You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
はじめに Heroku社が提唱した「12-Factor App」は、クラウドネイティブなアプリケーション開発のベストプラクティスをまとめたものです。これをAIエージェント開発に応用して、dexhorthy氏がまとめたものが「12 Factor Agents」です。 この12 Factor Agentsを読んでみて、かなり学びがあったので、この記事では12 Factorの概要を簡単にまとめておきます。 なお、自分用にまとめて補足や所感を追加しているので、詳細はぜひ原文を参照してください。また、この記事は50%を人が書いて、50%をAIが補完しています。 12 Factor Agents の背景 「AIエージェントを作ろう!」 そう思って意気揚々とLangChainやCrewAIなどのフレームワークを使い始めた開発者は多いのではないでしょうか。 最初は順調に進みます。デモは動くし、簡単なタスク
今回作成したコード Mastra + Ollama + MCP構成のサンプルコード(手っ取り早くローカルAIエージェントを使いたい人用) Streamable HTTP transportなMCPサーバー(デプロイ済なのでCloneは不要) Mastraの導入 mastraリポジトリのREADME.mdおよび、ニケちゃんさんの記事に従ってMastraを導入する。 というわけで、まずはMastraを導入する。Mastraの導入自体は簡単で下記のコマンドを一つ打つだけで良い。 $ npx create-mastra@latest Need to install the following packages: create-mastra@0.10.5 Ok to proceed? (y) y ┌ Mastra Create │ ◇ What do you want to name your pr
非エンジニアの私でも実践できた! ObsidianとGemini CLIで、あなたのノート術は劇的に変わる 「第二の脳」として無限の可能性を秘めたツール、Obsidian。 しかし、そのあまりの自由さゆえに、私たちはいつしか「思考する」ことよりも「整理する」ことに頭を悩ませてはいないでしょうか。 ファイル名の迷宮: 「このノート、後で探せる名前はなんだろう…」 フォルダ分けの深淵: 「このメモは『アイデア』?それとも『タスク』?」 美学という名の呪縛: 「自分で決めたルールだけど、守るのが正直しんどい…」 私自身もエンジニアではありませんが、この「小さな面倒」の積み重ねが思考の勢いを削いでしまう感覚に、ずっと悩まされてきました。 そんな中で試行錯誤の末にたどり着いたのが、先日発表された、GoogleのAIアシスタント「Gemini CLI」との連携です。 この記事では、専門知識がなくても使
注目を集めるPostgreSQL+Analytics 先日、SnowflakeとDatabricksのそれぞれの年次イベントでPostgreSQLに関連する企業の買収が大々的に発表されました。 両社は分析系(OLAP)のソリューションを提供する比較的大きなベンダーであり、過去にはOLTP系への進出を目指したデータストアの開発が注目されたこともありました(SnowflakeのUnistoreが典型です)。 彼らは今後、PostgreSQLを自社がカバーできていなかった領域で適用することで、現在のメガクラウドのようにOLTP用途のRDBとOLAPのソリューションを統合してくることが予想されます。 そして、多くの利用者を持つオープンソースのPostgreSQL(コミュニティ版と言っても良いかも知れません)においても、OLAPとの統合という流れは今後確実に訪れるというのが、私個人の予想です。 今回
本記事は、CI/CD連載の6本目の記事となります。 はじめにこんにちは。HealthCare Innovation Group(HIG)の山本竜玄です。 本記事では、Gemma3とUnslothを組み合わせて、完全オンプレミス環境でのAIコードレビューができる環境を構築してみました。 フューチャーでは社内開発基盤運用チームが構築・運用するオンプレミス版GitLabを利用していますが、近年注目されるAIエージェントを導入する際に課題がありました。外部APIを利用する場合、セキュリティ審査プロセス、従量課金による予算管理の複雑さ、機密データの外部送信への懸念などが発生します。 そこで、LLMモデルを自前の環境に組み込み、プロジェクト固有のデータで追加学習を行うアプローチを試しました。Gemma3とUnslothの組み合わせにより、RTX 3060 12GBという家庭用レベルなGPU環境でもファ
copilotはデフォルトで.github/copilot-instructions.mdのファイルは参照してくれる。 ただ、このファイルの中でfoo/bar.mdのように更に別のファイルを参照するような記載をしてもそれらのファイルまでは読み込んではくれないらしく、都合の悪いことが多い。 VS Codeで設定 VSCode設定ドキュメントには、下記のような設定を追加できるようになっているのを見つけた。 "github.copilot.chat.codeGeneration.instructions": [ { "file": ".rules/rules.md" } ], 他にも指示出しには以下のような種類がある(が、特に試してない) github.copilot.chat.testGeneration.instructions - テストコードの生成に対する指示 github.copilo
TISでは、生成AIを活用した開発を推進しており、その一環としてGitHub Copilotの利用を進めています。 本記事は、開発現場でのGitHub Copilotの活用方法について、コードレビューに焦点をあててご紹介します。 サマリ ・GitHub Copilotのコードレビュー活用により、開発者のセルフレビュー時間を大幅に短縮し、品質向上を実現。 ・独自開発したVisual Studio Codeの拡張機能「Promptis」とレビュープロンプトの整備により、組織全体での効率的な活用を推進。 ・人間の適切な関与を維持しながら、AIツールを補助的に活用することで、コードレビューのプロセス全体を最適化。 GitHub Copilot Chatを用いたコードレビュー GitHub Copilot Chatに自然言語で記述されたレビューチェックリストを入力することで、コードの改善点の有無を即
はじめに GitHub Copilot は、Visual Studio Code (以下、VS Code) で提供される AI を活用したプログラミングツールで、VS Code上で拡張機能としてインストールすることで使用できます。 主な機能として、コードを編集中のファイルに対して続きのコードを提案してくれる Completions や、 自然言語でプログラミングをサポートする Chat があります。 今回は、GitHub Copilot の Chat を使う上で知っていると便利な知識を紹介します。 GitHub Copilot Chat のモードを使い分ける GitHub Copilot Chat にはいくつかのモードがあり、用途に応じて適切な mode を選択することで効率的に作業を進めることができます。 モード名 説明 使い道
2025年6月13日にAnthropicが How we built our multi-agent research system という記事を公開しました。Claudeの「Research」機能の開発過程で得られたマルチエージェントシステムの重要な知見をまとめている非常に有用な記事でした。 私自身も最近マルチエージェント構成の Deep Research 機能を実装する機会があり、この記事から多くのヒントを得ることができました。本記事では特に参考になった部分をまとめました。意訳している部分も多いので正確な内容を把握したい方はぜひ原文も確認していただければ幸いです。 本記事の構成 原文記事の構成とは少し違いますが以下の流れでまとめています。 前提条件: Research機能の基本構造 マルチエージェントシステムの強みと限界 Prompt Engineering のコツ エージェントの効果
4人分材料・卵...3個 ・だしまたは鶏がらスープ...480mL ・塩...5g ・醤油...10mL(分けておく) ・みりん...5mL ・酒...5mL ・エビ...4尾(殻と背わたを取り、みじん切りにしておく ・お湯...2カップ ・干し椎茸...2枚(水で戻し、細切り) ・三つ葉またはパセリ(飾り用) 必要なもの ・275mLのココット皿2個 (幅11cm×高さ5cm) 調理時間:18分作り方1. 卵、だし、塩、醤油5mL、みりんを完全になめらかになるまで混ぜます。 2 .卵液を目の細かいふるいにかけて、大きなボウルに漉します。一旦脇に置いておきます。 3. 醤油5mL、酒、エビを混ぜ合わせます。 4.2個のココット皿に、それぞれ半量のエビと椎茸を入れ、卵液をココット皿のそれぞれ ¾ まで注ぎます。 5. ココット皿をアルミホイルで覆います。 6 .クリスパープレートを、本器にセ
2025/06/07 JJUG CCC 2025 Spring で発表した内容です
AIの著作権問題に終止符か? 8TBの巨大オープンデータセット「Common Pile」登場、Llama 2に匹敵するLLMもリリース AIは創作物を無断で学習しても許されるのか──。この問いは、生成AIの進化と共に業界全体に重くのしかかる根源的な課題となっている。著作権侵害を主張する訴訟が相次ぎ、AI開発企業は防衛的にそのデータ利用の詳細を固く閉ざすようになった。この「透明性の冬」とも言える状況が、健全な研究の進展を妨げていると懸念する声は少なくない。 そんな中、AI業界の分水嶺となる可能性を秘めた画期的なプロジェクトが姿を現した。 非営利の研究団体EleutherAIと、トロント大学、Hugging Face、Allen Institute for AI (AI2)など多数の組織からなる共同研究チームは、「Common Pile v0.1」と名付けられた、8テラバイト(TB)にも及ぶ巨
JavaScript PrimerのNotebookLMが利用可能になりました。 NotebookLMは、Googleが提供するAIを活用したノートブック環境で、登録したソースに対して質問をしたり、情報を検索したりすることができます。 次のリンクから、JavaScript PrimerのNotebookLMにアクセスできます。 📖 JavaScript Primer - 迷わないための入門書 - NotebookLM JavaScript Primer on NotebookLM JavaScript PrimerのコンテンツがNotebookLMに入ってることで、読者は書籍の内容についてNotebookLMに直接質問したり、Podcastとして音声で聞いたりすることができるようになります。 NotebookLMを活用することで、JavaScript Primerを読み進める中で生じた疑
LLM# A CLI tool and Python library for interacting with OpenAI, Anthropic’s Claude, Google’s Gemini, Meta’s Llama and dozens of other Large Language Models, both via remote APIs and with models that can be installed and run on your own machine. Watch Language models on the command-line on YouTube for a demo or read the accompanying detailed notes. With LLM you can: Run prompts from the command-lin
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
処理を実行中です
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