Claude Codeプロンプト完全ガイド｜XMLタグ・CLAUDE.md・SKILL.mdを駆使した自律型開発の極意

（最終更新日: 2026年05月17日）

「Claudeに指示を出しても期待通りのコードが返ってこない」「プロンプトが長くなると重要な指示を無視されてしまう」とお悩みではありませんか？

高度なAIエージェントであるClaude Codeの真価を引き出すには、実は独自のプロンプト設計とコンテキスト管理のコツが必要です。

この記事では、XMLタグによる構造化やCLAUDE.mdでのルール管理など、プロフェッショナルな視点で「確実に成果が出る設計手法」を網羅的に解説します。

基礎概念から公式推奨のテクニックまで平易な言葉で紹介するため、読み終える頃には日々の業務効率が劇的に向上していることを実感できるはずです。

AIを思い通りに動かし、ストレスフリーで創造的な開発環境を手に入れるための第一歩を、一緒に踏み出しましょう！

自律型AIエージェント「Claude Code」の基本概念と従来のチャットAIとの決定的な違い

当セクションでは、Claude Codeの基本概念と、従来のチャット形式のAIツールとの本質的な違いについて詳しく解説します。

プロンプトの効果を最大限に引き出すためには、単なる「便利なチャットボット」としてではなく、自律的に動く「エージェント」としての特性を正しく理解することが不可欠だからです。

「Copilot」から「Agentic」へのパラダイムシフト
最新モデル「Claude Opus 4.7」と100万トークンの衝撃
公式推奨のワークフロー：Explore, Plan, Implement, Commit

「Copilot」から「Agentic」へのパラダイムシフト

現代のAI開発支援は、人間を部分的に助ける「Copilot（副操縦士）型」から、目標に対して自律的に行動する「Agentic（自律型）」へと劇的な進化を遂げています。

従来のツールが次に続くコードの一行を予測するのに留まっていたのに対し、Claude Codeはリポジトリ全体の構造を深く把握し、人間と同じように目的を達成するための手段を自ら考え出します。

例えば「認証モジュールのテストを追加してプルリクエストを作成せよ」という指示に対し、関連ファイルの検索から依存関係の解消、さらにはテストの実行までをAIが一人で完遂することが可能です。

この違いを理解せずに抽象的なプロンプトを与えるとAIのポテンシャルを引き出せないため、読者は「AIに作業を依頼する」のではなく「AIに目標を託す」という意識の転換が求められます。

具体的な操作の詳細は、Claude Code導入・活用完全ガイドで確認できますが、まずはこの自律性の高さを前提とした設計を心がけましょう。

AIが自ら思考し実行するプロセスを視覚化した以下の図を確認することで、従来型との決定的な差がより明確になります。

モデル名	SWE-bench Score	主な特徴
Claude Opus 4.7	80.8%	自律型エージェントとしての最高性能、100万トークン対応
Claude Sonnet 3.5	40.0%前後	高速なレスポンスとバランスの良いコーディング能力

公式推奨のワークフロー：Explore, Plan, Implement, Commit

自律型AIを安全に制御するためには、Anthropicが提唱する「Explore, Plan, Implement, Commit」という4つのフェーズを意識した指示出しが極めて重要です。

リポジトリを探索（Explore）し、コードを書き換える前に必ず「計画（Plan）」を出力させ、人間がその内容を承認してから実装（Implement）に入ることで、意図しない破壊的変更を防ぐことができます。

私自身、大規模なリファクタリングを計画フェーズなしで依頼した際に、不要なファイルまで削除されてしまうという失敗を経験しましたが、このプロセスを導入してからは格段に安定感が増しました。

特に「Plan Mode」を活用して構造化された設計案をレビューする習慣は、AIと人間の「協調」を成功させるための最大の秘訣と言っても過言ではありません。

計画の立て方やレビューのコツについては、Claude Codeプランモード完全ガイドに詳しくまとめています。

最終的にAIが自動生成したコミットメッセージを確認して作業を完了（Commit）させるこの一連のサイクルは、次世代の開発標準となるでしょう。

AIエージェントの特性を活かしたプロンプトエンジニアリングをより深く学びたい方には、生成AI 最速仕事術が非常に役立つリソースになります。

プロジェクト固有のルールを記憶させる「CLAUDE.md」の設計と配置ルール

当セクションでは、Claude Codeがプロジェクト固有の文脈を理解するための「CLAUDE.md」の設計手法と配置ルールについて詳しく解説します。

AIエージェントに自律的な判断を委ねる際、組織の規約や技術選定の背景を正確に伝える仕組みを構築することが、開発効率の最大化に直結するためです。

「行動契約書」としてのCLAUDE.mdの役割
組織・ユーザー・プロジェクト別の階層的コンテキスト管理
コンテキスト希釈を防ぐための「200行の壁」と最適化テクニック

「行動契約書」としてのCLAUDE.mdの役割

CLAUDE.mdは、プロジェクトのルートディレクトリに配置され、AIがセッション開始時に真っ先に読み込む「行動契約書」としての役割を担います。

AIがコードベースを読み解くだけでは把握しきれない、チーム独自の暗黙の了解や技術的な意思決定を明文化して伝えることがその存在意義です。

具体的な記述項目としては、ビルド手順やテスト実行コマンド、特定のライブラリ使用時の制約などが挙げられ、これらを定義することでAIは迷いなくタスクを遂行できるようになります。

設計においては「この行を削ってもClaudeはミスをしないか？」という引き算の思考を常に持ち、本当に必要な制約のみを凝縮して記述することが重要です。

運用の詳細は、Claude Code & CLAUDE.md完全ガイドでも詳しく紹介しています。

ビルド・テストの実行コマンド
コードスタイルや命名規則の制約
推奨される外部ライブラリのリスト
プルリクエスト作成時のテンプレート要件

組織・ユーザー・プロジェクト別の階層的コンテキスト管理

Claude Codeのコンテキスト管理は、組織、個人、プロジェクトといった複数の階層による優先順位付けによって最適化されています。

この仕組みにより、全社共通のセキュリティポリシーを遵守させつつ、プロジェクトごとに異なるビルド環境へ柔軟に対応することが可能になります。

下層ディレクトリのファイルほど優先度が高く設定されており、競合する指示がある場合は作業環境に近い設定が上位の設定を上書きする仕組みです。

各階層の役割を以下の表にまとめましたので、環境構築の際の参考にしてください。

階層	配置場所の例	主な目的
組織全体	/etc/claude-code/CLAUDE.md	全社的なガバナンスや標準規約の定義
ユーザー固有	~/.claude/CLAUDE.md	個人のエディタ設定や好みのエイリアス管理
プロジェクト	./CLAUDE.md	リポジトリ固有のアーキテクチャや手順の共有
ローカル限定	./CLAUDE.local.md	Gitに含めない個人用の一時的な設定

具体的な設定ファイルの使い分けについては、Claude Codeルール設定完全ガイドで各項目の詳細を確認できます。

コンテキスト希釈を防ぐための「200行の壁」と最適化テクニック

AIが提供された指示の優先順位を見失わないために、CLAUDE.mdの内容は公式が推奨する200行以内に抑えるのが鉄則です。

あまりに多くの指示を詰め込みすぎると、AIの注意力が分散される「コンテキスト希釈」が発生し、重要な制約を無視した回答を出力する原因となります。

筆者も以前、あらゆるエッジケースを記述した結果、AIが混乱して単純なリファクタリングさえ完遂できなくなったという苦い失敗を経験しました。

情報量が増えそうな場合は、詳細を@README.mdなどの外部ファイルに逃がし、AIが必要な時だけ参照するように設計を工夫しましょう。

不要な情報を削ぎ落として重要なエッセンスのみを抽出することで、APIコストの節約と精度の向上を両立させることが可能になります。

より高度なプロンプトの組み立て方は、生成AI 最速仕事術を参考にするとさらに理解が深まります。

公式推奨！Claude Codeの精度を極限まで高めるプロンプト構造化テクニック

当セクションでは、Claude Codeの性能を最大限に引き出すためのプロンプト構造化テクニックを詳しく解説します。

自律型AIは膨大なコンテキストを一度に処理するため、指示の境界を明確にしなければ、情報の混同やハルシネーションが発生するリスクが高まるからです。プロフェッショナルな開発環境で求められる精度の高い出力を安定させるために、以下の3つの手法をマスターしましょう。

XMLタグ（<instructions>等）によるコンテキストの分離
否定形を避け「肯定的な指示」を優先する原則
Few-Shotプロンプティングによる出力トーンの固定

XMLタグ（<instructions>等）によるコンテキストの分離

XMLタグを使用してプロンプトを構造化することは、情報の境界をAIに正しく認識させる最も効果的な手法です。

ClaudeはXML形式のタグを極めて正確に処理する特性を持っており、指示や背景情報をタグで囲むことでコンテキストの混同を劇的に防げます。

実際に<instructions>タグ内に命令を書き、<context>タグ内にプロジェクトの背景を記述すれば、AIは情報の重要度を即座に判断して実行に移ります。

さらにドキュメントを読み込ませる際は、<document>タグをネストさせる階層構造を用いると、長文のコンテキスト管理における検索精度も大幅に向上するでしょう。

以下の表は、タグを使用しない場合と使用した場合の精度の違いをまとめたものです。

要素	タグなし（Before）	XMLタグ活用（After）
指示の理解	背景情報と指示が混ざりやすい	指示が明確に分離され、最優先される
ハルシネーション	情報の境界が曖昧で発生しやすい	タグによる境界認識で劇的に減少
複雑な構造	階層構造の把握が困難	ネスト構造により複雑な依存関係も理解

この設計により、AIは与えられた役割を正確に遂行できるようになり、信頼性の高いコード生成が実現します。

否定形を避け「肯定的な指示」を優先する原則

Claudeの挙動を精密にコントロールするためには、否定形ではなく肯定的な言葉で動作を指定することが重要です。

「〜しないで」という指示はモデルにとって処理の負荷が高く曖昧になりやすいため、逆に「〜のみで行う」といった肯定文の方が指示への遵守能力が向上します。

公式ガイドラインに基づいた書き換えを実践することで、AIに迷いを与えず、意図した通りの成果物を最小限のラリーで得ることが可能になります。

具体的な書き換え例を以下のリストで確認し、日々のプロンプト設計に取り入れてみてください。

「マークダウンを使用しない」→「回答は滑らかな散文体の段落で記述する」
「外部ライブラリを導入しない」→「標準ライブラリと既存の依存関係のみを使用して実装する」
「冗長な説明をしない」→「コードの変更点のみを簡潔な箇条書きで出力する」

求める成果をポジティブに明示する習慣を身につけることが、自律型ワークフローを安定させる最短ルートとなります。

プロンプトの基礎から応用までを体系的に学びたい方は、DMM 生成AI CAMPで専属メンターのサポートを受けるのも一つの手です。

Few-Shotプロンプティングによる出力トーンの固定

期待する出力の品質やトーンを完璧に再現するには、具体的なサンプルを提示するFew-Shotプロンプティングが不可欠です。

言葉での説明だけでは伝わりにくい複雑なロジックや独自のコーディング規約も、実例を見せることでAIは瞬時にそのパターンを模倣します。

特にエッジケースを含めた複数の例を<example>タグ内に提示すれば、例外的な状況が発生してもAIは一貫した判断基準を維持できるようになるでしょう。

例えば、以下のようにコードレビューのスタイルを例示することで、プロジェクト独自の文化を学習させることができます。

<example>
ユーザー：この関数のリファクタリング案を出して。
AI：可読性を高めるために、早期リターンを適用しましょう。また、変数名を変数aからisActiveに変更することで、用途が明確になります。
</example>

このように具体的かつ多様なサンプルをプロンプトに組み込み、開発プロセスの質を根本から引き上げましょう。

再三の指示を繰り返す手間を省き、一撃で理想の回答を引き出すための強力な武器として活用してください。

反復業務をスキル化する「SKILL.md」の活用とProgressive Disclosureの仕組み

このセクションでは、Claude Codeにおいて特定の業務ワークフローを自律化させる「SKILL.md」の具体的な活用術と、システム全体の効率を支える「Progressive Disclosure（段階的開示）」の仕組みを深掘りします。

AIに定型作業を学習させて生産性を向上させるだけでなく、実行時のコストやパフォーマンスをバランスよく最適化する設計思想を理解することが、実務レベルでの運用には不可欠だからです。

「動的な手順書」としてのSKILL.mdとAgent Skills
Progressive Disclosure（段階的開示）によるコスト最適化
カスタムスキルの構築手順と引数（Arguments）の制御

「動的な手順書」としてのSKILL.mdとAgent Skills

SKILL.mdは、Claude Codeが特定のタスクを自律的に遂行するための「動的な手順書」として機能し、プロジェクトの自動化を強力に推進します。

常に全ての指示を読み込ませるCLAUDE.mdとは異なり、必要な場面でのみ呼び出される設計のため、文脈の肥大化を防ぎつつ高度な専門性を持たせることが可能です。

この仕組みは「Discovery（発見）」と「Activation（有効化）」の2フェーズに分かれており、エージェントは現在のタスクに最適なスキルだけを能動的に選択して実行に移します。

基本構造としてYAMLフロントマターを活用し、以下のようなテンプレートを用いてタスクの定義を行います。

---
name: security-report-gen
description: 脆弱性診断を実行し、マークダウン形式でレポートを生成する
---
# 手順
1. スキャンコマンドの実行
2. 結果の解析
3. ファイル出力...

脆弱性診断やリサーチといった複雑な反復業務をパッケージ化することで、AIが自律的に動く「Agent Skills」の環境が整います。

詳細な構築方法については、Claude Code Skills 使い方完全ガイドも併せて参照してください。

Progressive Disclosure（段階的開示）によるコスト最適化

大規模な開発環境でもClaude Codeが高いパフォーマンスを維持できる秘訣は、情報を必要な分だけ小出しにする「Progressive Disclosure（段階的開示）」メカニズムにあります。

起動時には全スキルの名前と概要のみをスキャンし、実際の実行時に初めて詳細な手順を読み込むため、登録されたスキルの数が増えても起動時のトークン消費が劇的に抑えられる仕組みです。

数千のドキュメントを管理するエンタープライズ環境のシミュレーションでは、プロンプトキャッシュとの相乗効果により、従来の全読み込み方式と比較してコストを10分の1以下に削減できる事例も報告されています。

無駄な情報の読み込みを避けることは、AIの推論精度を落とさないためのノイズ削減としても極めて有効なアプローチとなります。

特に、頻繁に参照されるスキルは自動的にキャッシュ対象となるため、開発効率と経済性の両立が容易になります。

トークン消費の仕組みをより深く知るには、トークン制限の攻略記事が参考になります。

カスタムスキルの構築手順と引数（Arguments）の制御

独自の業務要件に合わせてスキルを構築する際は、引数（Arguments）を定義して「動的なパラメータ制御」を実装することが推奨されます。

YAMLフロントマターでargumentsフィールドを指定すれば、/deploy $env のように実行時に環境変数を渡せるようになり、単一のスキルで本番用やテスト用といった多様なシナリオに対応可能です。

例えば、特定ディレクトリのPDFを要約してPowerPoint化するカスタムスキルを作成する場合、以下のようなステップで実装を進めます。

ディレクトリパスを受け取る引数の定義
解析と変換を行うPythonスクリプトの配置
disable-model-invocation: true による意図しない自動実行の制限

勝手なファイルの書き換えを防ぐためのセキュリティ設定を施すことで、企業環境でも安心してAIに重い処理を任せられるようになります。

セキュアで柔軟な自律型ワークフローを構築するには、指示の厳格な管理と引数の活用をマスターすることが近道です。

さらに実践的な技術を学びたい方は、DMM 生成AI CAMPでプロンプトエンジニアリングの基礎から応用までを習得するのも一つの手段でしょう。

エンタープライズ導入時のセキュリティ・料金体系とJCT（消費税）への対応実務

当セクションでは、法人利用で不可欠となるセキュリティ要件、複雑な料金体系の損益分岐点、そして日本国内の会計処理に直結する消費税（JCT）対応について詳しく解説します。

自律型AIエージェントであるClaude Codeを組織へ導入する際、情報の機密保持とコストの投資対効果（ROI）を明確にすることは、経営層の承認を得るための重要なステップとなるからです。

機密情報を守る「Zero Data Retention (ZDR)」とHIPAA準拠
日本国内の請求：JCT（消費税）とインボイス制度への対応
ROIを最大化するプラン選択：Pro, Max, Enterpriseの使い分け

機密情報を守る「Zero Data Retention (ZDR)」とHIPAA準拠

法人環境におけるAI導入で最大の懸念点となるソースコードの学習利用を完全に防ぐには、Zero Data Retention (ZDR)の有効化が最も確実な手段です。

EnterpriseプランやAPI利用においてZDRを設定することで、送信されたプロンプトやコードは推論後に破棄され、モデルの再学習に利用されることは一切ありません。

さらに、医療情報を扱う組織向けには事業提携契約（BAA）の締結オプションも用意されており、厳格なHIPAA準拠が求められるライフサイエンス分野でも安全な運用が可能です（参考: Anthropic Trust Center）。

こうした堅牢なデータ保護は、SOC 2 Type IIやISO 27001といった国際的なセキュリティ認証によって裏付けられており、企業のガバナンス要件を高い水準で満たしています。

詳細なリスク管理手法については、Claude Codeセキュリティ完全ガイドを併せて参照し、社内の情報システム部門との調整に役立ててください。

日本国内の請求：JCT（消費税）とインボイス制度への対応

日本国内のユーザーがClaudeの有料サービスを利用する場合、2026年4月から一律10%の消費税（JCT）が適用される仕組みへと移行しています。

Anthropicは日本の国税庁に適格請求書発行事業者（登録番号：T7700150134388）として登録を完了しており、インボイス制度に基づいた仕入税額控除が可能です。

請求金額自体は米ドル（USD）ベースで算出されますが、請求書上には消費税相当額が日本円（JPY）で併記されるため、円貨での正確な会計処理をスムーズに行えます。

実際の経理業務では、以下の表に示す項目が請求書に含まれているかを確認し、税務コンプライアンスを遵守した運用を徹底してください。

項目	対応状況	備考
消費税率	10%	2026年4月以降の全課金対象
登録番号	T7700150134388	適格請求書として有効
表示通貨	USD / JPY	JCT部分のみ日本円での表記あり

（出所: Claude Help Center）

仕入税額控除を適用するためには、発行されたインボイスを適切に保管し、海外事業者への支払いとして区分経理を行う必要がある点に留意が必要です。

ROIを最大化するプラン選択：Pro, Max, Enterpriseの使い分け

開発チームの生産性を最大化しつつコストを最適化するには、プロンプトキャッシュを戦略的に活用したプラン設計が不可欠です。

プロンプトキャッシュ機能を利用すれば、巨大なコードベースやCLAUDE.mdの読み込みにかかる入力コストを最大で10分の1に削減できるため、頻繁なコマンド実行が伴う自律型開発では劇的な節約効果を発揮します。

一人あたりの平均的なAPIコストが月間150ドルから250ドル程度であることを踏まえると、ヘビーユーザーには月額200ドルの「Max 20x」プランを選択する方が、従量課金よりもROIが高くなる傾向にあります。

また、NECやNRIといった国内大手企業の事例に見られるように、50名を超える組織では一元的なユーザー管理や監査ログ機能が備わったEnterpriseプランへの移行が、運用リスク軽減の観点から推奨されます。

各プランの具体的な違いについては、Claude Code完全ガイド（最新料金体系）で詳細に比較検討が可能です。

組織全体のAIリテラシーを高め、適切なプロンプト設計を行うための基礎知識として、生成AI 最速仕事術などの専門書籍をチームで共有することも、長期的なコストパフォーマンス向上に寄与するでしょう。

まとめ：Claude Codeで切り拓く、AI自律開発の未来

Claude Codeの登場により、私たちの開発スタイルは「AIによる補助」から「AIによる自律的な遂行」へと、決定的なパラダイムシフトを迎えました。

本記事でご紹介した「CLAUDE.md」によるコンテキスト管理や、XMLタグを用いた構造化プロンプト、そして「SKILL.md」による業務のスキル化は、そのポテンシャルを120%引き出すための核となる技術です。

これらを駆使することで、AIは単なるコード補完ツールを超え、あなたの意図を深く理解し、プロジェクト全体を俯瞰して動く最強のパートナーへと進化します。

自律型エージェントの特性を理解し、適切なワークフローを設計することは、これからのエンジニアリングにおける必須スキルとなるでしょう。

技術的な準備はもちろん、セキュリティやライセンス体系といった組織導入のポイントを押さえた今、あとは実際の一歩を踏み出すだけです。

Claude Codeの高度な自律機能を最大限に活用し、プロジェクトの生産性を次のステージへ引き上げましょう。

まずは、セキュリティとガバナンスが強化された「Claude Pro」または「Enterprise」への登録をご検討ください。

また、プロンプトエンジニアリングの基礎から体系的に学びたい方や、組織的な導入を加速させたい方には、以下のリソースが非常に役立ちます。

生成AI 最速仕事術：プロンプトの型とAIツールの組み合わせを網羅し、Claude Codeを使いこなすための基礎を学べる決定版です。

DMM 生成AI CAMP：専属メンターのサポートを受けながら、実践的な生成AI活用術を確実に習得したい方に最適です。

当メディアでは他にも最新のAI活用術を多数発信していますので、ぜひ他の記事も参考にしながら、あなただけの最強の開発環境を構築してください。