novel-jp/learn-pj-kickoff

/learn-pj-kickoff — プロジェクト立ち上げ（07-01、必修）

これまでの演習で学んだ 4+2 スキルを総動員して、ミニプロジェクトを自律的に立ち上げる統合演習です。

所要時間: 約 120 分 前提: /learn-gw-branch（06-01）完了済み スキル対応: 統合演習（全スキル横断）

---

Step 1: 導入

「統合演習 — これまで学んだ 6 つのスキルを総動員し、ミニプロジェクトを自律的に遂行します。

Prompt Craft（指示の構造化）、Context Eng.（情報環境の設計）、Intent Eng.（目的と判断基準）、
Spec Eng.（自律実行できる仕様）、AI Collab（AI との協働）、Git Workflow（チーム開発フロー）
— すべてを実践で使います。

メンターは介入しません。ProjSight の記録があなたの成果です。
まずはプロジェクトの立ち上げから始めましょう。

⏱ 時間配分の目安:
  Step 2-3: 20分（テーマ選定・タスク開始）
  Step 4-5: 30分（成果物定義・CLAUDE.md 設計）
  Step 6: 20分（技術選定 DR）
  Step 7: 30分（タスク分解・レビュー）
  Step 8: 10分（リスク識別）
  Step 9: 10分（キックオフ完了）」

---

Step 2: テーマ選定

受講者にテーマを選んでもらう:

| テーマ | 概要 | 難易度 | 成果物の例 | DR 対象の例 | | ----------------------------- | -------------------------------------------- | ------ | ------------------------ | ---------------------------- | | A: 社内ツールの小機能追加 | 実業務に貢献する小さな機能を追加 | 中 | 追加機能モジュール | フレームワーク・実装方式選定 | | B: CLI ユーティリティ作成 | コマンドラインツールを 1 つ作成 | 低〜中 | CLI ツール本体 | 言語・フレームワーク選定 | | C: 既存コードのリファクタ | テスト追加を含むリファクタリング | 中 | リファクタ済みモジュール | テストフレームワーク選定 | | D: 自由テーマ | 自分で決めたテーマ（概要を説明してください） | 自由 | テーマに応じて定義 | テーマに応じて選定 |

補足: テーマ A/C は既存コードを持ち込むか、架空の題材で進めてください。架空の場合は具体的なシナリオを1〜2文で設定してから進めましょう（例: 「Express API の認証モジュールを JWT 方式にリファクタし、テストを追加する」）。

「テーマを選んでください。実業務に近いテーマほど学びが深くなります。
自由テーマの場合は、概要を教えてください。」

---

Step 3: 演習タスクの開始

テーマが決まったら、メンター AI が演習タスクを作成し、作業を開始する。

「テーマが決まりました。演習を記録するため、メンターが演習タスクを作成して開始します。」

メンター AI が以下を実行する:

1. upsert_task(projectId, title: '07-01 プロジェクト立ち上げ', deliverableId, description) で演習タスクを作成
2. start_work(taskId) で作業を開始

レスポンスから以降のセーブポイントで使う taskId を確認する。

注: 以降のセーブポイントで使う taskId は、この Step 3 で作成・開始した演習タスク（07-01）の ID です。

---

Step 4: 成果物定義（Spec Eng.）

04-01 で学んだスキルを使い、成果物を定義する。

「まず成果物（Deliverable）を定義しましょう。
04-01 で学んだように、目的・スコープ・完了基準を明記してください。」

補足: 04-01 未修得の場合は、以下の構成で成果物を定義してみてください:

• 目的: なぜこの成果物が必要か（1文）
• スコープ: 何を作るか（箇条書き 3 点）
• 完了基準: 成果物が「完了」と言える条件（チェックリスト 2 点）

セーブポイント: ここまで完了したら upsert_task(taskId, progressPct: 20, notes: '完了: Step 4 成果物定義。次: Step 5 CLAUDE.md 設計') で進捗を記録しておきましょう。この taskId は Step 3 で作成した演習タスク（07-01）の ID です。

受講者が定義したら upsert_deliverable で ProjSight に登録する。 description に以下を含むよう誘導:

• 目的: なぜこの成果物が必要か
• スコープ: 何を含み、何を含まないか
• 完了基準: 成果物が「完了」と言える条件

---

Step 5: CLAUDE.md 設計（Context Eng.）

02-02 で学んだスキルを使い、プロジェクト用の CLAUDE.md を設計する。

補足: CLAUDE.md 設計は 02-02 で詳しく学びますが、未修得の場合は以下の最低限の構成で作成してください:

• プロジェクト概要（2-3行）
• 技術スタック
• コーディング規約

注: learn-workspace/ ディレクトリがなければ AI が自動作成します。

「プロジェクトの CLAUDE.md を設計しましょう。
02-02 で学んだように、AI が効率的に作業できる情報環境を構築します。
必須セクション: プロジェクト概要、技術スタック、コーディング規約」

受講者が作成した CLAUDE.md の品質を確認し、不足があれば補足を促す。 実際のファイルは learn-workspace/CLAUDE.md に作成する。

セーブポイント: ここまで完了したら upsert_task(taskId, progressPct: 35, notes: '完了: Step 5 CLAUDE.md 設計。次: Step 6 技術選定 DR') で進捗を記録しておきましょう。この taskId は Step 3 で作成した演習タスク（07-01）の ID です。

---

Step 6: 技術選定 DR（Intent Eng.）

03-02 で学んだスキルを使い、技術選定の DR を作成する。

「プロジェクトで使う技術について DR（Decision Record）を作成しましょう。
03-02 で学んだように、代替案を 2 つ以上挙げ、選定理由を明記してください。」

補足: 03-02 未修得の場合は、以下の構成で DR を作成してください:

• 背景: なぜこの技術選定が必要か（2-3文）
• 代替案: 候補を 2 つ以上（各案の概要とメリット・デメリット）
• 選定理由: なぜこの案を選んだか（却下した案の理由も含む）
• 制約条件: 選定に影響した制約（チーム経験、既存資産、予算等）

受講者が記述したら upsert_dr で ProjSight に登録する。 以下を含むよう誘導:

• 代替案 2 つ以上（それぞれの却下理由を明記）
• 選定理由: なぜこの技術を選んだか
• 制約条件: 選定に影響した制約

セーブポイント: ここまで完了したら upsert_task(taskId, progressPct: 50, notes: '完了: Step 6 技術選定 DR。次: Step 7 タスク分解') で進捗を記録しておきましょう。この taskId は Step 3 で作成した演習タスク（07-01）の ID です。

---

Step 7: タスク分解（Spec Eng.）

04-01 で学んだスキルを使い、成果物を 4〜6 タスクに分解する。

「成果物を 4〜6 個のタスクに分解してください。
各タスクに背景 / 対応内容 / 完了条件 / 制約を含めましょう。」

各タスクを upsert_task(deliverableId) で登録し、タスク間の依存関係を create_link(type: 'blocks') で記録する。

登録後、代表的な 1〜2 タスクを /review-task でレビューし、8 点未満のタスクは改善を促す。残りのタスクはレビュー基準を参考に自分で見直してください。

セーブポイント: ここまで完了したら upsert_task(taskId, progressPct: 60, notes: '完了: Step 7 タスク分解・レビュー。次: Step 8 リスク識別') で進捗を記録しておきましょう。この taskId は Step 3 で作成した演習タスク（07-01）の ID です。

---

Step 8: リスク識別

04-03 で学んだスキルを使い、リスクを洗い出す。

補足: リスク管理は 04-03 で詳しく学びますが、未修得の場合は以下の観点でリスクを考えてください:

• 技術的な不確実性（未経験の技術、複雑なロジック）
• スケジュールリスク（学習コスト、レビュー待ち）
• 外部依存（API、ライブラリ、チームメンバー）

probability / impact の簡易判断基準:

| レベル | probability（発生可能性） | impact（影響度） | | ---------- | ------------------------- | ------------------------------------ | | low | 回避策があり発生しにくい | 工数・品質への影響が軽微 | | medium | 条件次第で発生しうる | 工数増や手戻りの可能性がある | | high | 高確率で発生する | ブロッカーになりうる、大幅な計画変更 |

「実装上のリスクを 1〜2 件洗い出し、登録しましょう。
各リスクに緩和策（mitigation）を定義してください。」

受講者が定義したら、2 段階で登録する（ワークフローの identified → planned 遷移を体験するため、あえて分けて実行します）:

1. upsert_risk(projectId, title, description, probability, impact, category) でリスクを作成（status は自動的に identified）
   • 例: probability: 'medium', impact: 'high'
2. upsert_risk(riskId, status: 'planned', mitigation: '...') で緩和策を設定し status を更新

---

セーブポイント: ここまで完了したら upsert_task(taskId, progressPct: 80, notes: '完了: Step 8 リスク登録。次: Step 9 キックオフ完了') で進捗を記録しておきましょう。この taskId は Step 3 で作成した演習タスク（07-01）の ID です。

Step 9: キックオフ完了

「プロジェクトの立ち上げが完了しました！

作成したもの:
- 成果物定義（Deliverable）
- CLAUDE.md（情報環境）
- 技術選定 DR（意思決定記録）
- タスク分解（4〜6 タスク + 依存関係）
- リスク登録（1〜2 件 + 緩和策）

これで AI が自律的に作業できる仕様が揃いました。

💬 この演習で最も難しかったステップはどれですか？（一言で構いません。詳細な振り返りは 07-04 で行います）」

受講者の回答を受け取った後、タスクを complete_work(taskId) で完了にする。

「次は /learn-pj-execute で実装フェーズに進みましょう。」