AIにコードレビューさせたら、自分では気づかなかった問題が出てきた|PR前セルフチェックのプロンプト集
エンジニア向けChatGPT活用中級者〜
AIにコードレビューさせたら、自分では気づかなかった問題が出てきた|PR前セルフチェックのプロンプト集
「動けばいい」コードが招くレビュー地獄
コードレビューで指摘が多いのは、実装ミスだけではありません。
😰 よくある指摘パターン
変数名が意味不明(tmp、data2など)
エラーハンドリングが抜けている
N+1クエリが発生している
SQLインジェクションの可能性がある
関数が長すぎて責務が不明確
✅ AIセルフレビュー後の変化
PR前に自分で問題に気づける
レビュアーの指摘が激減する
「なぜこう書くか」を言語化できる
レビュー待ち時間に自己改善できる
チームへの貢献度が上がる
AIはコードを「動くかどうか」だけでなく、読みやすさ・安全性・保守性の観点でも評価できます。しかも指摘が具体的なので、「なぜ問題なのか」まで学べる。
プロンプト①「バグ・ロジックミスの洗い出し」
まず基本。コードを貼り付けてバグやロジックの抜け漏れを探させます。
📝 PROMPT
【コード】
```
[ここにコードを貼り付け]
```
【確認してほしい観点】
1. バグ・ロジックのミス(エッジケース含む)
2. エラーハンドリングの抜け漏れ
3. 予期しない入力値への対応
各問題について、以下の形式で回答してください:
– 問題箇所(行番号または関数名)
– 問題の内容
– 修正案(コードで)
– 深刻度(高・中・低)
実際の出力例(Before/After)
📥 修正前コード(例)
function divide(a, b) {
return a / b;
}
問題:b が 0 のとき Infinity を返す
深刻度:高
エッジケース:divide(10, 0) → Infinity(エラーなし)
📤 修正後コード(AI提案)
function divide(a, b) {
if (b === 0) {
throw new Error('Division by zero');
}
return a / b;
}
理由:ゼロ除算を明示的に検知しエラーを投げることで、呼び出し元でハンドリングできる
プロンプト②「可読性・命名・設計の改善」
動くコードでも、読みにくければチームの負債になります。AIに可読性の観点でレビューさせましょう。
📝 PROMPT
【コード】
```
[ここにコードを貼り付け]
```
【確認してほしい観点】
1. 変数名・関数名の適切さ
2. 関数の責務(単一責任原則)
3. コードの重複・DRY原則
4. コメントの必要性
改善案はビフォーアフターで示してください。
「なぜそのほうが良いか」の理由も一言添えてください。
💡 プロンプトに言語・フレームワークを明記すると精度UP
「TypeScript + React」「Python + FastAPI」など、使用技術をプロンプト冒頭に追加するだけで、AIがその言語のベストプラクティスに沿った指摘をしてくれます。
プロンプト③「パフォーマンス・N+1問題のチェック」
DBアクセスやループ処理のパフォーマンス問題は、動作確認では見えにくい。AIに静的解析させましょう。
📝 PROMPT
【使用技術】
[例:Python / SQLAlchemy / PostgreSQL]
【コード】
```
[ここにコードを貼り付け]
```
特に以下の観点で確認してください:
1. N+1クエリの発生箇所
2. 不要なループ・計算の繰り返し
3. メモリ効率(大量データ処理時)
4. インデックスが効いていない可能性があるクエリ
問題箇所と改善後のコードをセットで示してください。
プロンプト④「セキュリティリスクのチェック」
セキュリティの問題はレビュアーも見落としやすい。AIに専門的な観点でスキャンさせます。
📝 PROMPT
【コード】
```
[ここにコードを貼り付け]
```
以下の観点でチェックしてください:
1. SQLインジェクションの可能性
2. XSS(クロスサイトスクリプティング)の可能性
3. 認証・認可の抜け漏れ
4. 機密情報のハードコード(APIキー、パスワードなど)
5. 入力値のバリデーション不足
リスクがある場合は深刻度(Critical / High / Medium / Low)と修正方法を示してください。
リスクがない場合も「問題なし」と明示してください。
⚠️ 機密コードの取り扱いに注意
本番環境のAPIキー・パスワード・個人情報が含まれるコードをそのままChatGPTに貼り付けないでください。ダミー値に置き換えてからレビューしましょう。社内ルールに従って判断してください。
プロンプト⑤「PR説明文の自動生成」
レビューが終わったら、PR説明文もAIに書かせましょう。変更内容の言語化が苦手な人に特に有効です。
📝 PROMPT
【変更の目的】
[例:ユーザー一覧APIのN+1クエリを解消してレスポンス速度を改善]
【主な変更内容】
[例:
– eager loadingを導入(joinedload / selectinload追加)
– 不要なループを削除
– エラーハンドリングを追加
]
【テスト内容】
[例:ローカル環境でAPIレスポンスタイムを計測(改善前:800ms → 改善後:120ms)]
以下のフォーマットで記述してください:
## 概要
## 変更内容
## テスト方法
## スクリーンショット(該当する場合)
レビュアーが変更の意図をすぐ理解できる説明文にしてください。
出力例(抜粋)
📥 よくあるPR説明文
「N+1を直しました」
「バグ修正」
(本文なし)
📤 AI生成後のPR説明文
概要:ユーザー一覧APIのN+1クエリを解消し、レスポンスタイムを約85%短縮
変更内容:joinedload導入・不要ループ削除・エラーハンドリング追加
計測結果:800ms → 120ms(ローカル環境)
実務で使うときのポイント
⚠️ AIの指摘を鵜呑みにしない
AIはコードの実行コンテキスト(他ファイルとの依存関係・設計方針)を知りません。指摘が的外れなこともあります。「なぜそう言っているか」を理解したうえで取捨選択してください。
💡 複数のプロンプトを組み合わせて使う
①〜④を一度に聞くより、観点を絞って1つずつ聞いたほうがAIの回答精度が上がります。まず①でバグチェック→③でパフォーマンス、の順がおすすめです。
✅ チームのレビューガイドラインを添えると効果倍増
「我々のチームではXXXのルールがあります」とプロンプトに加えると、チームの規約に沿った指摘になります。規約をテキスト化してテンプレに組み込んでおくと毎回使えます。
📌 まとめ
- PR前のセルフレビューにAIを使うと、バグ・可読性・パフォーマンス・セキュリティを網羅的にチェックできる
- プロンプト①〜④は観点を絞って1つずつ使うのが精度UP のコツ
- 機密情報をそのまま貼り付けないよう注意。ダミー値に置き換えてから使う
- プロンプト⑤でPR説明文も自動生成すれば、コミュニケーションコストも削減
- AIの指摘は「叩き台」。コンテキストを踏まえて取捨選択するのはエンジニア自身


