCP
26. データアクセス、ガバナンス、エージェント管理、成果測定 Software Engineering Stichinng(繋ぐ) + Deployment の単位の例 マイクロサービス 定義.1 マイクロサービス 定義.2 マイクロサービス 定義.3 画面定義.1 データ設計 サービス カタログ データモデル +サンプルデータ Deploy Microsoft Azure Code DDL C# Java Python React Html, JavaScript 画面定義.2 Azure用のアーキテクチャ 設計 埋め込み Azure の REST API 設計 Azure の Web Frontend 設計 Issue Issue Issue Azure Functions など Azure Static Web Apps など Azure Cosmos DB など CI/CD CI/CD Azure の ストレージ設計 Azure の 機能 設計 MCP MCP
27. データアクセス、ガバナンス、エージェント管理、成果測定 Software Engineering Vibe Coding (Biz+Software) Design To Coding (工場の制御の例) As-Is / To-Be Product Management ユースケース.1 ユースケース.2 業務分析書 ユースケース 一覧 アーキテクチャ 設計 埋め込み (OPC UA など) サービス一覧 Issue マイクロサービス 定義.1 マイクロサービス 定義.2 マイクロサービス 定義.3 画面定義.1 画面定義.2 Issue Issue Issue Issue 画面遷移図 データモデル +サンプルデータ 市場の課題 社内の課題 改善案 サービス カタログ Code ドメイン分析 ドキュメント化 ビジネスに近い 情報を入れたい 構造化とID付与で 厳密性向上 Mermaid記法などの 図式化は適時 C Structured Text(ST) Function Block Diagram(FBD) React Html, JavaScript タスクが大きすぎる場合は、 Issueを分割する 既存のドキュメントも参考に 既存のドキュメントも参考に 既存のドキュメントも参考に 既存のAPIなども参考に MCP MCP アーキテクチャ 設計 埋め込み (時系列ストアなど) データ設計 DDL
28. データアクセス、ガバナンス、エージェント管理、成果測定 Software Engineering Stichinng(繋ぐ) + Deployment の単位の例 (工場の制御の例) マイクロサービス 定義.1 マイクロサービス 定義.2 マイクロサービス 定義.3 画面定義.1 サービス カタログ Deploy 工場内 サーバーなど Code C# Structured Text(ST) Function Block Diagram(FBD) React Html, JavaScript 画面定義.2 OPC UA用の アーキテクチャ 設計 埋め込み CQRS API 設計 Issue Issue PLC PC (画面表示用) CI/CD CI/CD API Gateway 機能 設計 MCP MCP データ設計 データモデル +サンプルデータ DDL Issue 時系列DBなど イベントストア の ストレージ設計
29. • 情報 • プログラミング言語固有の ライブラリ・バージョンでの違い • Azure サンプルコードやSDK • アーキテクチャ • Azure Best Practice • アクションの実行 • コマンド実行 • API 呼び出し • Azure へのデプロイ MCP 設定を強く推奨 Microsoft Learn MCP Server Azure MCP Server Vibe Coding Develop Review Quality Assurance Documentation Design Deploy IaC
30. チーム開発 - ファイル管理 GitHub データアクセス、ガバナンス、エージェント管理、成果測定 As-Is / To-Be Product Management Vibe Coding GitHub Copilot Coding agentから参照 できる Markdown化して、 Push この中だけで Prompt Chatの結果を Pageに保存 複数Pageを、 ノートブックで管理
31. • 公式 • モデル コンテキスト プロトコル (MCP) と Copilot コーディング エージェント - GitHub Docs • Blog • GitHub Copilot Coding agent に Azure MCP Server の設定をする #VibeCoding – Qiita • GitHub Copilot Coding agent に Microsoft Learn Docs MCP Server の設定をする #AI駆動開発 - Qiita GitHub Copilot Coding Agentでの MCP 設定
32. 考えたいコト
33. • 成果物の粒度の深い考慮 • 一度に全ては作成できない • Deep Research 系でのプラン・実 行・レビューの自動化 • M365 Copilot リサーチツール • GitHub Copilot Coding agent • それでも、レビューPromptの投入を強く推奨! • タスクに最適なモデルの選択 • ビジネスドキュメント。ソフトウェアエンジニアリング • 検索をさせない • ファイルを指定する • Instructions.md の整備 生産性と成果物の精度を上げるポイント • RAG のソースとしてのドキュメント の作成 • チーム開発の肝でもある • UI – Service – Dataのマッピング表 • MCP 拡張 • 最新情報・バージョン・アーキテクチャ・サンプ ルコードなどの詳細情報の参照。Microsoft Learn など • Cloud リソースの作成、更新。アーキテクチャ、 セキュリティ レビューなどの実施。Azure MCP Server など • アーキテクチャの埋め込み • アプリケーションの最適な稼働場所などを特 性を考慮して、入れ替えを視野に
34. 品質をあげる、再度のレビュー Pull Requestの追加コメントとしてレビュー依頼 レビュー実施のプラン作成 よくなった! 人による再確認は 必須!
35. Safeguard - バッチ的な要素が強いが故に - 作業時間が10分を超える場合は、作業を中断して、こ のタスクを10分毎のタスクに分割して、Issueとして実行す るためのPromptを作成してください。それぞれのPrompt を`work/service-implementation-issue-prompt-< 番号>.md`に日本語で追記してください。 - ファイルを作成する際に、1つのファイルに大きな文字 列を書き込む際に、書き込み処理が失敗する場合が あります。ファイルは作成されているのに内容がEmptyに なっています。その場合は、書き込む文字列を分割して、 複数の回数に書き込み処理を分割して、1つのファイル に出力をしてください。 タスク実行中に発生した問題を 自己解決できない可能性 予めPromptに埋め込む! ざっくり時間で見積もり。タスク分割 ざっくり文字列のサイズで、書き込み処理の分割
36. Software Engineerは 必須 責任 レビュー 作業の判断
37. Copilot 君の 6 並列実行! 複数ファイルの作成で、10分以上かかりそうであれば、 タスクを中断してPrompt文字列を作成してファイル出力してもらう ファイルとして出力 ファイルの内容 ファイルの内容を Promptとして実行してもらう
38. 全てのSoftware Engineer が… 学べるチャンス 自分がしていた タスクを 任せられる - 例: 画面とDBはコードが別 - 例: ライブラリのバージョンはあがる - 例: コピペ的な繰り返しの作業とそうでない事 - 例: 複数コマンド実行での環境構築
39. • プラン毎に実行時間とストレージの制限がある • これを超えるとタスクが実行できない • 支払方法が設定されていれば追加の課金が発生 Coding Agent が使う GitHub Actions の作業時間 プラン Storage 分 (月あたり) GitHub Free 500 MB 2,000 GitHub Pro 1 GB 3,000 組織の GitHub Free 500 MB 2,000 GitHub Team 2 GB 3,000 GitHub Enterprise Cloud 50 GB 50,000 GitHub Actions の課金 - GitHub Docs
40. 更なる自動化への ツールの登場も近いでしょう
41. AI Agent達との 私のお仕事の日常
42. コラボレーション コード開発 コミュニケーション 同時に複数のタスクを行っています Copilot君に 私のメールや会議やファイルから、 議事録や報告書の ドラフトを作成 Copilot君に リポ内のドキュメントや、 MCP経由での プログラムコードの作成 お客様からの メールへ返信 同僚と 案件の議論と 社内リソース調整 Prompt (設計書作成) dahatake 作業 技術調査など チャット Prompt (レビュー) メール作成 Copilot Copilot 作業 私の動き Prompt (コード作成) Copilot メール熟読。 すぐに返信できるものは 返信実行 ファイル 同時 編集 ドラフトの文字列。 Microsoft Loop で。 返事は 後でもよい メール送信 Prompt GitHub Copilot Prompt (案件状況の調査) Copilot チャット チャット レビュー Copilot インタラク ティブ バッチ バッチ バッチ バッチ
43. 私の日常: ドキュメントのドラフト作成中 これがベストだとは思っていません Copilot君に 私のメールや会議やファイルから、 議事録や報告書のドラフトの 作成を依頼 Microsoft Teams: 社内連絡 同僚と 案件の議論と 社内リソース調整
44. 私の日常: アプリ開発中 これがベストだとは思っていません GitHub Copilot Microsoft Outlook: 社外へ連絡 Copilot君に リポ内のドキュメントや、 MCP経由での プログラムコードの作成を依頼 お客様からのメールへ 返信
45. さいごに
46. 道半ば でも、確実に楽しい未来に 向けて 進んでいる
47. AIの成果物を 読む か 読まないか
48. Prompt のサンプル dahatake - Qiita dahatake/GenerativeAI-Prompt-Sample-Japanese: ChatGPTや Copilotなど各種生成AI用の「日本語]の Prompt のサンプル https://github.com/dahatake/GenerativeAI-Prompt-Sample-Japanese https://qiita.com/dahatake
49. © Copyright Microsoft Corporation. All rights reserved. Invent with purpose.