環境（Windows 11 + VS Code + WSL2）想定で使える、GitHub Copilot / Claude Code / Codex CLI を連携させた “三位一体 AI コーディングワークフロー” を具体的に設計
✅ 前提環境
- OS: Windows 11
- エディタ: Visual Studio Code (VS Code)
- Linux互換環境: Windows Subsystem for Linux v2 (WSL2) + Ubuntu 等 Microsoft Learn+1
- バージョン管理: Git（WSL 側で動かす）＋SSH鍵や Credential Manager を適切に設定 Microsoft Learn+1
- 必要に応じて、Docker / Dev Container を使った開発も可能（WSL2 + Docker Desktop の組み合わせが一般的） Visual Studio Code+1
→ こうすると、Windows の利便性を保ちつつ、Linux ネイティブなツール／スクリプトも違和感なく使えるよ。
🧰 ワークフロー構成 — 各ツールの役割と流れ
1. 仕様設計フェーズ → Claude Code
- プロジェクトの要件、機能仕様、アーキテクチャ、モジュール分割、ファイル構成などを 自然言語で Claude Code に相談
- 「なぜこう設計するか」「他の選択肢は？」といった議論も可能 → コードの土台・構造をきちんと決める
- 出力としては、設計ドキュメント、擬似コード、ファイル構成案、インターフェース仕様、README／仕様書ドラフトなど
→ 特に複雑なプロジェクト（たとえば、あなたの 3D 流体シミュレーション + Web UI + 制御パイプライン など）では、初期仕様決めの品質があとあと大きく効いてくるから有効。
2. 実装フェーズ → GitHub Copilot
- VS Code 上で実装するとき、Copilot が リアルタイム補完／コード生成をサポート
- 関数やクラスのスケルトン
- コメントからコード生成
- 簡単なユーティリティ、定型処理、入力チェックなど
- 小さなモジュール、軽微な機能追加、既存コードへの修正などを スピーディに実装
→ 毎日のコーディングを高速化。設計で決めた仕様を素早く実装に落とす役割。
3. 自動化／スクリプト／運用対応フェーズ → Codex CLI
- WSL2 ターミナルで、Codex CLI に対して自然言語 or プロンプトで命令
- 「この処理を python スクリプトにして」「テストコードを書いて」「CI用のビルドスクリプトを書いて」「このフォルダ構成でテンプレートを生成して」など
- 生成したコードをそのまま 実行 → テスト → 修正 まで一貫で行う（CLI なのでスクリプトやバッチ処理が得意）
- 自動化タスク、データ前処理、バッチ処理、ビルド／デプロイ／テスト環境の整備などに強み
→ 特に、流体シミュレーションのように「何度も回す、繰り返す、パラメータ変える」タイプの処理なら、手動でやるのは非効率／ミスのもとなので、この自動化がかなり役立つ。
⚙️ 具体的な導入手順と設定例
1. WSL2 を有効化＆Ubuntu 等をインストール
- Windows の機能で WSL を有効化 → 再起動 → Microsoft Store から Ubuntuを導入 :contentReference[oaicite:9]{index=9}
- 初回起動後、ユーザー設定＋パッケージ更新（sudo apt update / upgrade）
2. Git を WSL 上にインストール＆設定
- sudo apt install git
- git config --global user.name / email を設定
- SSH 鍵生成して GitHub/GitLab に登録、または Credential Manager を使う
- 必要に応じて line-ending や .gitattributes に注意（Windows／Linux間の差異） :contentReference[oaicite:10]{index=10}
3. VS Code と “Remote - WSL” 拡張インストール
- VS Code を Windows 側に入れておき、WSL 環境に接続して開発する
- WSL モードで編集／デバッグ／Git 操作が可能になる :contentReference[oaicite:11]{index=11}
4. 必要な言語／ランタイム／ツールを WSL 側にインストール
- 例: Python / Node.js / Docker / C++ / nvm / 各種ライブラリ 等
- あなたの流体シミュレーションなら、C++, Python, 3D ライブラリ, 依存ツールを入れておく
5. 各 AI ツールのセットアップ
- Copilot: VS Code 拡張として導入
- Claude Code: Web もしくは CLI / API経由でアクセス可能（必要なら VS Code 拡張も）
- Codex CLI: WSL 側でインストール・認証 → ターミナルから使用
6. Git ブランチ戦略を決める
- 例: `main / develop / feature/… / hotfix` など
- 仕様設計 → feature ブランチで実装 → PR／レビュー → develop → main へ、みたいな流れ
7. ワークフロー確認
- 仕様変更時 → Claude Code で設計見直し → feature ブランチで実装／修正
- 定期バッチ／ビルド・テスト → Codex CLI で自動化
💡 プロンプト例（フェーズ別）
💬 仕様設計（Claude Code向け）
“We need a module to perform 3D turbulent flow simulation with adjustable nozzle-to-blade distance, output results as JSON + CSV.
The module should be callable from a Python CLI, accept parameters (mesh size, flow speed, output format), and log runtime info.
Provide: (1) file structure, (2) module interface definitions, (3) configuration parameter list with types/defaults, (4) brief README draft.”
→ これで、複数ファイルにまたがる設計案が戻ってくる。
🧑💻 実装（Copilot向け）
VS Code でファイルを作って、トップに
# simulate.py
# Input: mesh_size: int, flow_speed: float, output_format: str (“json” / “csv”)
# Output: file with results + log
とコメント書く → Copilot に補完を任せる。
🤖 自動化 / テスト /バッチ処理（Codex CLI向け）
ターミナルで:
$ codex-cli "Write a bash script that runs simulate.py for a list of parameter sets from params.csv, and logs execution time + output path."
→ 出力されるスクリプトに実行権限を与えて実行 → テスト & ログ取得。
必要あれば:
$ codex-cli "Add error handling: if simulate.py fails, retry up to 3 times, and log error to errors.log"
と追加させることも可能。
🚀 なぜこのワークフローが強いか — あなたのような “CFD + Web + 自動化” に最適な理由
- 設計の柔軟性と拡張性：Claude Code でしっかり設計 → 仕様の曖昧さによる後戻りを減らせる
- 実装の高速化：Copilot による補完で「型定義 → 実装 → テスト」のサイクルが早く回る
- 自動化／運用効率：Codex CLI を使えば、繰り返し処理やバッチ処理、テスト／デプロイを手離れよく実行可能
- Windows のまま Linux ライクなワークフロー：WSL2+VS Code により、OS間の違いを気にせずに開発できる
つまり、複雑な流体シミュレーション + UI／管理ツール + 自動化 のような、構造も処理も多層なプロジェクトほど、このワークフローの恩恵が大きい。
コメント