コードを書く時間は楽しいものですが、他人が書いた複雑なコードの解読や、膨大な仕様書との整合性チェックに疲れ果てていませんか。VSCodeだけで開発を進めるよりも、GoogleのNotebookLMを「プロジェクト専用の知識ベース」として併用することで、開発スピードは劇的に上がります。
NotebookLMは、あなたがVSCodeで扱っているソースコードやドキュメントを深く読み込み、プロジェクト独自のルールに則った的確なアドバイスを返してくれます。この記事では、2つのツールをシームレスに繋ぎ、開発の「考える時間」を最小化するための具体的な手順とプロンプトを紹介します。
NotebookLMを開発の知識ベースにするメリット
VSCodeの拡張機能にあるAIチャットは便利ですが、ファイルが数百個に及ぶ大規模なプロジェクト全体を一度に把握させるのは困難です。NotebookLMは、プロジェクト独自の設計思想や過去の修正履歴を「背景知識」として記憶できるため、一般的なAIよりもはるかに精度の高い回答を引き出せます。自分のプロジェクト専用にチューニングされた、頼れるシニアエンジニアを横に置く感覚で開発を進められます。
巨大なコードベースを丸ごと把握させる
NotebookLMは1つのノートにつき最大50個のソースを読み込めます。VSCode上の主要なロジックが書かれたファイルを一括でアップロードしておけば、AIが関数やクラスの繋がりを理解し、修正による影響範囲を正確に教えてくれます。
1ファイルあたり50万語まで対応しているため、数万行のソースコードも問題ありません。バラバラのファイルに書かれたコードを一つの文脈で繋ぎ合わせ、システム全体の構造を可視化できます。
仕様書とコードの矛盾を一瞬で見つける
PDF形式の仕様書と、VSCodeで書いた最新のソースコードをNotebookLMに並べて読み込ませます。すると、実装が仕様から外れている箇所や、定義が漏れているパラメータをAIがリストアップしてくれます。
人間が目視で行うと数時間かかる整合性チェックが、数秒で完了します。「仕様書ではAとなっているが、実装はBになっている」という具体的な指摘を、ソースコードの引用付きで得られるのが強みです。
独自の技術選定や命名規則を学習させる
プロジェクト独自のコーディング規約や、過去のバグ修正の記録をソースとして登録しておきます。これにより、AIは世間一般の回答ではなく、あなたのチームにとっての「正解」を基準に回答するようになります。
チーム特有の変なクセや古いライブラリの使い方も、AIが背景を理解した上でアドバイスをくれます。技術的な議論の壁打ち相手として使うことで、設計ミスを未然に防ぐことが可能です。
VSCodeからNotebookLMへコードを移す手順
NotebookLMにコードを読み込ませるには、VSCode側のファイルを整理して渡す必要があります。ファイル一つひとつを手動でコピーするのではなく、効率的にまとめて流し込むのがスムーズな連携のコツです。AIが解析しやすい「下ごしらえ」を行うことで、回答の精度が格段に向上します。
必要なソースファイルを抽出する
すべてのファイルを送る必要はありません。ロジックの核となるファイルや、依存関係の多いヘッダーファイルなどを優先的に選びます。
- エクスプローラーから重要なファイルを複数選択する。
- 別の作業用フォルダに一時的にコピーして整理する。
VSCodeの検索機能を使い、拡張子ごとにファイルを絞り込むとスムーズです。AIに読み込ませる情報を「純度の高いコード」に絞ることで、ノイズの少ない回答が得られます。
コードをMarkdown形式でまとめる
複数のコードファイルを1つのテキストファイルに結合します。このとき、AIがファイルの区切りを認識できるよう、ファイル名の見出しを付けるのがポイントです。
# File: src/index.js
(コードの中身)
# File: src/utils/helper.js
(コードの中身)
VSCodeの拡張機能やシェルスクリプトを使えば、この作業を自動化できます。複数のファイルを一つのソースとして認識させることで、ファイル間の呼び出し関係をAIが把握しやすくなります。
NotebookLMにソースをアップロードする
まとめたテキストファイルをNotebookLMの「ソースを追加」からアップロードします。AIがスキャンを終えれば、解析の準備は完了です。
アップロードされたソースには、AIが自動で概要を付ける「ソースガイド」が作成されます。この概要を確認して、AIが正しくコードの役割を理解しているかチェックしましょう。
コードの意図を解読するためのプロンプト
初めて触るライブラリや、数年前に書かれたレガシーコードの解読は苦行です。NotebookLMに読み込ませたコードに対して、以下のプロンプトを投げることで、ロジックの核心を短時間で掴めます。VSCodeでコードを一行ずつ追う前に、全体像をAIに解説させましょう。
全体の処理フローを図解させる
「このプログラムのデータ処理の流れをステップごとに説明して」と指示します。複雑な非同期処理やコールバックの連鎖も、AIが論理的な順序で整理してくれます。
### プロンプト：処理フローの可視化
このソースコードにおける「ユーザー認証からダッシュボード表示まで」の
処理の流れを、関数呼び出しの順序に沿って箇条書きで説明してください。
全体の地図を手に入れてからコードを読むことで、迷子になる時間を大幅に減らせます。
特定の変数の影響範囲を特定する
ある変数を書き換えたときに、どこでエラーが出るかを予測させます。「変数『userStatus』がどこで変更され、どの関数に渡されているか整理して」と命じます。
手作業での「定義へ移動」や「全検索」をAIが代行するイメージです。ファイル跨ぎのデータの流れを可視化することで、リファクタリングの計画が立てやすくなります。
音声でコードの構造を解説してもらう
「音声オーバービュー」を生成し、2人のホストにコードの解説をさせます。耳から情報を入れることで、視覚的な先入観なしにシステムの設計思想を理解できます。
- 複雑なデザインパターンの意図を聞く。
- コードの「悪い匂い（改善点）」を対話形式で指摘してもらう。
散歩中や休憩中にプロジェクトの概要を復習する使い方も効果的です。
バグ修正とトラブルシューティングを加速させる方法
VSCodeで実行エラーが出た際、そのログをそのままNotebookLMに貼り付けるのが解決への近道です。読み込ませたソースコードと照らし合わせ、AIが具体的な修正箇所をピンポイントで指摘してくれます。ネットで検索しても出てこない「あなたのコード特有のバグ」に強いのが特徴です。
エラーメッセージとソースを照合する
「VSCodeでこのエラーが出たけれど、原因はどこ？」と尋ねます。スタックトレースを読み込ませれば、AIがソースコードの行番号と照らし合わせて解説してくれます。
### プロンプト：バグ診断
VSCodeのコンソールで以下のエラーが出力されました。
[エラー内容を貼り付け]
このエラーが発生している原因を、読み込んだソースコードの中から特定し、
修正後のコード案を提示してください。
原因の切り分けにかかる時間を数分の一に短縮できます。
過去の対応記録から解決策を探す
プロジェクトのWikiや過去の不具合対応記録をソースに入れておきます。これにより、「以前似たようなバグが起きたときはどう直した？」という質問にAIが答えてくれます。
同じミスを繰り返すのを防げます。チームの資産である過去のトラブル事例を、いつでも引き出せる生きた知識に変えることができます。
エッジケースでの挙動を予測させる
「入力値が空だったり、予想外の型が渡されたりした場合に、このコードは壊れる？」と質問します。人間が見落としがちな境界値のテストケースをAIが提案してくれます。
| チェック項目 | AIへの指示内容 |
| 異常系入力 | ヌル値や空文字が渡された際の挙動を確認させる |
| 負荷・リソース | ループ回数が多い場合のメモリ消費を予測させる |
| セキュリティ | SQLインジェクションなどの脆弱性がないか評価させる |
テストコードを書く前の「思考の漏れ」を埋める作業に最適です。
リファクタリングを効率化する具体的な指示
コードが動くようになったら、次は保守性を高める段階です。NotebookLMを使えば、既存のロジックを壊さずにコードを綺麗にするための、テクニカルな提案が次々と得られます。VSCodeのエディタ機能だけでは気づけない、広域的な改善案を引き出しましょう。
重複したロジックを共通化する
「複数のファイルに散らばっている似たような処理を、一つの共通関数にまとめる案を出して」と依頼します。AIはファイル間の類似性を瞬時に見抜き、共通化すべきパーツを提示します。
コードの総行数を減らし、修正が必要な箇所を一箇所にまとめられます。
モダンな書き方への変換案を出す
「この古い記法を、最新のライブラリ仕様に基づいた書き方に直して」と命じます。
### プロンプト：モダン化
読み込んだソースコードのうち、古いJavaScript（ES5以前）の記法で
書かれている箇所を特定し、ES2022以降のモダンな書き方にリファクタリングしてください。
可読性とパフォーマンスの両面で改善案を出してください。
Deep Research機能を使えば、最新のドキュメントに沿った正確な変換が可能です。
命名の違和感を指摘させる
「プロジェクト全体の命名規則と比較して、不自然な変数名はある？」と確認させます。
- キャメルケースとスネークケースが混在していないか。
- 関数の名前とその実態が乖離していないか。
一貫性のあるコードベースを維持することで、将来のメンテナンスコストを下げられます。
開発をさらに速くする自動生成プロンプト
NotebookLMは、整理された知識を元に新しいコードやドキュメントを生成する能力も優れています。VSCodeに戻ってすぐに使える「使える成果物」をAIに作らせましょう。ゼロから書く手間を省き、エンジニアはレビューと微調整に専念できます。
ユニットテストコードの生成
「読み込んだ関数に対して、テストコードを書いて」と指示します。
### プロンプト：テスト生成
File: utils.js 内の getPriceWithTax 関数に対する
Jestを用いたユニットテストコードを作成してください。
正常系、異常系、および境界値のテストを含めてください。
関数の仕様を深く理解した上での提案なので、精度の高いテストが書けます。
READMEとドキュメントの自動作成
「このプロジェクトを初めて触る人向けのセットアップ手順をまとめて」と命じます。
- ソースコードから必要な依存ライブラリを特定する。
- エントリーポイントを見つけ出し、実行方法を解説する。
面倒な文書作成をAIに任せ、自分は実装に集中できるようになります。
APIリファレンスの構築
「コード内のコメントを抽出し、Markdown形式のリファレンスにして」と依頼します。
| 項目 | 出力させる内容 |
| エンドポイント | URL、メソッド（GET/POSTなど） |
| パラメータ | 引数の型、必須チェック、説明 |
| レスポンス | 返り値の型、成功・失敗時のサンプル |
VSCode上のコードと常に同期した、正確なドキュメントを維持できます。
まとめ：NotebookLMとVSCodeで開発のリズムを作る
VSCodeは「書く」ための道具、NotebookLMは「理解し、整理する」ための道具です。この2つを組み合わせることで、エンジニアの認知負荷は大幅に下がり、開発の質とスピードを両立できるようになります。膨大なコードに圧倒される時間は終わり、よりクリエイティブな設計に時間を使えるようになります。
- VSCodeのソースコードをMarkdownでまとめ、背景知識としてNotebookLMに教える
- プロンプトを駆使して、複雑なロジックの解読やバグ修正をAIに支援させる
- テストコードやドキュメントをNotebookLMで生成し、VSCodeに即座に反映する
まずは、今あなたがVSCodeで格闘しているプロジェクトの主要なファイルを数枚、NotebookLMにアップロードしてみてください。「このコードの全体像を教えて」と一言聞くだけで、開発の進め方が劇的に変わるはずです。
