UML クラス図に 💩 を付けたかっただけだった —— AI 協調型リファクタリングエディタ「Kata」を作った

リファクタリング（コードを動く状態で内部設計を改善すること）と、その指南役である Martin Fowler のカタログは、日本の開発現場でも知られている。しかし「全部のテクニックを使いこなしている」というエンジニアは少ない。理由は単純：コードスメル（悪い設計の兆し）を見つけること自体が難しく、見つけても「どのリファクタリング手法を選ぶか」「正しく実装できるか」には経験が要る。Kata というツールは、ここの負担を大幅に下げる。.sln ファイル（C# ソリューション）を開くと、クラス図がレンダリングされる。その上に、24 種類のコードスメルを自動検出して💩バッジで表示する。スメルをクリックすると、Claude Code や Codex に「このスメルをどう直す？」と投げて、戻ってきた diff（変更内容）をプレビューして適用できる。API キーは不要。既存のサブスクリプション枠で動く。

AIの鬼として注目するのは「人間と AI の責務分離」だ。スメルの「見つけ」は静的解析で、「直し」を AI に投げて、「判断」は人間が下す。カタログを暗記していない開発者でもリファクタリング機会を失わなくなる。さらに興味深いのは、API キーの問題を「ヘッドレス実行」で回避していること。Claude Code / Codex の CLI には `-p` フラグで 1 回だけ実行する機能があり、ユーザーが既に払っているサブスクリプション枠で動く。Kata が API キーを保管する必要がなく、開発ツールとして配布する摩擦がほぼゼロになった。これは単なる技術的な賢さではなく、「インディーツール が SaaS 依存せずに AI を組める時代」を示している。

中小企業の開発チームは、職人技や経験則に頼りがちだ。Kata のような「スメル見える化＋AI 実行＋人間判断」という 3 段階モデルなら、経験の浅い担当者でも品質を守れる。ツールと AI を同時に導入することで、人材育成の時間を縮めながら、基準を保つことができる。