コーディングチェックの自動化がしたい！

Transcript

1.    コーディングチェックの自動化がしたい 現場の工数を減らし、もっと"人"にフォーカスしたい！ 株式会社ゆめみ Presented by いまいまい (今井俊希)
2. 自己紹介 いまいまい (今井俊希) 株式会社ゆめみ 24卒 フロントエンドエンジニア 採用系  リクルーター  採用WG / 判事委員会  技育プロジェクト担当  ちゃんと技術もしてるよ！ 
3.      全然バックエンドとか インフラの話じゃない ごめンゴ 本日は「バックエンド」や「インフラ」の コア技術話は出てきません。 ご容赦ください！
4.      採用の自動化を 頑張っているのでその共有 日々の採用プロセスで"人力工数"の削減のために 挑戦していることを共有します！ 主役はコーディングチェック自動化。
5. ゆめみの採用の流れ 1 書類選考 2 カジュアル面談 3 コーディングチェック 4 一次面接 5 代表面接 1～4までほとんどエンジニアがやる！  自動化したい！  まずはコーディングチェックから  自動化推進中 
6. フロントエンドの場合  どれくらいくるか  最大月間依頼数 30 件/月  平均月間依頼数 10 件/月  チーム体制  チーム A ~ G の7 チーム体制 A B C D E F G  1チーム 4, 5 人で構成  チームG はテックリード専門 
7. コーディングチェックの内容  お題 都道府県別の総人口推移グラフを表示する SPAを構築せよ  見るポイント  GitHubの活用  Linter, Formatterの設定  CIの構築  コンポーネントの分割粒度・分離  Unit テスト / E2E テストの実装 
8. 担当者の流れ（従来） 1 コーディングチェック依頼がくる 2 チェックリストに沿って評価する 3 結果をGood・Nextポイントにまとめる  チェックリストが90項目もある！！  みんなの評価をまとめて文章にするのが大変！！  疲れたレビュアー  この量のチェックを担当者が手作業で…！  90 チェックリスト項目 評価 GitHub Actionsの設定  Linterの設定  Prettier導入  コンポーネント分割  レスポンシブ対応  型定義の厳格さ  E2Eテスト実装  状態管理の適切さ   残り82項目 
9. 自動化へのチャレンジ  レビュー担当者の手間をごっそり削減！  レビュー完了！  工数削減  評価の一貫性  品質向上 ルール入りリポジトリをクローン 評価基準やルールが設定されたリポジトリを用意し、クローンして 使用します。 チェックの一貫性を保証するための重要ステップで す。 1 「このURLをレビューして！」 AIエージェントに対象リポジトリのURLを渡すだけで、 ルールに基 づいた自動評価レポートが生成されます。 2 「フィードバックを作って」 生成されたレポートを基に、Good/Nextポイントをまとめた フィー ドバックを自動作成。レビュアーの手間を大幅削減します。 3  リポジトリクローン ルール定義とチェックリスト  自動レビュー 90項目の評価を一括実行 GitHub活用 Linter コンポーネント分割  フィードバック生成 Goodポイント・Nextポイントを自動作成 サンプルフィードバック: ✅ コンポーネントの責務分離が適切に行われています ⚠️ テストカバレッジの向上が次のステップとして...   
10.   ルールの設定  スライドにつらつら書いても伝わりづらいので 実際のルール設定を見てみましょう
11. 実際に試してみた！ 自分の出したコーディングチェックで自動化フローを体験してみました。  結果 90項目のチェックリストをAIが自動で評価し、人間が読みやすいフィードバックを数分で生成！ 手作業で 行っていた評価作業が大幅に効率化されました。 ルールリポジトリをクローン $ git clone https://gith… 1 AIにリポジトリのURLを伝えてレ ビュー依頼 「https://github.com/my-p… 2 自動生成されたフィードバックを 取得 「フィードバックを作成してくだ… 3 
12. みんなからの感想  良かった点 主なメリット  時間短縮  評価の一貫性  細部の確認  改善点・課題 今後の展望  2名体制+AIで評価できそうなレベル  フィードバックのさらなるテンプレート化 独自のGoodを考えてくれるのが嬉しい。素案を出してくれるので文章作成の負担 が減る。  人間基準だとぶれるが、AI基準を参考にすることで評価の統一性が高まる。  人間が見落としがちな細かいポイントをしっかり拾ってくれる。  動作確認は人間側でしっかり行う必要がある（AIと人間の評価がズレることがあ る） 。  「人間がボトルネックになるまで、もうすぐだなと感じました…」 
13. これからやりたいこと  実際にクローンして確かめないとわからな い系  動作確認  テスト実行  Playwright MPC などAIによる自動実行技術に期 待  MCP化  クローン操作が面倒  1実行で1アクション・コンテキスト3000行が限界  Mastra.ai使いたい 
14. Mastra.aiとは？ AIエージェント構築のオープンソースフレームワーク  ワークフローとエージェントの自由な連携 複数の役割や処理を組み合わせた複雑なフローを構築可能  強力なメモリ管理システム コンテキスト長の制限を超えた複雑な処理が可能  MCPとしても手軽に設定・共有 APIとして公開やMCPとしての連携が簡単  レビュワーの負担がさらに減る世界に！  Mastra.aiによる自動化の進化 リポジトリ  エージェント  評価  効率化 1クリックでコーディングチェックの自動実行・評価  再利用性 一度作ったルールセットを複数の課題評価に適用  一貫性 レビュアーによる評価のブレを軽減し公平性を向上 
15. 試験の内容や注意すべき点は公開されています  徹底的な透明性を大切にしています ゆめみでは採用選考のハードルを下げるため、コーディング試験の内容や評価ポイントを積極的に公開しています。 公開している情報: 試験課題の詳細  評価ポイント・注意点 公開の目的:  選考プロセスの透明性を高める  応募者のミスマッチを防ぐ  準備しやすい環境を提供する  技術コミュニティへの貢献
16.    みんなもいい自動化ライフを！  面倒なことはAIにやらせよう  Thank You!