155 lines (128 loc) · 5.95 KB

AI開発のためのGitHubワークフロー実践ガイド

目次

はじめに

第1部：AI協働時代の基礎編

第1章：GitとGitHubの基本概念

1.1 バージョン管理の必要性
1.2 GitとGitHubの違い
1.3 リポジトリの概念
1.4 コミットとは何か
1.5 ブランチの基本
1.6 ローカルとリモートの関係

第2章：AI時代のGitHub協働基礎

2.1 なぜAI協働が必要なのか
2.2 AIが理解しやすいIssueの書き方
2.3 AI協働を前提としたPull Request
2.4 AI指示の体系的手法（CLEAR方式）
2.5 チームレベルでのAI協働標準化
2.6 実践的なワークフロー
2.7 継続的な改善

第3章：必須コマンドとAI活用

3.1 環境構築とGitの初期設定
3.2 基本コマンド（clone, add, commit, push, pull）とAI支援
3.3 ブランチ操作（checkout, branch, merge）の効率化
3.4 状態確認（status, log, diff）とAI分析
3.5 AIを活用したコンフリクト解決
3.6 .gitignoreの自動生成と最適化

第4章：GitHubでの協働作業入門

4.1 実践例：AI支援による機械学習プロジェクト
- 4.1.1 プロジェクトの初期設定とAI活用
- 4.1.2 第2章のIssueテンプレートを使った作成実践
- 4.1.3 AI協働型のブランチ作成からPull Requestまで
- 4.1.4 AIレビューコメントへの効果的な対応
- 4.1.5 マージ、却下、クローズの判断基準
4.2 ラベルとマイルストーンの活用
4.3 プロジェクトボードでのタスク管理
4.4 AI最適化Issueテンプレートの実装

第5章：GitHubアカウントとリポジトリ管理

5.1 個人アカウントの設定
5.2 個人アカウントと組織アカウントの違い
5.3 Public/Privateリポジトリの選択基準
5.4 リポジトリの基本設定
5.5 READMEとライセンスの設定

第2部：AIツール活用編

第6章：GitHub Copilotの高度な活用

6.1 第2章のCLEAR方式を使ったCopilot活用
6.2 コード生成の効果的な使い方（実践編）
6.3 AIペアプログラミングの発展的テクニック
6.4 高度なプロンプトエンジニアリング
6.5 Copilotの制限事項と対処法

第7章：AI支援によるコードレビュー実践

7.1 第2章のPRテンプレートを使った実装
7.2 自動レビューコメントの効果的な活用
7.3 人間のレビューとAIレビューの協働パターン
7.4 セキュリティ脆弱性の自動検出と対応
7.5 AI協働履歴を活用したレビュー効率化

第8章：GitHub Advanced SecurityとAI統合

7.1 Code scanningの設定
7.2 Secret scanningの活用
7.3 Dependency reviewの実践
7.4 AI支援による脆弱性修正提案
7.5 セキュリティアラートの管理

第3部：セキュリティと権限管理編

第9章：アクセス権限の体系

8.1 リポジトリレベルの権限（Read/Write/Admin）
8.2 ブランチ保護ルールの設定
8.3 CODEOWNERSによる承認フロー
8.4 Required reviewersの設定
8.5 権限の継承と上書き

第10章：組織管理とチーム運用

9.1 Organizationの作成と初期設定
9.2 Team構造の設計と権限継承
9.3 Outside Collaboratorの管理
9.4 SAML SSOとの連携
9.5 監査ログの活用

第11章：セキュリティ実践

10.1 Secrets管理の基本
10.2 Environment設定と環境変数
10.3 Dependabotによる脆弱性対策
10.4 Security Policyの設定
10.5 セキュリティインシデント対応

第4部：実践編（チーム開発）

第12章：実践的なワークフロー設計

12.1 ケーススタディ：AI協働型モデル開発プロジェクト
- 12.1.1 プロジェクト構造の設計とAI活用
- 12.1.2 第2章の協働パターンを使ったIssue駆動開発
- 12.1.3 AI支援Feature Branchワークフロー
- 12.1.4 AI協働メトリクスによる最適化
12.2 実験ブランチとメインラインの管理
12.3 AI協働を考慮したリリース戦略

第13章：CI/CDパイプライン構築

13.1 GitHub Actionsの基本構造とAI活用
13.2 AIモデル学習の自動化パイプライン
13.3 第2章の品質ゲート実装
13.4 AI協働による効率的なワークフロー作成
13.5 継続的改善サイクルの実装

第14章：大規模データとモデルの管理

13.1 Git LFSの基本設定
13.2 DVC（Data Version Control）との連携
13.3 モデルレジストリの構築
13.4 アクセス制御を考慮したデータ管理
13.5 実験結果の追跡と管理

第15章：GitHub Pagesでのプロジェクト公開

14.1 GitHub Pagesの基本設定
14.2 ML/AIプロジェクトのデモページ作成
14.3 ドキュメントサイトの構築
14.4 実験結果の可視化と公開
14.5 自動デプロイとメンテナンス

第5部：発展編（エンタープライズ対応）

第16章：外部協力者との連携

15.1 Fork & Pull Requestモデル
15.2 コントリビューターライセンス契約（CLA）
15.3 外部貢献者の権限管理
15.4 コントリビューションガイドラインの作成
15.5 オープンソースプロジェクトの運営

第17章：コンプライアンスとガバナンス

16.1 ライセンス管理の基本
16.2 Export Control対応
16.3 AIツール利用時の知的財産権配慮
16.4 監査要件への対応
16.5 ポリシー違反の検出と対応

付録

付録A：GitHub用語集

付録B：トラブルシューティングガイド

付録C：料金プランと機能比較表

付録D：AIツールのコスト計算例

付録E：便利なGitエイリアス集

付録F：推奨VS Code拡張機能

索引