CLAUDE ACADEMY 公式レクチャー
intent.md から CI の継続評価まで、1時間で開発工程の設計図を通しで見る
個々の作業をAIに手伝わせる話ではなく、要件定義からデプロイ、指標の回収までを含めた開発ライフサイクル全体をAI前提で組み直す講座です。意図を intent.md として残す、プランモードを既定の入口にする、CLAUDE.md と Agent Skills で組織の知識を持たせる、並列セッションとサブエージェントで作業を分ける、フックを承認ゲートにする、CIで継続的に評価する——という順に、全14レッスンで扱います。1時間と短いぶん密度が高く、上級です。
日本語は AICU による要約です。Anthropic 公式の翻訳ではありません。
このレッスンでは、従来の線形なSDLCがAIによる高速なコード生成で抱えるボトルネックを理解し、AIを組み込んだSDLCの全体像を掴めます。Claude を各フェーズに埋め込み、intent.md や CLAUDE.md といったバージョン化されたアーティファクトで手戻りを減らす考え方と主要な運用シフト（設計の圧縮、継続的テスト、実行時ガバナンス）を学べます。実務での適用が見える入門回です。
アイデアを口頭やメモで終わらせず、Claudeを使って即座に人間可読でバージョン管理された proto-spec（intent.md）に落とし込む手法が学べます。非エンジニアでもclaude.aiやCoworkからテンプレートに沿って意図を書き出し、プロダクトオーナーがレビュ―して次工程へ渡せるフローと導入に必要なインフラ、ガバナンス指標（コミット時間や採択率）まで実務で使える運用方針が分かります。
このレッスンでは、エンジニアがClaude Codeの plan mode を出発点にして、コーディング前に実行可能な実装計画を作るワークフローを学べます。計画はファイル単位で変更点・順序・テストを明記し、plan.md としてコミットして監査証跡に残します。これによりレビューが早期に効き、再作業を減らしつつ、将来的な自動実行（auto mode）や既存のレガシー管理ツールとの連携パターンも扱えるようになります。
CLAUDE.md をチームの「入門書兼ルールブック」として運用する方法がわかります。リポジトリに置くべき項目（ビルド・テスト・lint コマンド、重要なコーディング規約、よくあるミス）と作成手順、変更ルールを学び、Claude がセッション開始時に参照して一貫した振る舞いを保つ仕組みを設計できます。運用上のガバナンスと効果測定指標も理解できるようになります。
組織の“暗黙知”を再現可能なルールとしてコードベースに落とし込む方法が学べます。SKILL.md を使ってポリシーをエンコードし、.claude/skills 配下で配布・バージョン管理する運用や、スキルのトリガー確認、ポリシー変更時の差分運用まで実務的に理解できます。また、スキルは助言的コントロールであり、確実性が必要な場合はフックで差し止める設計も学べます。
エンジニアが同時に複数の作業ストリームを安全に回せるようになる運用法が分かります。各作業は独立した Claude Code セッションと Git worktree で分離し、繰り返しの作業はサブエージェントとして定義して再利用します。レビュー負荷や権限設定をリポジトリ側で管理することでガバナンスを保ち、同時実行数やマージ・再作業率で効果を測れるようになります。
Claude に作業の自己検証ループを持たせる方法がわかります。テストやビルド、スクリーンショット差分などを自動で回し、セッションが自分の出力を修正してからエンジニアに渡す仕組みを学べます。CLAUDE.md とフックで検証手順を定義・保護し、エージェントがテストを改変できないように運用する実務手順やガバナンス、効果測定の指標も理解できます。
このレッスンでは、CI に継続的な eval スイートを組み込み、CLAUDE.md やスキル変更が既存の品質を壊さないことを自動で検証する方法が学べます。実運用で使う評価ケースの選び方とテスト化（プロンプト＋合格条件）、CI ジョブの構成例を通じて実装手順がわかります。評価結果をマージゲートやログで管理するガバナンスと、評価合格率や本番リグレッションを指標にする測定法も扱います。
PRレビューにClaudeを組み込み、レビュー作業を自動化してエンジニアの判断を「意図とリスク」に集中させる方法が分かります。CLAUDE.md と REVIEW.md を使ったポリシー定義、claude-code-action や managed Code Review の導入手順、レビューの自動修正ループやブランチ保護との関係性、測定指標（初回レビュー時間や自動解決率、マージ前検出率）まで実運用の視点で学べます。
このレッスンでは、開発プロセスにおける「承認ゲート」としてHooksを使う設計と運用方法を学べます。誰がどの承認を持つかを明確にしてフックで自動判定・保留・拒否を行い、エンジニア側で勝手に無効化できないmanaged settingsによる強制化まで扱います。具体例や設定ファイルの構成、ログや監査の考慮点、規制企業向けの管理設定の意味合いも理解できます。
CI/CDパイプラインに Claude を組み込み、判断が必要な工程を人手に頼らず安全に自動化する方法が分かります。初期設定やインフラ要件、sandbox 化や短命トークンでの実行といった安全策、MCP 経由でのデプロイ公開と環境ごとの権限階層の作り方を学べます。ロールバック運用の事前演習や監査ログの分離といったガバナンス指標の設計も扱います。
このレッスンでは、監視指標の逸脱をトリガーにして Claude が自律的に診断→意図書き出し（intent.md）→パイプラインへ流す「ループを閉じる」運用を学べます。検出スクリプトとバンド設定で段階的な応答を定義し、CIやAgent SDKで非対話的に実行する仕組み、ガバナンスや計測指標（リード／ラグ指標）も扱います。運用例やClaude Tag経由の着信対応も示され、実務での導入手順がわかります。
このレッスンでは、Claude をソフトウェア開発ライフサイクル全体に組み込む際の全体像と運用の要点を把握できます。人の判断を残しつつガバナンスやセキュリティを確保する設計思想、プラットフォームチームが順に導入すべき設定やコントロール（Claude Code、権限、サンドボックス、フック、Skills、Managed MCP 等）の一覧と導入順が分かります。実運用で使えるリソースへの導線も提示され、現場での実践に繋げやすい内容です。
見出しは公式の構成にもとづく日本語の要約です。レッスン本文は公式サイト上でのみ提供されています。各行から公式ページへ移動します。
この講座で扱う概念です。意味が分からない語で止まったら、ここから辞典を引けます。数字は難易度（1が易しく5が難しい）。
本文中でも初めて出てきた箇所にリンクを張っています。
用語の解説は AICU term（AICU が独自に編集している用語辞典）。
原題: The AI-Native SDLC Playbook — https://academy.claude.com/courses/ai-native-sdlc-playbook