SRE Kaigi 2025で発表した資料です
あなたの興味は信頼性？それとも生産性？ SREとしてのキャリアに悩むみなさまに伝えたい選択肢
SRE Kaigi 2025で発表した資料です
LangGraphで AIエージェントをまなんでいく - その1 はじめてのグラフ- | DevelopersIO
AIエージェントはユーザーとのやり取りを通じて特定の目標を達成することに焦点を当てています。 人間のように自律的に仕事をやってくれるAIのプログラムの総称のようなものですかね。 生成AIとの違いは、生成AIは主にコンテンツ生成に特化し、与えられた入力に対して新たなデータやコンテンツを作成することに特化していますね。生成されたコンテンツの修正をする場合、人間が都度やりとりして最終的なコンテンツを作っていくことになります。 AIエージェントは生成AIなどのAI技術を組み合わせて自律的に作業を実行してもらうシステムと言えるのではないでしょうか。 プログラムの作成からテスト、バグ修正を自動的に行う、顧客のリストから過去のやり取りを参照しつつメールを作成して送信する といったことが1回の入力で済んでしまうといったことが可能になりつつあります。 LangGraphについて LangGraph Lang
SRE Kaigi 2025 スライドまとめ
SRE Kaigi2025のスライドをまとめます。 Hall Re:Define 可用性を支えるモニタリング、パフォーマンス最適化、そしてセキュリティ 可用性とコストのリバランス：テレビ砲の過負荷へ対応した話と増強したリソースを適正化した話 サービスローンチを成功させろ！〜SREが教える30日間の攻略ガイド〜 ブロックチェーンR&D企業におけるSREの実態 信頼性を支えるテレメトリーパイプラインの構築 横断SREの立ち上げと、AWSセキュリティへの取り組みの軌跡 ガバメントクラウドに向けた開発と変化するSRE組織のあり方 2週に1度のビッグバンリリースをデイリーリリース化するまでの苦悩 ~急成長するスタートアップのリアルな裏側~ SREとしてスタッフエンジニアを目指す SplunkとObservabilityを活用したSREの未来：データドリブンなシステム運用 Room A Site Re
Clineを利用した開発が超快適なので、使っている.clinerulesを解説します
こんにちは、株式会社Berryの浅沼です。 この記事を書いている数週間前くらいから話題のClineを会社で導入し、開発に利用しています。最初はコードの自動生成から試していたのですが、.clinerulesを使ってプロジェクトごとのカスタム設定ができることを知り、どんどん活用の幅を広げていきました。 特に大きかったのが、プロジェクト内のコード構造・コーディングルールの設定に加えて、コミットメッセージやプルリクエストのタイトル・サマリーを生成するルールを追加したことです。これによって、「コードを書く→コミットメッセージを考える→プルリクを書く」という一連の作業がスムーズになり、全体の開発効率が格段に上がりました。 この記事では、実際の.clinerulesの内容も含めて、どのようにルールを作り、育て、活用しているのかを紹介します。特に、コードの自動生成以外の使い方にも触れますので、すでにCli
DIすると何がいいんだっけ
はじめに こんにちは、majimaccho です。 読者の皆さんは最近、DI（Dependency Injection：依存の注入）してますでしょうか。 DI は素晴らしい仕組みである一方で全く DI しない Ruby on Rails のようなフレームワークが支配的な時代もありました。 それでも DI は今でも有用な考え方として残っている中で、DI にどう向き合っていけばいいのでしょうか。自分なりに考えをまとめるために調べてみたので、同じような疑問を持っている方に参考になれば幸いです。 TL;DR 単純にコード量が増加することに加え、DI の仕組み自体が複雑さを内包しているので開発生産性が低くなることがあります。そのため、DI は言語によっては局所的かつ限定的に利用する方が良い場合があります。 いくつかの工夫によって DI が持つメリットを享受しつつ、不要な複雑さを排除して、シンプルかつ
DeepSeek-R1の論文読んだ？【勉強になるよ】
本記事は、DeepSeek-R1の論文とDeepSeekMathの論文を読んだ私の理解をもとに記載しています。 本論文で使われている技術に関しては、ある程度の知識を持っているので、大きくは外していないとは思いますが、私の主観も入っている部分もありますので、ご了承ください。 また、DeepSeek-R1の論文が公開される前に、小型モデルに対して同様の実験（強化学習）をしていたグループがあるようです。 そちらのレポートは下記になります。 意図せず、DeepSeek-R1-Zeroの再現実験のようなレポートになっていますが、レポートの著者はDeepSeek-R1論文の公開前から実験していると主張しています。 こちらも非常に興味深かったため紹介です。 本論文の興味深いところ 本論文は、大きく分けて3つの構成でできています 強化学習による思考能力の強化 LLM（DeepSeek-V3-Base）に対
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AWSにおける横断的なログ分析と コストの管理
無理せずに みんなで作ろう 発信文化
横断SREの立ち上げと、AWSセキュリティへの取り組みの軌跡
プロダクト開発、インフラ、コーポレート、そしてAIとの共通言語としての Terraform / Terraform as a Common Language for Product Development, Infrastructure, Corporate Engineering, and AI