Claude Code にテストを書かせると「テストは全部通りました」と返ってくるのに、動かすと壊れている。そもそも、そのテストで何を確かめたのかが分からない。この記事を読むと、テスト項目の一覧を、実装の前に作った担当とは別のAIに見せ、差し戻してよい理由を5つ(実施できない・判定できない・決めと矛盾・本物のデータの混入・重複)に絞って点検させられるようになります。もとにしたのは、運営者が自分用に作っているツールの開発記録(2026-11-10 19:11 に1件目の開発を閉じた時点のもの。人間による実機での確認はまだ)のうち、プログラムを書き始める前の 2026-11-10 00:01〜00:27 の区間、テスト項目の設計→別のAIのレビュー→直しです。
先に、記録の担当をはっきりさせておきます。この区間でテスト項目を設計したのは Antigravity、それをレビューして差し戻したのは Codex(Codex CLI)です。Claude Code はこの区間に関わっていません(製品名は 2026-11-10 に運営者に確認)。また、レビューしたのはテストのプログラムではなく、実装の前に書いた「確かめる項目と観点の一覧」です。この記事は、Claude Code にテストを書かせている人に向けて、「書かせる前に、その項目を別のAIに見せる」手順として書いています。
テストのプログラムの書き方、テスト自動化の道具の選び方は扱いません。開発全体で誰が何を担当したかは、先に公開した記事にまとめています。
テスト項目を差し戻してよい5つの基準
先に言葉をそろえる
- テスト項目:何を・どう操作して・何が見えたら合格か、を1行ずつ書いた一覧です。テスト仕様とも呼びます。プログラムではなく、文章です。
- 受入基準:「これができたら完成とみなす」という条件を、要件ごとに書いたものです。テスト項目は、受入基準を確かめるためにあります。
- 単体試験:部品1つずつを、プログラムで自動的に確かめる試験です。アプリ全体は起こしません。
- システムテスト:アプリを実際に動かし、画面を操作して、項目ごとに確かめる試験です。
- 実施役:システムテストを実際に行う担当です。記録では、これもAIでした。
- 正本:その開発で「決め」として扱う文書です。要件・受入基準・機能の設計・制約の文書などを指します。
5つの基準
記録のレビュー依頼は、見出しで「差し戻してよいのは次の5つだけ」と決めていました。中身を言い換えると、こうなります。
| # | 基準 | 差し戻す場面 | 記録で出た数 |
|---|---|---|---|
| 1 | 実施できない | 書かれたとおりにやれない。画面・入力欄・道具・データが無い、または実施役の道具の制約の中で操作できない | 1件 |
| 2 | 判定できない | 合格の目安を読んでも、合否が決まらない | 2件 |
| 3 | 決めと矛盾 | 受入基準・要件・機能の設計・制約などの正本と食い違う | 1件 |
| 4 | 本物のデータの混入 | 実際の配信や利用者の名前などを、試験の前提や記録に使っている | 0件 |
| 5 | 重複 | 1つの受入基準に項目が2つ以上ある/同じ分岐を、単体試験とシステムテストの両方で二重に確かめている | 0件 |
5番には補足がありました。逆に、1つの項目では確かめきれない受入基準があるなら、それは重複ではなく2番(判定できない)で指摘する、という向きです。また、単体試験とシステムテストが同じ所を見ているように見えても、「単体試験は判定の仕組み、システムテストは画面に出るまでの道すじ」と分かれているなら重複ではない、という見分け方も依頼に書かれていました。
5つ以外では差し戻させない
基準と一緒に、次の3つの決まりが置かれていました。
- 5つ以外の理由で差し戻さない。言い回し・好み・より良い書き方は「所見」として分けて書く
- 指摘は1回で全部出す。小出しにしない(直しの後にレビューをやり直さない前提で書く)
- 項目や観点を増やせ、という指摘をしない
1と2は、コードレビューを頼むときと同じ考え方です。理由は前に別の記事で書いたので、ここでは繰り返しません(Claude Codeにコードレビューを頼むときの指示書)。3について、記録の依頼は「件数や網羅の広さを成果にしない」と添えていました。
実装の前に見せるための一文
実装の前にテスト項目をレビューさせると、項目に出てくる画面の要素やファイルは、まだ1つもありません。記録のレビュー依頼には、これを理由に全部が差し戻されないよう、次の趣旨の一文がありました。
- まだ無いファイル・画面の要素には「(新)」の印を付けてある
- 現物が無いことを理由に差し戻さない
- 突き合わせる相手は、作り方の案と制約の文書である
1番(実施できない)の基準にも、「(新)」の印があって作る予定がどこかの文書に書かれているものは除く、と添えてありました。この一文が無い場合にどうなるかは試していませんが、実装の前のレビューでは、まだ無いものを指摘から外す決めが要ると考えています。
別のAIに渡すレビュー依頼の型(写して使う)
記録で使われたレビュー依頼(進行役のAIが書いた指示書)を、ほかの開発でも使える形に置き換えました。製品名・ファイル名・項目の番号は外しています。記録の依頼は「とくに確かめてほしいところ」を8つ挙げていました。そのうち後半の4つは、この開発の特定の項目や手順を名指しして確かめさせる中身だったので省き、ほかの開発にも置き換えやすい前半の4つを残しました。
# 指示書:テスト項目の一覧のレビュー(実装の前)
判定は「合格」か「差し戻し」のどちらかだけ。
## 1. 何を見るか
- レビューの対象:テスト項目の一覧(試験の前に用意することの表があれば、それも)
- 突き合わせる相手:要件と受入基準、機能の設計、作り方の案、制約の文書
- まだプログラムは無い。まだ無いファイル・画面の要素には「(新)」の印を付けてある。
現物が無いことを理由に差し戻さない。
作る予定が上の文書のどこかに書かれているかを見る。
## 2. 差し戻してよいのは次の5つだけ
1. 実施できない:書かれたとおりにやれない(画面・欄・道具・データが無い、
実施役の道具の制約の中で操作できない)。
「(新)」の印があり、作る予定が文書にあるものは除く
2. 判定できない:合格の目安から合否が決まらない
3. 決めと矛盾:受入基準・要件・機能の設計・制約と食い違う
4. 本物のデータの混入:実際の利用者の名前や投稿などを、
試験の前提や記録に使っている
5. 重複:1つの受入基準に2つ以上の項目がある/
同じ分岐を単体試験とシステムテストで二重に確かめている。
逆に、1つの項目で確かめきれない受入基準は 2 で指摘する
これ以外で差し戻さない(言い回し・好み・より良い書き方は「所見」に分けて書く)。
指摘は1回で全部出す。直しの後の再レビューは無い前提で書く。
項目や観点を増やせ、という指摘はしない。
## 3. とくに確かめてほしいところ
1. 項目と受入基準の対応の中身:番号が揃っていることは数えてある。
見るのは、その項目で本当にその受入基準を確かめられるか
2. 振り分け:単体試験に置いた項目が、アプリを起こさずに確かめられる形か。
システムテストの項目が、単体試験と同じ分岐を二重に確かめていないか
(単体は判定の仕組み、システムテストは画面に出るまでの道すじ、
と分かれていれば重複ではない)
3. 道具の制約の中でやれるか:実施役の道具は画面の文字しか読めない。
操作がボタンの押下と入力だけで済み、確かめる値が画面の文字で読めるか
4. 試験用の画面に要る操作と表示:項目が前提にする操作と表示が、
作る予定に入っているか。どこにも無いものは、
項目・要素・どこに足すべきかを、実装の指示書に渡せる形で一覧にする
## 4. やらないこと
テストを実施しない(アプリや試験を動かさない)。
成果物(テスト項目の一覧)を自分で直さない。
## 5. 完了条件(全部満たす)
1. §3 の各観点に、見た結果(問題なし/差し戻し/所見)がある
2. 差し戻しのそれぞれに、§2 の基準の番号・対象の項目・何をどう直すべきかがある
3. §3-4 の一覧(作る予定の無い画面の要素。無ければ「無い」)がある
写すときに書き換える所
- §1 の突き合わせる相手:あなたの開発にある文書の名前に置き換えます。要件と受入基準が書かれていないなら、レビューの前にそれを作るほうが先です。突き合わせる相手が無いと、3番(決めと矛盾)が使えません。
- §3-3 の道具の制約:記録では、実施役のブラウザが画面の文字しか読めない設定でした。あなたの実施役(人でもAIでも)が何を読めて何を読めないかを書きます。記録の1件目(判定できない)は、レビューの結果ではこの観点の欄に挙がっています。
- §4 の「自分で直さない」:そのまま使えます。記録でも、レビューは自分では直さず、差し戻しの理由と直すべきことを書き、直しは設計した側が別の回で行いました。
ここからは記録ではなく、私たちの案です。Claude Code にテストを書かせている場合に当てはめると、順番は次のようになります。記録の流れ(設計→別のAIのレビュー→項目を増やさずに直す→実装)を置き換えたもので、この順番を私たちが Claude Code で試した記録はありません。
- テストのプログラムを書かせる前に、受入基準ごとのテスト項目の一覧を文章で出させる。まだ無いファイルや画面の要素には「(新)」の印を付けさせる
- その一覧を、テスト項目を書かせたAIとは別のAIに、上の依頼の型と一緒に渡す
- 差し戻しが出たら、項目を増やさずに直させる。レビューが「作る予定の無い画面の要素」の一覧を出したら、実装の指示に足す
- 直った一覧をもとに、テストのプログラムと実装に進む
根拠にした記録:実装の前に出た差し戻し4件と直し方
ここからは、上の型のもとになった記録です。
担当と流れ
- テスト項目の設計と直し:Antigravity(記録上の担当名は、システムテストの設計担当)
- テスト項目のレビュー:Codex。動かしている製品は Codex CLI です(2026-11-10 に運営者に確認)
- 指示書を書いて結果を受け、次を決める役:進行役のAI。どの製品かは、この記事では確かめていません
- Claude Code:この区間には出てきません
| 時刻(2026-11-10) | できごと |
|---|---|
| 00:01 | テスト項目の設計を起動 |
| 00:11 | 設計が完了。29項目(単体試験12・システムテスト15・人間による実機での確認2)。レビューを起動 |
| 00:19 | レビューが差し戻し(4件)。進行役は「どれも妥当。項目は増やさず直す。直しの後の再レビューは起こさず、検査で確かめる」として直しを起動 |
| 00:27 | 進行役が検査を流し直して、直しを確認。次の工程(保存の形式の設計)へ |
| 00:36 | 実装の最初の回を起動 |
レビューの時点で、プログラムとテストの置き場所はまだ空でした。レビューの回は、起動から次の工程の起動まで約8分です。所要時間の内訳や費用の記録はありません。
29項目は、受入基準のうち対象外の1件を除く29件に、1項目ずつ割り当てた形でした。
差し戻し4件を、基準と対にする
4件は3つの基準に当たりました。対象は2つの項目と、システムテストの前の準備の表です(1つの項目に2件が出ています)。
| # | 基準 | 何が問題だったか | 直し方 |
|---|---|---|---|
| 1 | 2 判定できない | 絵文字の画像が「絵で見える」ことを合格条件にしていた。実施役は画面の文字しか読めないので、画像が読み込めたのか、代わりの文字に落ちたのかを区別できない | 項目は増やさず、試験用の画面に「画像表示済み」「代替文字表示済み」という文字の表示を置き、それで判定する形にした |
| 2 | 3 決めと矛盾 | 「保存したもの(利用者の一覧・ログ・診断)に個人の情報が無い」を合格条件にしていた。決めでは、利用者の一覧(利用者ごとの情報を残す保存先)に一部の情報を保存することになっていたので、正しく作ると不合格になる | 保存先ごとに条件を分けた。利用者の一覧は、保存してよいと決めた情報を否定せず、保存してはいけないものが無いことだけを見る。ログと診断は、利用者の情報が無いことを見る |
| 3 | 2 判定できない | 合格の目安にある「保存してはいけない値が無い」を、どこで読むかが書かれていなかった。中身をそのまま画面に出すのは制約に反する | 値そのものは出さず、件数だけを出す表示(検出件数 0)を置き、どの表示がすべて 0 なら合格かを書いた |
| 4 | 1 実施できない | 実施役の開発機には、ブラウザを操作する道具がまだ登録されていなかった。それなのに準備の表は「既にある登録に許可を足す」とだけ書いていた。無い登録は変えられないので、システムテスト15項目を始められない | まず登録の有無を確かめ、無ければ試験の間だけ新しく登録して、終わったら外す手順にした |
出なかったもの
- 4番(本物のデータの混入)と5番(重複)に当たる差し戻しは 0件でした
- 所見(好みの指摘)も 0件でした。レビューの結果には「差し戻し基準に当たらない好みの指摘は無い」とあります
- 単体試験とシステムテストで同じ所を見ているように見えた3組は、「判定の仕組み」と「画面に出るまで」に分かれているとして、重複ではないと判定されています
直しの後も、29項目と内訳(単体試験12・システムテスト15・人間による確認2)は変わっていません。直しの後にレビューをやり直さず、進行役が検査を流して確かめました。その検査の中身と、検査が全部 0件だったのにレビューで4件出た話は、指示書の書き方の記事に書いています(Claude Code・Codexへのプロンプトに確かめ方を書く:指示書と報告書の枠)。
レビューの指摘が、実装への注文に変わった
1件目と3件目の直しは、どちらも「試験用の画面に、文字の表示を新しく置く」ものでした。この2件では、テスト項目を判定できる形にするために、実装の側に新しい表示が要りました。
レビューは、依頼の §3-4 にあたる観点で、作る予定の無い画面の要素を2つの群として一覧にし、どこに足すべきかを「実装の指示書に渡す形」で書いていました。直しを担当した側も、報告書でこの2つを実装の指示書へ渡すよう進行役に頼んでいます。
その後、実装の3つめの塊を終えた 01:16 の確かめで、進行役は試験用の画面に「画像表示済み」「代替文字表示済み」が出ること、診断の欄に保存してはいけないものの検出件数がどれも 0 と出ること(値そのものは出ない)を見ています。
うまくいかなかった所・確かめきれなかったもの
5つの基準で見ても、見えなかったものがある
このレビューを通った項目でも、後のシステムテストで2項目が「判定できない」になりました。レビューは「ほかの項目は判定できる」としていたので、5つの基準で見ても見えなかったことになります。また、1件目の画像の項目は試験用の画面の文字で判定できる形に直しましたが、後のシステムテストでは「アプリの窓で画像が壊れる」として不合格になりました。試験用の画面の文字と、実際の窓での見え方は別のものでした。原因と直し方は、この記事では扱いません。
この型をどこまで当てにできるか
- 1件の開発・テスト項目のレビュー1回・差し戻し4件の記録です。ほかの開発で同じ基準が効くかは確かめていません
- Claude Code にテスト項目を書かせて、この型でレビューさせた記録はありません。上の「Claude Code に当てはめる順番」は、記録の流れを置き換えた案です
- 直しの後に、同じ基準でもう一度レビューをかけてはいません。直しを確かめたのは進行役の検査です
- この開発は完了として閉じましたが、人間による実機での確認は、閉じた時点でまだ済んでいません
確かめた日と環境
上の依頼の型は、2026-11-10 の記録のレビュー依頼を、ほかでも使える形に置き換えたものです。記録のレビューが行われたのも 2026-11-10 です。置き換えた型そのものを、私たちが動かして確かめてはいません。道具の版・料金・設定は確認していないので書いていません。

コメント