Claude Code 新人オンボーディング 最初に渡すリポジトリ課題リストの型（概念）

新しくチームに加わったエンジニアやIT実務担当者が、最初に直面する壁は「膨大かつ複雑な既存リポジトリの理解」です。従来、この壁を乗り越えるには、数日間のドキュメント通読と、先輩社員への繰り返しの質問が必要でした。しかし、Anthropicが提供するCLIツールClaude Codeの登場により、このオンボーディングのあり方が劇的に変わろうとしています。

本記事では、日本最高峰のIT実務知見に基づき、Claude Codeを主軸に据えた「新人オンボーディング用リポジトリ課題」の型を公開します。単にツールを渡すのではなく、リポジトリ側に「AIと協調するための仕組み」を仕込むことで、新人のキャッチアップ速度を3倍以上に加速させる戦略です。

Claude Code で新人の「自走」をデザインする：オンボーディングの再定義

従来のオンボーディングは、静的な Wiki や README を読むことから始まりました。しかし、ドキュメントは常に風化し、実際のコードとの乖離が発生します。Claude Code を導入する最大のメリットは、「リポジトリそのものが最新のドキュメントとして機能し、新人と対話する」状態を作れる点にあります。

「聞く」前に「Claude Code に解析させる」文化の醸成

新人が「この関数はどこで使われていますか？」と先輩に聞く前に、ターミナルで claude を叩き、@file_path このロジックの依存関係を図解して と命じる。このプロセスをオンボーディングの初日に組み込みます。Claude Code は単なるチャット AI ではなく、ローカルのファイル構成を直接読み取り、シェルコマンドを実行し、ファイルを書き換える権限を持つ「エージェント」だからです。

この「AI との協調」を前提としたオンボーディングでは、新人に以下の3つの力を養わせることを目的とします。

• プロンプトエンジニアリング力： 曖昧な依頼ではなく、リポジトリの構造を考慮した具体的な指示を出す力。
• 検証力： AI が生成したコードや解説が、プロジェクトの慣習に沿っているかを判断する力。
• エージェント活用力： テスト実行、ビルド、リンターチェックまでを Claude Code に自律的に行わせるフローの習得。

オンボーディング用リポジトリに必須の「AI命令書」：CLAUDE.md と AGENTS.md

Claude Code を新人に渡す前に、リポジトリのルート直下に必ず配置すべきファイルがあります。これが、Claude Code の挙動を制御し、プロジェクト固有のルールを教え込むための「プロジェクト憲法」です。

1. CLAUDE.md による文脈の固定

CLAUDE.md は、Claude Code がプロジェクトを読み込む際に最初に参照するガイドラインです。ここに以下の情報を記載しておくだけで、新人が出す指示の精度が格段に上がります。

• ビルド・テストコマンド： npm run build や pytest など、そのプロジェクトで「正解」とされるコマンド。
• コーディング規約： 「非同期処理は async/await を使用する」「命名則はキャメルケース」といった暗黙の了解。
• アーキテクチャの概要： 「このリポジトリは Clean Architecture に基づき、domain/usecase/infrastructure に分かれている」といった構造解説。

2. AGENTS.md によるタスクの自動化

より高度なオンボーディング課題として、AGENTS.md を活用します。ここには、特定のワークフロー（例：新機能の追加、バグ修正、ドキュメント生成）の手順をスクリプトのように記述します。新人は claude agent [タスク名] を実行することで、定義されたベストプラクティスに沿った作業を開始できます。

例えば、社内のデータ基盤と連携するスクリプトを作成させる課題であれば、あらかじめ AGENTS.md に「BigQuery へのクエリ作成手順」を定義しておきます。これにより、新人は細かな構文ミスに悩まされることなく、ビジネスロジックの構築に集中できます。このようなデータ連携の全体設計については、以下の記事が非常に参考になります。

【図解】SFA・CRM・MA・Webの違いを解説。高額ツールに依存しない『データ連携の全体設計図』

Claude Code を活用した新人オンボーディング課題：5つのステップ

具体的に、新人に渡すべき「最初の課題リスト」をステップバイステップで構成します。この課題を通じて、Claude Code の CLI 操作とリポジトリの構造を同時に理解させます。

STEP 1：既存コードの構造理解（静的解析）

課題内容： 「主要なエントリーポイントから、データベースへ至るまでの処理フローを Mermaid 形式で図解せよ」

新人は claude を開き、/compact モードなどを活用しながら、コードベースをスキャンします。Claude Code は ls や grep を自ら実行し、呼び出し階層を特定します。出力された Mermaid コードを Markdown ファイルに保存させるところまでを初日のゴールとします。

STEP 2：テスト駆動による小規模な不具合修正

課題内容： 「提供したテストコードが落ちる原因を特定し、修正してテストを通せ」

Claude Code に npm test を実行させ、エラーログを読み取らせます。新人は @test_file.spec.ts エラーを修正し、必要なら実装ファイルも直して と指示します。ここで重要なのは、Claude Code が提案した修正案を、新人が「なぜこの修正が必要なのか」を説明できるまで対話を繰り返させることです。

STEP 3：ユニットテストの自動生成とカバレッジ向上

課題内容： 「まだテストが書かれていない 〇〇 ユーティリティに対して、エッジケースを含めたテストコードを作成せよ」

Claude Code の真骨頂は、既存コードを模倣したコード生成です。新人は @lib/utils.ts に対応するテストを、既存の @tests/helper.ts を参考にして書いて と命じます。これにより、プロジェクト固有のテストの書き方を AI から学び取ることができます。

STEP 4：ドキュメント更新とプルリクエスト作成

課題内容： 「今回の修正内容を README に反映し、GitHub CLI を併用してプルリクエストを作成せよ」

Claude Code は gh コマンド（GitHub CLI）も実行可能です。git branch の作成から、変更内容のコミット、PR の説明文（Description）の作成までを一貫して Claude Code 上で行わせます。この際、PR の説明文に「AI が生成した箇所」と「人間が判断した箇所」を明記させる運用ルールを徹底します。

特に経理系システムやバックオフィス業務の自動化リポジトリを扱う場合、ドキュメントの正確性は極めて重要です。例えば、以下の記事にあるような複雑な会計ロジックの移行作業を Claude Code にサポートさせる際も、同様のドキュメント化手順が有効です。

freee会計導入マニュアル｜旧ソフト移行ガイド

STEP 5：業務自動化スクリプトの生成

課題内容： 「毎日 9 時に特定の SaaS からデータを取得し、Slack に通知するスクリプトを生成せよ」

最終課題として、Skills（スキル）機能を想定したスクリプト作成を課します。Claude Code に @docs/api.md を読んで、Node.js でデータ取得スクリプトを書いて と指示し、実際にローカル環境で動くものを作らせます。SaaS の乱立によるアカウント管理や削除漏れを防ぐ自動化など、実務に即したテーマを選ぶと新人のモチベーションも高まります。

SaaS増えすぎ問題と退職者のアカウント削除漏れを防ぐ。Entra ID・Okta・ジョーシスを活用した自動化アーキテクチャ

【実務者向け比較】Claude Code vs 汎用チャットAI vs GitHub Copilot

オンボーディングにおいて、なぜ ChatGPT ではなく Claude Code なのか。その違いを以下の表にまとめました。新人には、これらのツールの「使い分け」も教える必要があります。

Claude Code は「実行」までを担う点が、他の AI ツールと決定的に異なります。新人がターミナルから一歩も出ることなく、コードの理解からデプロイ準備までを完結できる体験は、エンジニアとしての基礎体力を養う上で非常に強力です。

Claude Code 導入時の承認フローとセキュリティ設計

新人に強力な権限を持つ Claude Code を渡す以上、管理者はセキュリティとコスト、そして品質のガードレールを引かなければなりません。

1. 「承認フロー」の教育：Allow / Skip / Once

Claude Code はファイルを書き換える際、必ずユーザーに承認（Allow）を求めます。新人が何も考えずに All Allow（常に許可）を設定してしまうと、意図しない破壊的変更が発生する恐れがあります。オンボーディングでは、「AI の提案内容を 1 行ずつ読み、納得してから y を押す」という基本的な作法を徹底させます。

2. .claudeignore による機密情報の保護

リポジトリ内にある .env ファイルや、顧客情報が含まれる .csv などのテストデータは、Claude Code のコンテキストに含めるべきではありません。.gitignore と同様に、.claudeignore を設定し、AI が読み取ってはいけないファイルを明示的に除外します。

3. トークン消費とコストの管理

Claude Code はリポジトリ全体をスキャンするため、1 回の指示で数万トークンを消費することがあります。Anthropic の API 料金（Claude 3.5 Sonnet 等）に基づき、新人が無駄な全ファイルスキャンを繰り返さないよう、/compact モードや特定ファイルへの @file メンションの活用を推奨します。最新の料金体系については、Anthropic 公式の料金ページを確認してください。

まとめ：AI を使いこなす「新人」を育てるための組織文化

Claude Code を使った新人オンボーディングの本質は、ツールの使い方を教えることではなく、「AI という相棒と共に、いかにして最短で本質的な価値（動くコード、正しいドキュメント）を出せるか」というマインドセットを伝えることにあります。

今回紹介した CLAUDE.md の整備や、5 つのステップ課題をリポジトリに組み込むことで、新人は「放置されている」と感じることなく、AI との対話を通じて着実にスキルアップできます。そして、その過程で生まれた「AI へのより良い指示（プロンプト）」や「AGENTS.md の改善案」自体が、チームの共有資産となっていくのです。

AI 時代におけるオンボーディングは、もはや教える側と教えられる側の二者関係ではありません。リポジトリ、AI、そして人間が三位一体となって進化し続ける、新しい開発文化の第一歩です。まずは、あなたのチームの主要なリポジトリに CLAUDE.md を 1 つ配置することから始めてみてください。