論文の概要: Decoding the Configuration of AI Coding Agents: Insights from Claude Code Projects
- arxiv url: http://arxiv.org/abs/2511.09268v1
- Date: Thu, 13 Nov 2025 01:43:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-13 22:34:54.493576
- Title: Decoding the Configuration of AI Coding Agents: Insights from Claude Code Projects
- Title（参考訳）: AIコーディングエージェントの構成をデコードする: クロードコードプロジェクトからの洞察
- Authors: Helio Victor F. Santos, Vitor Costa, Joao Eduardo Montandon, Marco Tulio Valente,
- Abstract要約: エージェントコードアシスタントは、エンドツーエンドのソフトウェアエンジニアリングタスクを実行することができる新しい世代のAIシステムである。
それらの振る舞いと有効性は、アーキテクチャ上の制約、コーディングプラクティス、ツールの使用ポリシーを定義する構成ファイルに大きく依存します。
本稿では,最も広く使用されているエージェントプログラミングシステムであるClaude Codeの構成エコシステムについて,実証的研究を行う。
- 参考スコア（独自算出の注目度）: 0.1631115063641726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic code assistants are a new generation of AI systems capable of performing end-to-end software engineering tasks. While these systems promise unprecedented productivity gains, their behavior and effectiveness depend heavily on configuration files that define architectural constraints, coding practices, and tool usage policies. However, little is known about the structure and content of these configuration artifacts. This paper presents an empirical study of the configuration ecosystem of Claude Code, one of the most widely used agentic coding systems. We collected and analyzed 328 configuration files from public Claude Code projects to identify (i) the software engineering concerns and practices they specify and (ii) how these concerns co-occur within individual files. The results highlight the importance of defining a wide range of concerns and practices in agent configuration files, with particular emphasis on specifying the architecture the agent should follow.
- Abstract（参考訳）: エージェントコードアシスタントは、エンドツーエンドのソフトウェアエンジニアリングタスクを実行することができる新しい世代のAIシステムである。
これらのシステムは前例のない生産性向上を約束するが、その振る舞いと有効性は、アーキテクチャ上の制約、コーディングプラクティス、ツールの使用ポリシーを定義する構成ファイルに大きく依存する。
しかし、これらの構成アーティファクトの構造と内容についてはほとんど分かっていない。
本稿では,最も広く使用されているエージェントプログラミングシステムであるClaude Codeの構成エコシステムについて,実証的研究を行う。
公開Claude Codeプロジェクトから328のコンフィグレーションファイルを収集し解析し、特定しました。
i) ソフトウェア工学の関心事とそれらが規定するプラクティス
(ii)個々のファイル内でこれらの懸念がどのように共起しているか。
その結果は、エージェント設定ファイルにおける幅広い関心事とプラクティスを定義することの重要性を強調し、特に、エージェントが従うべきアーキテクチャを特定することに重点を置いている。
関連論文リスト
- Generating Software Architecture Description from Source Code using Reverse Engineering and Large Language Model [2.6126272668390373]
ソフトウェアアーキテクチャ記述(SAD)は、現代のソフトウェアシステムの本質的な複雑さを管理するために不可欠である。
SADは、しばしばシステムの実際の実装に不整合、時代遅れ、あるいは不整合である。
逆エンジニアリング(RE)技術とLarge Language Model(LLM)を統合し,ソースコードからSADを半自動生成する手法を提案する。
論文 参考訳（メタデータ） (2025-11-07T11:35:46Z) - Context Engineering for AI Agents in Open-Source Software [13.236926479239754]
GenAIベースのコーディングアシスタントは、ソフトウェア開発を混乱させた。
彼らの次の世代はエージェントベースで、より自律的で、潜在的には人間の監視なしで活動する。
ひとつの課題は、AIエージェントに対して、彼らが運用するソフトウェアプロジェクトに関する十分なコンテキストを提供することだ。
論文 参考訳（メタデータ） (2025-10-24T12:55:48Z) - On the Use of Agentic Coding Manifests: An Empirical Study of Claude Code [0.0]
エージェントコーディングツールは自然言語で書かれた目標を入力として受け取り、それらを特定のタスクに分解し、人間の介入を最小限に抑えて実際のコードを書き、実行します。
このプロセスの鍵となるのは、エージェントマニフェスト、エージェントに必須のプロジェクトコンテキスト、アイデンティティ、運用ルールを提供する構成ファイル(Claude.mdなど)である。
構造パターンと共通コンテンツを特定するため,242リポジトリから253 Claude.mdファイルを解析した。
論文 参考訳（メタデータ） (2025-09-18T08:46:41Z) - Context Engineering for Multi-Agent LLM Code Assistants Using Elicit, NotebookLM, ChatGPT, and Claude Code [0.0]
大規模言語モデル(LLM)は、コード生成とソフトウェアエンジニアリングタスクの自動化において有望であることを示しているが、コンテキスト制限と知識ギャップのため、複雑なマルチファイルプロジェクトに苦戦することが多い。
ユーザ要求を明確にするIntent Translator (GPT-5)、ドメイン知識を注入するElicitを利用したセマンティック文献検索、コンテキスト理解のためのNotebookLMベースの文書合成、コード生成と検証のためのClaude Codeマルチエージェントシステムなど、複数のAIコンポーネントを組み合わせた新しいコンテキストエンジニアリングワークフローを提案する。
論文 参考訳（メタデータ） (2025-08-09T14:45:53Z) - Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning [70.04746094652653]
機械学習論文を機能コードリポジトリに変換するフレームワークであるPaperCoderを紹介した。
PaperCoderは3つの段階で動作する。計画、図によるシステムアーキテクチャの設計、ファイル依存の特定、構成ファイルの生成である。
次に、モデルベースおよび人的評価の両方に基づいて、機械学習論文からコード実装を生成するPaperCoderを評価する。
論文 参考訳（メタデータ） (2025-04-24T01:57:01Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳（メタデータ） (2023-08-09T21:54:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。