はじめに

DX開発事業部 深川です。

Backlog Wikiで設計書を作成・管理していて、設計から単体テストまで自動化してAI駆動開発を導入し業務効率化ができないかと考えました。

そしてBacklog × Claude Code × OpenSpecで自動化を導入してみたのでこの記事を記載します。

使用する技術スタック

・Backlog API: Wikiの取得・作成・更新・削除

・Claude Code: 実装・テスト・アクションの実行主体

・Agent Skills: Claude Codeに「Backlog操作」を教え込むためのカスタム機能

・OpenSpec: AIが理解しやすい構造化された詳細設計フォーマット

開発プロセス全体図

このフローの特徴は、Backlog Wiki（=基本設計書）が常に正解であり続ける仕組みです。

1. 【基本設計フェーズ】人間が「意図」を定義

・Backlog Wiki 取得: 既存の仕様を backlog-wiki-toolkit で取得。

・基本設計: 人の手で新しい機能の概要や目的をWikiに記載。

・GitHub PR & レビュー: Wikiの変更内容をPR化。Claude Code Actionと人間の目でレビューし、マージ。

・Wiki自動更新: マージをトリガーに、GitHub ActionsがBacklog Wikiを最新化。

ポイント：ここで「開発の土台」を確定させます。

 

2. 【詳細設計フェーズ】AIが「構造」を定義

・詳細設計の作成: Claude Codeを起動。基本設計（Wiki）を読み込ませ、AIが理解しやすい OpenSpec 形式で詳細設計をWikiに書き起こさせます。

 

3. 【実装・テストフェーズ】AIが「実体」を構築

・実装: Claude CodeがOpenSpecに従ってソースコードを生成。

・単体テスト: 同じコンテキストでテストコードも自動生成・実行。

ポイント：設計書（Wiki）という根拠があるためハルシネーションが劇的に減ります。

 

4. 【レビュー・マージフェーズ】品質の担保

・GitHub PR作成: 実装・テストが完了したコードをPR。

・Claude Code Action:

1.「OpenSpec（詳細設計）を満たしているか？」

2.「コーディング規約に沿っているか？」 をAIが事前チェック。

・最終確認: 人間のレビュワーが意図を確認し、マージ。

 

このフローがもたらす変革

・エンジニアは「何を（What）」作るかに集中でき、「どう（How）」書くかはAIに任せられる。

・ドキュメントの鮮度が落ちないため、新メンバーのオンボーディングコストが激減する。

・手戻りの最小化: 基本設計の段階でAIレビューを入れるため、実装に入ってからの「仕様の考慮漏れ」がなくなります。

 

さいごに

AI駆動開発の本質は、コードを書かせることではなく、「AIが正しく動けるフローを設計すること」にあると思います。

Backlog Wikiで設計書を作成・管理しているプロジェクトがありましたらぜひチームで試してみてください。

 

参考

・https://dev.classmethod.jp/articles/claude-code-backlog-wiki-management-system/

・https://platform.claude.com/docs/ja/agents-and-tools/agent-skills/overview
・https://github.com/ice1203/backlog-wiki-toolkit