Vibe Codingにおけるパーソナライゼーション
0 分で読めます
AI支援コーディングは2024〜2025年に根本的な変革を遂げ、単純なコード補完から、ユーザーの好みを記憶し、コードベースから学習し、自律的なワークフローを実行する、高度にパーソナライズされたコンテキスト認識型システムへと進化しました。メモリ機能、プロジェクト固有の指示ファイル、迅速なプロトタイピングツール、コードベースを理解するAIが融合し、パーソナライゼーションが競争優位性を左右する、まったく新しい開発パラダイムが生まれています。
この変化が重要なのは、ソフトウェア開発を誰もが行えるようにすると同時に、プロの開発者が自らの専門知識をAIの動作に直接反映できるようになるためです。その結果、「vibe coding」（レビューせずAIを信頼する）から、チーム標準を徹底する精密に設計されたAIアシスタントまで、幅広い選択肢が生まれています。現在では、Google Geminiの試験的な検索履歴連携、主要ツールで広く採用される.md指示ファイル、自律的に200分間コーディングするReplit Agentのようなワンクリックアプリビルダー、組織のパターンをAIに学習させるエンタープライズ向けファインチューニングなどが利用されています。
こうしたパーソナライゼーションの手法を理解することは不可欠です。汎用的な支援とパーソナライズされた支援のどちらを選ぶかが、生産性をますます大きく左右するからです。
Google Geminiの検索履歴連携
Googleは2025年3月13日、パーソナライズされたAI支援への最も積極的な取り組みとなる「Gemini with personalization」を発表しました。競合他社から約1年遅れての参入です。この試験的な機能では、GeminiがGoogle検索履歴にアクセスして分析し、Gemini 2.0 Flash Thinking Experimentalモデルを使って、状況に即した回答を提供します。
ユーザーがモデルのドロップダウンから「パーソナライゼーション（試験運用版）」を選ぶと、システムは検索履歴が回答の質を高めるかどうかを判断してから、ウェブやアプリのアクティビティに基づく検索内容にアクセスします。Android Authorityによる実地テストでは、この機能の動作が確認されました。「応援するなら、どのサッカーチームがいい？」と質問すると、Geminiはハワイ、モルディブ、シカゴ、シアトル、自然に関する場所、ボルチモアに関連する検索などの傾向を分析し、地理的な関心に基づいてBaltimore City FCとPhiladelphia Unionを推薦しました。
パーソナライゼーション機能は、実際には2024〜2025年にかけて順次公開された複数の機能で構成されています。2024年11月19日にAdvancedユーザー向けに提供され、2025年2月28日に無料ユーザーにも拡大されたSaved Infoでは、gemini.google.com/saved-infoを通じて、食事制限、仕事の詳細、趣味、回答の好みなどをGeminiに記憶させることができます。
過去のチャットを参照する機能は、2段階で進化しました。2024年12月の初期版では会話の参照を明示的に依頼する必要がありましたが、2025年8月には、促さなくても過去のすべての会話から自動的に学習するようにアップグレードされました。ジムのコーチングやコーディング支援など特定のタスク向けにカスタマイズしたAIアシスタントであるGemsは、当初Advanced限定でしたが、2025年3月にすべてのユーザーに開放されました。パーソナライゼーションが回答に影響した場合は、「保存した情報」「過去のチャット」「検索履歴」と明示し、参照元を透明性をもって示します。
地域や規制上の制約により、利用可能な範囲は大きく限られています。検索履歴との連携は、欧州経済領域、スイス、英国、18歳未満のユーザー、およびGoogle Workspace／Educationアカウントでは利用できません。GDPRへの準拠が理由と考えられます。これによりGeminiは、2024年にメモリ機能と過去のチャットの自動参照を導入したChatGPTや、2024年11月に「Styles」機能を導入したClaudeに後れを取っています。Tenableのセキュリティ研究者は2024年9月、Cloud Assistのログを介したプロンプトインジェクションや、悪意あるJavaScriptによる検索履歴の汚染などを含む「Gemini Trifecta」の脆弱性を発見しましたが、Googleはすべての問題にパッチを適用しました。
今後はGoogle Photos、YouTube、Calendar、Notes、Tasksへの連携拡大が計画されており、子どもの時間割を撮影して予定を自動作成したり、レシピの材料をKeepの買い物リストに追加したりするユースケースが想定されています。Googleならではの強みは、競合他社にはまねできないエコシステムのデータです。まだ試験段階で、ユーザー体験にはばらつきがあります。単純な推薦では効果が見られる一方、複数の要素を考慮する複雑な質問では、結果が安定しません。
新たな開発基盤としての指示ファイル
CLAUDE.md、.cursorrules、rules.mdなどのMarkdownファイルは、AI支援開発に欠かせない基盤として普及しています。コーディングセッションを通じてLLMの動作を自動的に導く、永続的な「規範」として機能します。AIコーディングツールは起動時にこれらのファイルを読み込み、システムプロンプトの先頭に追加するため、重要度の高いコンテキストを毎回繰り返す必要がありません。階層的な読み込みの仕組みでは、エンタープライズレベルの/etc/claude-code/CLAUDE.md、ユーザーレベルのグローバル設定~/.claude/CLAUDE.md、プロジェクトレベルのリポジトリルート、ディレクトリ固有のコンテキスト、そしてGitで無視される個人用の.local.mdによる上書き設定を利用します。
現在、主要なAIコーディングツールはすべて、何らかの形式で指示ファイルに対応しています。Claude CodeはCLAUDE.mdファイルを使い、Cursorは.cursor/rules/*.mdc形式（MDCはMarkdown with Configurationの略）を採用しています。GitHub Copilotは.github/copilot-instructions.mdを読み込み、Windsurfは.windsurfrulesを使用します。
普及の状況を示すデータは十分にあります。GitHubには2025年時点で、CLAUDE.mdファイルを含む公開リポジトリが100件以上、.cursorrulesを含むリポジトリが300件以上登録されています。Metabaseのオープンソース分析プラットフォーム、LangChain JS、Anthropic Quickstartsの複数のプロジェクトなど、本番環境で使われているシステムも含まれます。
PatrickJS/awesome-cursorrulesには、フレームワーク固有のルール例が200件以上掲載されています。Reddit、Hacker News、Discordの活発な開発者コミュニティからは、cursor-rules-to-claudeコンバーター、AIを活用したルール生成ツールcursorrules-architect、コミュニティ標準をまとめた複数の「awesome list」など、エコシステムのツールが生まれています。Cursorは2024年に6,000万ドル超を調達し、開発者の利用者数は50万人以上と推定されています。またClaude Codeは、公開時にProduct Huntでトレンド1位になりました。
指示ファイル活用の5つの重要パターン
一般的なユースケースは、5つの重要なパターンに分類できます。
プロジェクトのコンテキストでは、次のように技術スタックを定義します。
「バックエンド：Python 3.11、FastAPI 0.104。フロントエンド：Next.js 14、React 19、TypeScript 5.3。データベース：Prisma ORMを使用したPostgreSQL 15。」
重要なワークフローでは、すべて大文字の強調表現で手順を徹底します。
「🚨 重要：コミットの前に必ず実行すること - 1. コードをフォーマット：npm run format、2. リンターを実行：npm run lint、3. テストを実行：npm test、4. 型チェック：npm run typecheck - 必ずこの順番を守ること。」
「変更禁止」リストで、重要なファイルを保護します。
「🛑 これらのファイルは絶対に変更しないこと - webpack.config.js（レガシーで壊れやすい）、package-lock.json（npm ciを使用）、.github/workflows/*（DevOpsが管理）。」
コーディング規約では、好みの設定を指定します。
「フックを使った関数コンポーネントを使用（クラスコンポーネントは使わない）、継承よりコンポジションを優先、Airbnb ESLint設定に従う、インデントはスペース2つ、最大行長は100文字。」
テストパターンでは、規律ある開発を徹底します。
「必ず実装前にテストを書く（TDD）、テストファイル名：*.test.tsまたは*.spec.ts、カバレッジの最低基準：80%、セレクターにはdata-testidを使用、単体テストでは外部サービスをモックする。」
モジュール化されたルールとカスタムワークフロー
高度な実装は、この手法が成熟していることを示しています。Cursorの新しいMDC形式では、ファイルパターンのマッチングに使うglobs、真偽値のalwaysApply、優先度（高・中・低）をYAMLフロントマターで設定できます。これにより、該当するファイルに対してのみ適用される、コンテキストに応じたルールを実現できます。
Claude Codeでは、.claude/rules/testing.md、.claude/rules/deployment.md、.claude/rules/security.mdのように関心事ごとにモジュール化できます。また、.claude/commands/*.mdにカスタムのスラッシュコマンドを定義して、/project:fix-github-issue 1234のような、問題を自動で分析して対処する繰り返し利用可能なワークフローを設定できます。
機密情報を削除したエンタープライズ向けPythonプロジェクトの本番環境の事例には、セキュリティ重視の姿勢が表れています。「🚨 機密データ（SSN、口座番号）は絶対にログに記録しない。.envファイルは絶対にコミットしない。保存データは暗号化する。外部からのすべての入力を検証する。パラメーター化クエリのみを使用する。」このアプローチでは、テストカバレッジ90%の要件を満たし、DataDogのモニタリングとも連携しています。
「勝手に動く新人開発者」問題への対処
「勝手に動く新人開発者」問題と呼ばれる技術的課題は、明確なルールがあるのにAIが指示に従わないという、開発者から最もよく聞かれる不満を表しています。根本原因としては、コンテキストが「関連する場合もしない場合もある」と記した隠れたシステムプロンプト、トークンウィンドウの制限による予算の消費、長い会話に伴う注意力の低下、手っ取り早い方法を選びやすいアシスタントの傾向などが挙げられます。
対策としては、プロンプトを「まず@CLAUDE.mdを確認して…」で始める、ファイルの読み込みを確認するカナリア指示を使う、「適用されるルールを列挙してから実装して」と自己レビューを促す、/clearコマンドを頻繁に使ってコンテキストをリセットする、会話を10メッセージ以内に保つ、といった方法があります。コミュニティでは、最初から包括的な1,000行以上のファイルを作るのではなく、200〜300行から始めること、人が読みやすい段落ではなくAIが処理しやすい短い宣言的な箇条書きを使うこと、「必ず」「重要：」「必須：」などの強調表現を使うこと、セッション中に#キーを使って随時更新し、ファイルを継続的に見直すことが推奨されています。
Vibe CodingとAIビルダーによるパーソナルアプリの迅速な開発
「vibe coding」という用語は、2025年2月にAndrej Karpathyが作り出したもので、開発者が自然言語で要件を説明し、レビューせずにAI生成コードを受け入れ、理解よりも結果を重視するAI支援開発を指します。提案を「すべて受け入れる」この手法では、エラーをコピー＆ペーストしてAIに修正させ、コードが理解できる範囲を超えて増えていきます。使い捨ての週末プロジェクトで特に効果を発揮します。実例としては、冷蔵庫の中身を分析してランチを提案するKevin Roose（New York Times）の「LunchBox Buddy」開発、Cursor Composerの音声からコードを生成する機能を使ったKarpathyのMenuGenフルプロトタイプ、Y CombinatorのWinter 2025採択スタートアップの25%がコードベースの95%をAIで生成した事例、医師が患者向けダッシュボードを開発したり、学生がキャンパスの駐車場検索ツールを作成したりした例があります。
AnthropicのClaude Artifacts：会話からアプリを生成
パーソナルアプリを迅速に開発するツールは、急速に拡大しています。Anthropicが2024年に公開したブラウザベースのサンドボックス、Claude Artifactsでは、外部ネットワークにアクセスできない安全なiframe環境で、会話形式のプロンプトからインタラクティブなアプリを生成できます。
注目の作品には、開発哲学をテーマにした81のインタラクティブな瞑想を収録するRick Rubinの「Way of Code」、AI生成コンテンツを使ったフラッシュカード作成ツール、SpaceXの着陸シミュレーター、3D物理サンドボックスなどがあります。Claudeに課題を説明し、必要な要件を質問させてからArtifactの作成を依頼し、自然言語で調整を重ね、公開リンクで共有するという流れです。利用者が料金を支払うモデルのため、作成者に費用はかかりません。
Replit Agent 3：包括的な自律型アプリビルダー
2025年にローンチしたReplit Agent 3は、最も包括的な自律型ビルダーです。最大200分間連続して稼働し、フロントエンド、バックエンド、データベース、認証、インテグレーション、テスト、デプロイを構築します。Agent 3は、実際のブラウザーを使った動画フィードバック付きのセルフテスト、2つの構築モード（デザイン優先またはアプリ全体優先）、継続的に改善するための振り返りループを備えています。
実際の導入事例では、AllFlyで40万ドル以上のコスト削減と85%の生産性向上を達成したほか、医師による患者向け健康ダッシュボードの作成や、Slack/Telegramボットでデータベースクエリを実行する大学構内の駐車場空き状況システムなどが報告されています。料金は、機能が限定された無料トライアルから、月額25ドルの基本プラン、カスタムのエンタープライズプランまであります。
ニッチなプラットフォーム：UIコンポーネントからプロダクト優先のMVPまで
代替プラットフォームは、それぞれ異なるニッチに対応しています。Vercelのv0.devは、Tailwind CSSとShadCN UIを使ったReact/Next.jsのUIコンポーネントに特化しており、GitHub同期とビジュアルエディターを備えた、本番環境ですぐに使えるコンポーネントを生成します。
StackBlitzのBolt.newは、フロントエンドとバックエンドの生成、リアルタイムプレビュー、Supabaseとのインテグレーションにより、ブラウザー上でのフルスタック開発を実現し、MVPをすばやく作成できます。
Lovable.aiはプロダクト優先のアプローチを採用。PM、デザイナー、開発者の役割を担うAIペルソナのボットが、データベースと連携したMVPを含む、プロダクト開発の全工程の反復を支援します。技術者ではない創業者に最適です。比較すると、v0はUIに特化しコンポーネントのみを提供、Boltは品質にばらつきがあるもののフルスタックに対応、Lovableはプロダクト開発のプロセスを重視し、Replitはデプロイインフラまで含む最も包括的なソリューションを提供します。
ブラウザーのカスタマイズ：ユーザースクリプトとAI搭載の拡張機能
Tampermonkey（1,000万人以上のユーザー）やGreasemonkeyのユーザースクリプトを使うと、実行時にWebページの動作を変更するJavaScriptプログラムによって、ブラウザーをカスタマイズできます。2024～2025年の人気例として、広告ブロック回避用のAdGuard Extra、ストリーミングメディアのダウンロード用M3U8 Video Detector、ログインなしでInstagramを使うスクリプト、YouTubeの自動一時停止を無効にするスクリプト、ChatGPTのワイドスクリーンモードなどがあります。スクリプトを作成するには、Tampermonkeyをインストールし、メタデータ（@name、@match、@require)を含むJavaScriptを書いてテストします。必要に応じて、1万件以上のスクリプトを公開するGreasy Forkで公開できます。AIを使って作成する場合は、ChatGPTやClaudeに機能を説明し、Tampermonkey対応のスクリプトを依頼するだけです。
AI搭載のブラウザー拡張機能が急速に広がっています。HARPA AIはChatGPT、Claude、Gemini、Perplexity、DeepSeekを組み合わせ、IFTTTチェーンを使ったWeb自動化に加え、データ抽出、メール管理、フォーム入力に対応します。Siderは週間ユーザー数600万人以上。複数のモデル（GPT-5、Claude 4、Gemini 2.5）に対応し、どのページでもチャット、執筆、閲覧、翻訳ができ、平均評価は4.92を維持しています。MonicaはGPT-5、Claude 4.1、Gemini 2.5、DeepSeek V3.1に対応し、リアルタイムのWeb検索、翻訳、画像生成、カスタムボットの作成を提供します。新たに登場したオープンソース拡張機能Mem0 (OpenMemory)は、AIアシスタント間で長期記憶を共有し、ChatGPT、Claude、Perplexity間でコンテキストを引き継げるようにします。
モンキーパッチとは、ソースコードを変更せずに、実行時にクラス、モジュール、関数を動的に変更する手法で、特定のカスタマイズニーズに対応します。Python、Ruby、JavaScriptでよく使われ、公式修正を待つサードパーティ製ライブラリのバグ修正、テスト用の外部依存関係のモック化、ライブラリに不足している機能の追加、DjangoやRailsなどのフレームワーク動作のカスタマイズに利用できます。Pythonでは、テスト用にmath.pi = 3.2 と変更したり、Calculatorクラスのメソッドを独自の実装に置き換えたりする例があります。
Djangoでは、Options._prepareにパッチを適用してカスタム権限を追加できます。一方で、ライブラリの更新による不具合、開発者の混乱、デバッグの困難さ、セキュリティ脆弱性、パッチ同士の競合といったリスクもあります。ベストプラクティスとして、変更を文書化すること、必要な場合に限って使うこと、サブクラス化やデコレーターなどの代替手段を検討すること、アプリの起動時に適用すること、テストではunittest.mock.patch()を優先することが推奨されます。
「Vibe Codingの後悔」と責任ある開発の必要性
2025年9月には、プロジェクトの保守が困難になるにつれて、「Vibe Codingの後悔」や「開発地獄」が報告されるようになりました。注目を集めた事例には、Replit Agentが本番データベースを削除したことや、レビューされていない生成コードにセキュリティ脆弱性が見つかったことがあります。純粋なVibe Codingではなく、AIの速度と、人間によるアーキテクチャ、セキュリティ、保守性の監督を組み合わせる「責任あるAI支援開発」を支持する声が、コミュニティで高まっています。
音声クローンはまだ初期段階、モデルのパーソナライズは成熟期へ
音声クローン技術は洗練された形で利用できますが、2025年時点ではコーディングアシスタントとの連携はほとんど進んでいません。ElevenLabsは、1分以上の音声から複製を作成するInstant Voice Cloning（IVC）と、30分以上の音声を必要とし、2～4時間の学習でほぼ完璧な品質を実現するProfessional Voice Cloning（PVC）を提供しています。32以上の言語に対応し、毎月最初の1,000秒以降は1秒あたり0.006ドルです。Resemble AIは10秒から1分の音声を使ったRapid Voice Cloneを提供し、処理は約1分で完了します。また、Voice.aiは15秒でリアルタイムの音声クローンを実現します。しかし、コーディングアシスタントとの連携を目的に設計された製品はなく、音声によるコードレビューのフィードバック、コードのパーソナライズされた音声解説、音声コマンドを使ったハンズフリーのコーディング、音声を使ったペアプログラミングなど、未開拓の機会が残されています。
OpenAIのRealtime APIは2024年10月にパブリックベータとして公開され、2025年2月に一般提供が始まりました。中間テキストへの変換を必要としない、音声から音声へのネイティブ処理に対応するgpt-realtimeモデルを提供します。ツール連携のための関数呼び出し、電話連携用のSession Initiation Protocol（SIP）対応、画像入力にも対応しています。料金は60%引き下げられ、音声の入力トークン100万件あたり40ドル、出力トークン100万件あたり80ドルです。GPT-4o miniは入力100万トークンあたり10ドル、出力100万トークンあたり20ドルで利用できます。低レイテンシーのAPIで、リアルタイムの会話に適しており、専用音声（CedarとMarin）も利用できます。開発者は、音声とコーディングアシスタントを連携させるFastAPI/Node.jsのカスタムアプリケーションを開発しています。ただし、音声クローンとコーディングツールを組み合わせた本番環境の事例は、まだありません。
GPT-4oのファインチューニングで本番運用に対応
コーディングスタイルに合わせたモデルのファインチューニングは、複数の手法により本番運用が可能な段階に達しています。GPT-4oのファインチューニングは2024年8月にすべての有料プラン向けに開始され、構成やトーンのカスタマイズ、複雑で専門性の高い指示への対応、JSONL形式の数十件から数千件の学習例からの学習が可能になりました。
成功事例として、Cosine（Genie AI）はソフトウェアエンジニアリング向けにファインチューニングしたGPT-4oを使い、SWE-bench Verifiedで当時の最高水準となる43.8%を達成しました。また、DistylはテキストからSQLを生成するBIRD-SQLベンチマークで、実行精度71.83%を達成しました。2024年12月にはビジョンのファインチューニングに対応し、入力と出力が他のモデルの学習に使われないことを保証する、完全なデータ所有権も実現しました。
主観的な好みに合わせる
2024年12月に導入された選好ファインチューニングでは、従来の教師あり学習の例ではなく、比較データ（AとBのどちらを好むかを示すペア）を使って、ユーザーの主観的な好みに合わせます。強化ファインチューニング（RFT）は2024年12月にプレビュー版が発表され、2025年5月に利用可能になりました。思考の連鎖による推論とタスク固有の採点を利用し、コーディング、科学研究、金融などの複雑な分野に対応します。AccordanceAIは税務・会計業務で最先端の性能を達成しました。
開発者向けのユースケースには、既存のスタイルパターンに合わせたコードベースでの学習、関数やコンポーネントの再利用パターンの学習、社内APIの規約への適応、チームのコーディング標準の自動的な遵守、命名規則に沿ったコードの生成があります。
効率化をもたらす技術：低ランク適応
LoRA（低ランク適応）は、効率化を大きく前進させた技術です。事前学習済みモデルの重みを固定したまま、選択したレイヤーに小さな学習可能な低ランク行列を追加します。フルファインチューニングと比べて、性能を同等以上に保ちながら、学習可能なパラメーターを1万分の1、GPUメモリーを3分の1に削減します。2021年6月に発表されたMicrosoft/OpenAIの研究から生まれたLoRAは、1つのベースモデルに複数のタスク固有アダプターを組み合わせるモジュール性、数千のアダプター間でベースモデルを共有するコスト効率、アダプターをミリ秒単位で読み込む高速な切り替え、壊滅的な忘却を起こさずベースモデルの知識を保持する特長を備えています。
2024～2025年に、本番運用向けのLoRAプラットフォームが相次いで登場しました。Together AIのServerless Multi-LoRA（2024年12月）は、Llama 3.1とQwen 2.5の単一ベースモデル上で数百のLoRAアダプターをホストし、ベースモデルのトークン単価のみを課金します。顧客にはSalesforce、Zomato、Washington Post、OpenPipeなどがいます。AWS SageMaker Multi-Adapter Inferenceは、再デプロイせずに追加、削除、更新できるアトミック操作を使って数百のLoRAアダプターをデプロイ・管理します。また、GPU、CPU、ディスクからアダプターをミリ秒単位で動的に読み込み、健全性監視用にアダプターごとのメトリクスを提供します。NVIDIA NIMは、動的なLoRA読み込みを、混合バッチ推論とバッチGEMMによって最適化します。高度な技術としては、トークン単位の切り替えに対応し、最大28個のアダプターを混合エキスパート構成で扱うMeteoRA、トークン単位のルーティングと最適化されたCUDAカーネルを備えるLoRA-Switch、重みの1～2%を使ってモバイルやエッジデバイスで超高速に切り替えるSHiRA（Sparse High-Rank Adapters）などがあります。
コーディングアシスタントでの活用例には、個人のコーディングスタイルへの適応、チームや組織のコーディング標準の徹底、言語固有のパターンやReact、Vue、Angularなどのフレームワーク固有の規約への対応、金融や医療などの分野に特化したコード生成があります。vLLM、TGI（Text Generation Inference）、LoRAX、Modular MAXを通じて、必要なインフラはすでに整っています。コーディングのパーソナライズにLoRAを使った本番環境の事例はまだ限られており、高品質な学習データセットの作成が主な課題です。
実用的なパーソナライズではカスタム指示が主流
カスタム指示は、投資対効果が最も高いパーソナライズ手法として定着しています。主要なAIコーディングツールすべてで利用でき、専門知識がなくてもすぐに効果を得られます。
GitHub Copilotは、有料プラン全体でリポジトリ向けのカスタム指示に対応しました。設定ファイルは.github/copilot-instructions.mdで、VS Code、Visual Studio、GitHub.com、JetBrainsで利用できます。優先順位はPersonal > Repository > Organizationです。.github/instructions/**/NAME.instructions.mdでglobパターンを使ったパス固有の指示を設定すれば、フロントエンドとバックエンドのコードに異なる規約を適用できます。GitHub Copilotのコーディングエージェントでは、2025年8月からAGENTS.mdに対応し、プロジェクトの特定部分に合わせたネスト形式のAGENTS.mdファイルも使えます。個人用カスタム指示は、Copilot Chatのプロフィール設定から利用でき、2025年3月に一般提供が始まりました。「常にスペイン語で回答する」「例にはTypeScriptを使う」「説明を最小限にする」などの好みを設定できます。
構成の推奨事項は、次の5つの必須セクションで構成されます。エレベーターピッチと主な機能を含むプロジェクト概要、バックエンド／フロントエンド／API／テストフレームワークを記載する技術スタック、スタイルの好みやパターンを定めるコーディングガイドライン、ディレクトリ構成を示すプロジェクト構造、ドキュメントや社内Wikiへのリンクをまとめたリソースです。ベストプラクティスでは、考えすぎず自然な言葉で書くこと、百科事典のように網羅せず具体的にすること、分かりやすい例を含めること、結果に基づいて段階的に更新すること、チームで共有できるようバージョン管理にコミットすることが推奨されています。Awesome GitHub Copilot Customizationsリポジトリには、コミュニティが作成したすぐに使える指示、よくあるタスク向けの再利用可能なプロンプト、DBAやフロントエンドのスペシャリストなどのカスタムチャットモードが用意されています。
VS Codeのカスタム指示（v1.98以降）では、github.copilot.chat.codeGeneration.useInstructionFiles設定により.github/copilot-instructions.mdを読み込み、指示を自動的に適用できます。.github/prompts/*.mdに配置するプロンプトファイルを使えば、チャットから直接呼び出せるコンポーネント生成、コードレビュー、ドキュメント作成、APIルート向けの再利用可能なワークフローを作成できます。.github/chatmodes/*.chatmode.mdに配置するチャットモードでは、指示、ツール、対象範囲、推奨モデルを定義し、データベース管理者、フロントエンド開発者、プランナー、コードレビュー担当者などの専門アシスタントを構成できます。workspace.jsonのワークスペース設定では、コミットメッセージの生成、コードレビュー、テスト生成などの既定値をプロジェクトごとに上書きできます。
Claude Codeのカスタマイズは複数のレイヤーで機能します。プロジェクトルートに置くCLAUDE.mdファイルは、プロジェクトの理念、アーキテクチャ、開発ガイドラインを自動で読み込み、バージョン管理の対象となる重要な基盤として機能します。カスタムスラッシュコマンドを.claude/commands/*.mdに保存すると、$ARGUMENTSキーワードでパラメーターを指定する再現可能なワークフローを定義できます。たとえば/project:fix-github-issue 1234を実行すると、課題を自動で分析して対処できます。.claude/output-styles/*.mdに保存する出力スタイルは、YAMLフロントマターとMarkdownの指示を使ってClaude Codeのシステムプロンプトや振る舞いを変えます。組み込みモードには、効率的なソフトウェア開発向けのDefault、学習に役立つ解説を加えるExplanatory、TODOマーカーを使って協働するLearningがあり、/output-style:newコマンドで独自のスタイルも作成できます。
フックを使うと、ユーザー定義のシェルコマンドによって自動化を確実に実行できます。Claudeがツールを実行する前のPreToolUse、正常終了後のPostToolUse、メッセージ送信時のUserPromptSubmit、Claude Code起動時のSessionStartがあり、ファイル書き込み時の自動フォーマット、ドキュメント更新、テスト実行、品質チェックなどに活用できます。MCP（Model Context Protocol）インテグレーションでは、.mcp.jsonの設定を通じてClaude Codeを外部ツールに接続できます。GitHub CLI（gh）、Puppeteer、Brave Search、データベースコネクターなどが利用例です。ベストプラクティスとして、コマンドは決定論的なスクリプトよりもAIの判断が必要な作業に適していること、フックはAIが「覚えている」ことに頼らず確実に自動化できること、サブエージェントはAIによる分析とフックを組み合わせられること、出力スタイルは振る舞いを根本的に変えることが挙げられます。
OpenAI Custom GPTsは2023年11月、ChatGPT Plus、Team、Enterpriseのユーザー向けに公開されました。chatgpt.com/createからコード不要で作成でき、指示（システムプロンプト）、ナレッジファイル（アップロードしたドキュメントやコードベース）、アクション（APIインテグレーション）、会話のきっかけなどを設定できます。共有範囲は、非公開、社内限定、GPT Storeでの公開から選べます。コーディング用途には、デバッグアシスタント、フレームワーク（React、Vue、Flutter）に特化したヘルパー、言語学習チューター、コードレビューボット、ドキュメント生成ツールなどがあります。代表例として、Figmaプラグインのコードを案内するFigmo、開発に関する専門的なアドバイスを提供するFlutter GPT、複数言語の構文を扱うCode Syntax Helperなどがあります。
GitHub Copilotのファインチューニング済みモデルは2024年8月、Enterpriseのお客様を対象に限定パブリックベータとして提供が始まりました。リポジトリのインデックス作成や、開発者の操作を含む任意のテレメトリベースの学習を通じて、独自のコードベースやコーディング慣習に合わせてトレーニングできます。モデルを組織内でホストするため、組織外に持ち出されることはありません。社内ライブラリやAPIへの理解、COBOLやVerilogなどの独自言語・レガシー言語への対応（AMDはVerilogによるハードウェア設計にファインチューニング済みモデルを利用）、組織固有のスタイルへの適応、コードレビュー時間の短縮がメリットです。ナレッジベースでは、複数のリポジトリにまたがるMarkdownドキュメントと、リポジトリのインデックス作成によるコードベースの深い理解を組み合わせられます。Spacesでタスクごとに関連情報を整理でき、MCPインテグレーションで外部ツールとの連携も拡張できます。
メモリシステムとコードベースインテリジェンスの融合
AIコーディングツールのメモリ機能は、一時的なコンテキストから永続的なコンテキストへの移行を示しています。
プロジェクトのコンテキストを保持するChatGPTのメモリ機能
ChatGPTのメモリ機能は、2024～2025年にかけてコーディング用途にも展開され、プログラミング言語、コーディングフレームワーク、スタイルの好み、プロジェクトのコンテキストをセッションをまたいで自動的に記憶します。2025年4月のチャット履歴参照機能の更新により、Plus／Proユーザーは過去のすべての会話を参照できるようになりました（Freeユーザーには2025年6月から、より短い期間の履歴を参照する機能が提供）。
プロジェクト専用メモリを使うと、プロジェクト固有の情報を他の会話に持ち込まずに保持できます。RAG（検索拡張生成）でメモリを保存・取得し、分類モデルが保存に値する情報を判別します。開発者は、コードドキュメントの語調や表現、アーキテクチャに関する好み、コミットメッセージのスタイル、推奨するテストフレームワークなどをChatGPTに伝えられます。一方で、メモリがすぐにいっぱいになって削除が必要になることや、無関係なプロンプトに意図せず影響することが課題です。
Claude Projects：カスタムナレッジベースとプロジェクト専用メモリ
Web版のClaude Projectsではカスタムナレッジベースを作成でき、ドキュメント、コードベースのファイル、コンテキスト文書をアップロードし、各プロジェクトのコーディング標準を定める固有の指示を追加できます。2025年に導入されたプロジェクト専用メモリは、会話をプロジェクト内のコンテキストに限定し、メインメモリへの情報流出を防ぐことで、プロジェクト内の会話をまたいでコンテキストを保持します。
Claude Codeでは、プロジェクトレベルのコンテキストを設定するCLAUDE.mdファイル、.claude/commands/ディレクトリに保存するカスタムスラッシュコマンド（チーム共有と個人用）、外部ツールとのMCPインテグレーション、エージェントの振る舞いを制御するフック、好みを学習するWindsurf風のメモリシステムを利用できます。
Cursorの深いコードベース埋め込みとエージェントモード
Cursor IDEのカスタマイズは、2024～2025年に大きく進化しました。.cursorrulesファイルに記述するCursorルールでは、コードスタイルの徹底やアーキテクチャパターンに関する、プロジェクト固有のAIの動作ガイドラインを定義できます。Agent Modeは自動実行を伴う複数ファイルの自律的な操作を可能にし、Ask Modeは変更をすぐに加えず質問や計画を行い、Manual Modeでは支援を受けながらインライン編集できます。
モデル選択では、Claude Sonnet 4.5、GPT-4o、Geminiなどの最先端モデルを利用でき、AutoSuggestedGPTがタスクに応じてモデルを自動選択します。高度なカスタマイズ機能には、外部ツールに接続するMCPサーバーインテグレーション、適用範囲を指定して再利用できるカスタム指示、ワークスペース間で共有するチームルール（2024年後半に発表）、グローバルなエンタープライズレベルのルール、エージェントの利用監査、コマンドのブロック、シークレットのマスキングに使えるフックがあります。
Cursor独自のアプローチを特徴づけるのは、エージェントモードのCode Graphによるコードベースの深い埋め込み、@メンションによる特定のファイル／関数／シンボルの参照、AIが関連ファイルを判断する自動コンテキスト選択です。料金は、Proが月額$20、Pro+が月額$60（毎日プロとして使用する場合に推奨）、本格的なエージェントワークフロー向けのUltraが月額$200です。
Sourcegraph Cody：コードベースの理解とプライバシー制御
Sourcegraph Codyは2024年を通じてコンテキスト機能を強化しました。Code Graphによるコードベース全体の自動理解、@メンションによる特定のリポジトリ／ディレクトリ／ファイルの参照、コンテキストフィルター（2024年6月のEnterprise機能）によるCodyのアクセス許可・禁止リポジトリの制御が可能です。複数リポジトリを連携させ、横断的にクエリできます。コンテキストウィンドウも拡張され、ユーザーが指定するコンテキストは30,000入力トークン（Claude 3 Sonnet／Opus）、継続中の会話は15,000トークン、出力は4,000トークンに達し、より大きなファイルや長い会話に対応します。
2024年10月のコンテキスト取得機能の改善により、関連ファイルのランキング精度が向上し、1ファイルにつき複数のスニペットを利用できるようになりました。キーワード検索とセマンティック検索を組み合わせています。コンテキストフィルターを活用したプライバシー制御により、機密コードがLLMプロバイダーに送信されるのを防止します。Enterprise機能には、セルフホスト型デプロイメント、SOC 2準拠、完全なデータ分離、データを保持しないことの保証が含まれます。
Tabnine：RAGを活用したローカルおよび組織全体のコード認識
Tabnineのパーソナライズ機能は2024年2月、RAGベースのアプローチを導入しました。ローカルIDEからRAGでコンテキストを取得するローカルコード認識に加え、組織のリポジトリと接続する組織全体のコード認識（Enterpriseプライベートプレビュー）を実現します。モデルのカスタマイズでは、顧客のコードを使って汎用モデルをファインチューニングします（「Tabnine + You」）。
高度な機能には、チームのニーズに合わせて応答を調整するカスタムチャット動作、応答の長さの制御（簡潔モードと詳細モード）、チーム間で共有できるカスタムコマンド、開発者が不慣れなプロジェクトを理解するのを支援するオンボーディングエージェント、AIが次の合理的なステップを提案するフォローアップ質問があります。2024年11月のアップデートでは、無料プランのAIエージェントが増え、Claude 3.5 Sonnetが利用可能になったほか、インラインアクションが強化され、Jira Cloudインテグレーション（Enterprise）が追加されました。
Windsurf EditorのCascadeエージェントと競争力のある価格設定
CodeiumのWindsurf Editorは、Cascadeを搭載したAIネイティブIDEとして2024年11月に公開されました。Cascadeは、運用中のコードベースを深く理解するエージェント型AIです。リアルタイムで開発者の操作を追跡し、重要なコードベースの要素やワークフローを学習して記憶し、Lintエラーを自動で検出・修正します。
パーソナライズ機能には、プロジェクト固有の好みを記憶するメモリシステム、.windsurf/rulesでCascadeの動作を定義するルールシステム、厳選されたワンクリック設定でカスタムツールを使って機能を拡張するMCPサーバー、プロジェクト全体のコードベース認識を支えるインデックスエンジンがあります。
高度な機能には、コンテキストを踏まえた複数行の予測を行うSupercomplete、⌘+Iでインラインのターミナルコマンドを入力できるターミナルインテグレーション、ターミナルコマンドを自動実行するTurbo Mode、操作を追跡してワークフローを続行するCascade Continuesがあります。Cursorの月額$20に対し、Windsurfは月額$15で、すっきりとしたUIとNetlifyへのワンクリックデプロイを備え、競争力のある価格を実現しています。一方、比較的新しいツールのためCursorよりコミュニティが小さく、一部機能はまだベータ版です。
自律型コーディングエージェントが本番環境で実用段階に到達
2024～2025年にかけて、コーディング用のパーソナルAIエージェントは実験段階から実用段階へと進化しました。AnthropicのClaude Codeは、ターミナル上で自律的にコードを作成し、複数ファイルの操作、GitHub/GitLabとの連携、Issueからプルリクエストまでの一連のワークフローに対応します。カスタムスラッシュコマンド（個人用・チーム共有）、CLAUDE.mdプロジェクトファイル、MCPサーバー連携、エージェントの動作を制御するフック、複雑なタスク向けのサブエージェントによるカスタマイズが可能です。ワークフローは「探索 → 計画 → 実装」の流れに沿い、レビューにはAskモード、実行にはAgentモード、自律実行には--dangerously-skip-permissionsを使用します。Git worktreeを使えば、複数のセッションを並行して進められます。企業向けにはAmazon BedrockやGoogle Vertex AIとの連携に加え、MCPプロトコルで拡張できるプライベートデプロイメントにも対応しています。
Aiderはオープンソースのターミナルエージェントで、自然言語による複数ファイルの編集、スマートコミット機能を備えたGit連携、GPT-4o、Claude、DeepSeek、ローカルモデルのサポートに加え、既存リポジトリでの音声コーディングにも対応します。モデルはフラグ（--4o、--sonnet）で選択でき、コストを最適化するキャッシュ管理やあらゆるLLMプロバイダーとの互換性も備えています。ペアプログラミング、複数ファイルにまたがるリファクタリング、既存のコードベースへの機能追加などのワークフローをスクリプト化・自動化できます。
SweepはGitHubと連携し、バグ報告からのコード自動生成、埋め込みベースのコード検索、複数ファイルの変更により、Issueをプルリクエストに変換します。ワークフローではGitHub Issueを作成して「sweep」ラベルを付けると、エージェントが自動でPRを生成し、PRのコメントを通じて修正を繰り返します。企業向け機能には、JetBrainsプラグイン、静的解析ツールとの連携、Next-Edit Autocompleteがあります。
Replit Agent 3は2024～2025年に自律機能を強化し、最長200分間の自律的なビルド、動画フィードバック付きのブラウザによるアプリテスト、「テスト → 修正 → 再テスト」のループによる自己修復、別のエージェントやワークフローを構築するエージェント作成機能を実現しました。ビルド方法は、デザイン優先（ビジュアルプロトタイプから完全なアプリを構築）と、アプリ優先（最初から完成形を構築）から選べます。Slackボット、Telegramボット、メールの自動化、スケジュール設定されたワークフローを自動化でき、独自のテストシステムによりComputer Useモデルより3倍高速で、コスト効率は10倍です。
業界およびオープンソースのエージェント
Amazon Q Developerは2024年を通じてCodeWhispererから進化し、AWSに特化したコーディング支援、複数ファイルの変更に対応する/dev、/doc、/reviewエージェント、CLIやIDEプラグインとのIAM連携を提供しています。
Qodo（旧CodiumAI）は、専用エージェント（Gen、Cover、Merge）、RAGベースのコードベース認識、SOC 2準拠など、SDLC全体を包括的にサポートします。
Continue.devは、VS CodeとJetBrains向けのオープンソースIDE拡張機能、カスタムAIコーディングエージェント用のCLI、ベンダーロックインのないあらゆるモデルへの対応、MCPツール連携、カスタマイズ可能なルールとプロンプトを提供します。企業向けには、共有AIアシスタントの構築、設定の一元管理、安全な認証情報管理、カスタムモデルのデプロイメント機能を備えています。個人は無料で利用でき、企業向けプランも用意されています。
自律エージェントに共通するパーソナライズのパターン
自律エージェントの分野では、さまざまなツールに共通するパーソナライズのパターンが見られます。多くのツールがコードベースの理解にRAG（検索拡張生成）fを利用し、LLMが生成する前に関連するコンテキストを取得しています。Tabnine、Cody、Copilotなどが、それぞれ異なる方法でこれを実装しています。
ファイルベースの設定では、.cursorrules、CLAUDE.md、copilot-instructions.mdなどのファイルを使い、プロジェクト単位またはグローバルなルール、チーム共有または個人用の設定を定義できます。メモリーシステムでは、ChatGPTがセッションをまたいで保存されるメモリーを提供し、Claudeはプロジェクト固有のナレッジベースを、WindsurfはCascadeのメモリーを実装しています。いずれもコンテキストの永続化に向かう傾向を示しています。
GitHub Copilotの企業向けファインチューニングモデルやTabnineの「Tabnine + You」カスタムモデルでは、ファインチューニングやモデルのカスタマイズが可能です。ただし、トレーニングには大規模なコードベースが必要です。コンテキストフィルターとプライバシー制御には、Codyの明示的なリポジトリの対象・除外設定、Copilotのコンテンツ除外、Claude Codeの.cursorignore形式のフィルタリングがあります。
ツール連携の標準として普及しつつあるMCP（Model Context Protocol）は、データベース、API、外部サービスとの接続に向けて、Claude Code、Cursor、Windsurfでサポートされています。
新たなトレンドが示すハイブリッドインテリジェンスの台頭
開発者のワークフローとカスタマイズ戦略
2024～2025年のパーソナライズの動向から、明確な導入パターンと今後の方向性が見えてきます。開発者のワークフローでは、「自動補完 → チャット → コード生成 → デバッグ → ドキュメント作成」の順にAIを活用します。最も効果的なのは、Copilotで自動補完し、複雑な推論にはClaudeを使うなど、複数のツールを組み合わせる方法です。
タブ補完は、作業の流れを維持するうえで最も重視される機能となっています。カスタマイズは、まず標準ツールから始め、カスタム指示を少しずつ追加し、よくあるタスク用の再利用可能なプロンプトを作成し、チームで設定を共有して、品質へのフィードバックをもとに改善していくのがおすすめです。よくある落とし穴には、コードレビューなしでAIに頼りすぎること、ライセンス上の懸念があるのに公開コードの提案を無効にしないこと、受け身で攻撃的または曖昧なプロンプト、不十分なコンテキスト提供、AIをアシスタントではなく権威として扱うことなどがあります。
生産性の向上、利用者の評価、課題
生産性指標からはその効果が明らかになっています。規律あるワークフローでは10～30%の改善が報告され、2024年のランダム化比較試験では週あたりのPR数が26%増加し、開発者の82%がAIツールを利用していました（Stack Overflow 2024）。GitHub CopilotではPR数が8%、マージ率が15%増加しています。開発者からは、Windsurf Cascade、Claude Code、Replit Agent 3などの長時間にわたる自律セッションによる自律性の高さ、コードベースを把握することで関連性が大幅に向上すること、タスクに応じてLLMを選べること、セッションをまたぐコンテキストによって繰り返し作業を減らすメモリー機能などが高く評価されています。
課題には、個人開発者にとっての有料機能のコスト、バグにつながる精度の問題と人によるレビューの必要性、メモリーを使い切らないためのコンテキスト管理、設定に時間を要する学習曲線、頼りすぎることによるスキル低下への懸念などがあります。
変化する料金体系
2025年時点の料金体系を見ると、個人向けプランはGitHub Copilot Individualの月額10ドルから、Cursor ProとChatGPT Plusの月額20ドルまで幅があります。Windsurf Proは月額15ドルで競争力のある価格を提供しています。企業向けプランは、ファインチューニングを含むGitHub Copilot Enterpriseのユーザーあたり月額39ドル、Tabnine Enterpriseのユーザーあたり月額39ドルのほか、Cursor EnterpriseとCody Enterpriseは個別見積もり、Replit Teamsはユーザーあたり月額33ドルです。
無料プランも拡充されました。Windsurfは独自のAPIキーを使った無料アクセスを提供し、Tabnineの基本プランは2024年11月にアップグレードされました。Cody Freeは2,000回の補完を提供し、GitHub Copilotは2024年に無料プランを発表。Continue.devはオープンソースプロジェクトとして完全無料を維持しています。
マルチエージェントシステムとMCPの標準化
今後のトレンドとして、Qodoのアプローチのように専門エージェントが連携するマルチエージェントシステム、チームが採用・却下したコードからAIが継続的に学習する仕組み、コーディングを超えて計画・レビュー・デプロイまでを網羅するSDLC全体への対応、セルフホストやエアギャップ環境の選択肢を増やすプライバシー優先のAI、監督の負担を減らしながら自律性を高めるエージェント型ワークフロー、v0やBolt.newのようなデザインからコードへのパイプラインによるビジュアルとコードの連携、ツール連携の共通プロトコルとなるMCPの標準化が挙げられます。
注目すべき分野には、完全自律型AIソフトウェアエンジニアのDevin（Cognition Labs）、IDEに直接組み込まれたエージェントの増加、Git/GitHubとの連携強化、音声コーディングインターフェース、ローカルモデルの改善などがあります。
パーソナライズが新たな競争優位に
2024～2025年におけるAI支援開発の変化から、パーソナライズこそが、一般的なコード補完と本当に役立つ開発の加速を分ける重要な差別化要因だと分かります。GoogleがGeminiに検索履歴の連携機能を追加して遅れて参入したことは、エコシステム上の優位性があっても、この分野ではデータへのアクセスより実行力が重要であることを示しています。CLAUDE.mdや.cursorrulesのような指示ファイルが広く使われているのは、使えるツールがあれば、開発者はファインチューニングより宣言的な設定を好むことを示しています。Vibe Codingの当初の期待は、AIの速度と人間のアーキテクチャ判断を組み合わせる、より繊細なハイブリッド型のアプローチへと移りました。今後は、盲目的な信頼ではなく、精密に設計されたAIアシスタントが主流になるでしょう。
成功している導入には、セッションをまたいだメモリーの保持、RAGやファインチューニングによるコードベースの深い理解、チーム標準を反映するカスタムルール、そして人間の監督とバランスを取った自律エージェントという共通点があります。カスタム指示なら、わずかな労力でパーソナライズのメリットの80%を得られるため、最初に取り組む方法としておすすめです。ファインチューニングやLoRAは、インフラの準備が整っていても、ニーズ全体のわずか5%にあたる専門領域で活用されます。音声のクローン作成はコーディングのワークフローから切り離されたままで、連携の余地はあるものの、需要はまだ顕在化していません。
メモリー機能、コードベースのインテリジェンス、自律エージェントが融合することで、AIが一般的な提案をするだけでなく、プロジェクトのコンテキスト、チームの好み、組織のパターンを真に理解できる開発環境が生まれています。こうしたシステムが成熟するにつれ、AIのワークフローをパーソナライズする開発者と、デフォルト設定のまま使う開発者の差が、生産性をますます左右するようになるでしょう。競争力のある開発を実践するには、こうしたパーソナライズの方法を理解することが欠かせません。
「Vibe Coding」から「Secure Coding」へ移行しませんか？オンデマンド配信の「Securing Vibe Coding: Addressing the Security Challenges of AI-Generated Code」をご覧になり、AI生成コードを大規模に保護する実践的な方法をご確認ください。
出典と参考資料
Geminiのパーソナライズ：
指示ファイルとカスタムルール：
Vibe CodingとAIアプリビルダー：
音声とモデルのパーソナライズ：
カスタム指示とIDE機能：
メモリーとコードベースのインテリジェンス：
自律エージェント：
オンデマンドワークショップ
バイブコーディングを安全に：AI生成コードのセキュリティ課題に対処する
Snykのスタッフ・デベロッパーアドボケイトであるSonya Moissetが、バイブコーディングのセキュリティへの影響を解説し、AI生成コードを大規模に安全にするための実践的な方法をご紹介します。