Kiro CLIでAI-DLC v2の逆解析ドキュメントを活用し、CDKプロジェクトの改善サイクルを回してみた

• URL: https://dev.classmethod.jp/articles/ai-dlc-v2-reverse-engineering-improvement-cycle/
• 日付: 2026-06-08
• Tier: Tier 3
• 要旨: Kiro CLI（claude-opus-4.6 ベース）と AI-DLC v2 の逆解析ワークフローを使い、CDK プロジェクトの設計ドキュメントを自動生成してから 2 段階の改善（即興 Vibe 改善 → orchestrator による体系的改善）を実施した実録。

詳細

AI-DLC v2 逆解析の概要

• 既存コードベースから 10 本の設計ドキュメントを自動生成（technology-stack, code-structure, components, code-quality-assessment など）
• .kiro/skills/ に aidlc-reverse-engineering / aidlc-orchestrator をインストールして実行

1 回目: Vibe 改善（即興） code-quality-assessment.md を元に Kiro CLI に即興プロンプトで改善を指示。3 コミットで実施:

1. セキュリティ強化: WebSocket Origin 検証（CSWSH 対策）、HttpOnly Cookie、IAM スコープ縮小
2. セッション外部化 + Auto-scaling: in-memory Map → DynamoDB、ECS Auto-scaling 追加
3. 運用性改善: graceful shutdown（SIGTERM 10 秒ドレイン）、JSON 構造化ログ（connId 付き）、ECS circuit breaker（デプロイ失敗時ロールバック）、CloudFront アクセスログ

2 回目: orchestrator による体系的改善 再逆解析後に aidlc-orchestrator スキルで production-hardening を指示。orchestrator が構成したワークフロー:

1. Requirements Analysis: 改善項目の構造化・優先度付け（採用/見送りの意思決定を人間が実施）
2. Application Design: 400 行規模のモノリシック server.mjs を 5 モジュールに分割設計
3. Units Generation: 3 ユニットに分割、依存関係順で実装
4. Code Generation: 各ユニットの実装

モジュール分割設計（400 行 → 各 40〜100 行）

• server.mjs: エントリポイント・DI・graceful shutdown（~40 行）
• routes.mjs: HTTP ルーティング・dashboard HTML・/health（~80 行）
• ws-handler.mjs: WebSocket 中継・backpressure・heartbeat（~100 行）
• agentcore-client.mjs: SigV4 署名・AgentCore API 通信（~60 行）
• session-store.mjs: DynamoDB CRUD + healthCheck（~70 行）

Kiro CLI の特徴

• AI-DLC スキル群（逆解析・orchestrator）と組み合わせることで、要件分析→設計→ユニット分割→実装という構造的プロセスを自動化
• ベースモデルは claude-opus-4.6