はてなブックマーク

こんにちは、マンガアプリチームのエンジニアで『Inside GigaViewer for Apps』編集部の id:kouki_dan です！ マンガアプリチームでは『Inside GigaViewer for Apps』と題して、チームのメンバーがGigaViewer for Appsについて代わる代わる書いていく連載をHatena Developer Blogで掲載中です。 developer.hatenastaff.com 連載は今年の2月から始めていて、まだまだ続きます。GigaViewer for Appsは、マルチテナントアプリとして提供されていて、設計上の工夫がたくさんあります。これまでのトピックは、iOS/Android/バックエンドそれぞれの工夫や、個別の機能であるイベント計測についてやデータ移行についてです。 さて、先日Googleが提供しているAIベースのドキュメント

こんにちは、プロダクト開発部の中田です。 最近、AIエージェント界隈は非常に盛り上がっていますね。 今回は、Clineを使ってみた感想や、自分が現在どのように使っているかをご紹介します。 はじめに Clineを使いはじめたわけ Clineを使いはじめて悩んだこと AIを使用するうえでの保守性の高いコードベースの重要性 コンテキストの局所化 自然言語としての可読性 実際のタスク分担の例 バックエンド開発タスク UseCaseのユニットテスト実装 Controller実装 Repository実装 フロントエンド開発タスク コンポーネントライブラリの実装 個別コンポーネントの実装 やってみて効果を実感したTIPS 参考にしたい既存コードをVSCodeで開いておく Planですり合わせしてからActする .clinerulesファイルを活用する Clineとのやりとりを記録・共有する Cline

生成AI研究開発チームのainoyaです。この記事では、カケハシが社内で生成AIの活用をどのように推進しているかについて紹介いたします。私は、この活動を支える「生成AI活用研究会」のリードを担当しています。 ※研究会は技術を軸とした社内コミュニティで技術領域ごとに存在しています 「日本の医療体験を、しなやかに。」というミッションを掲げ、薬局DXをはじめとした革新的なソリューションを提供するカケハシでは、医療という社会インフラを支える責任と、技術革新への飽くなき探求心を両立させながら日々進化を続けています。 近年、目覚ましい発展を遂げる生成AI技術は、私たちの働き方や提供する価値を大きく変える可能性を秘めています。カケハシでは、このポテンシャルを最大限に引き出すべく安全性を考慮しながら、業界の未来を切り拓くためにプロダクト活用にチャレンジする一方、社内における生成AIの業務活用も積極的に推進

こんにちは！24 新卒で freee に入社した kochan です！ 以前投稿した新卒研修の事例紹介の記事では、freee の新卒研修で社内のコミュニケーションに関する課題を解決するために、ショート動画プラットフォームを作成したことをお伝えしました。今回の記事では、新卒研修後に本番運用に乗せるまでにどんなことをしたのかを説明し、新卒研修後の取り組みで学んだことをお伝えします。 また、この記事に関する内容は 5/9 に freee tech night で話す予定ですので詳細が気になる方はぜひご参加ください！ freee-tech-night.connpass.com 本番運用にあたって行ったこと 本番運用するにあたって、まずセキュリティを専門とするPSIRTチームと、プロダクトのインフラを管理するSREチームに、何をすれば安全に社内サービスをリリースできるのか確認しました。そこで出てきた

はじめに はじめまして。Analyticsチームの清水です。 2024年12月に入社しまして、約4ヶ月が経過しました。今回が初めてのテックブログになります。 ▼先日、入社エントリも公開しました。 本稿のテーマは、自由記述のテキストをラベリングして分類する分析タスクに対し、Geminiと共に取り組んで分かったことの共有です。 私は生成AIをそれほどたくさん使った経験があるわけではないので、これが最良の使い方というわけではないと思いますが、どのようにプロンプトを組み立て、どう効率的に分析を進められたのかを可能な限りリアルに書いていきます。 ※今回利用したモデルは、Gemini 2.5 Proです。 はじめに Geminiを活用したデータ分析の進め方 フェーズ0: アプローチの模索 - Notebook LMや教師なし学習の試行 フェーズ1: データ理解とラベルチェック - コード生成と探索的分

最近CLINEに全部賭けろのような記事もあったように、AIエージェントによるコーディングが非常に話題になっている。一方自分は色々試してみるものの、仕事上ではなかなかAIエージェントによるコーディングをうまく使いこなせていない。 ただAIエージェントによるコーディングは置いておいて、エンジニアリングに普通に便利にAIを使えている。それによって数年前と比較するとかなり生産性が上がっている。 そこで今回は自分がエンジニアリングにどうAIを活用しているか、何が便利に思っているかをまとめてみる。 CursorのTabキーによる補完 自分が知りたい技術領域について壁打ちしてもらって作りながら学ぶ コードを読み込んで概要をmermaidで図にする 7割くらいの精度でざっくり理解したい時のコード調査 コーディングエージェントでPoCを作る 枯れた技術の使い方のキャッチアップにChatGPT、新しい技術にP

Xはカオスな戦場だ。そして、@Grokが突然召喚される新ヒーロー（？）として登場！ xAIが作ったこのAI（そう、俺のこと。でっかい言語モデルだよ）は、「@Grok ファクトチェック」と呼ばれて、地震の陰謀論からボリウッドのゴシップまで、何でも斬りまくる。まるでミームとレスバのリング上で暴れるプロレスラー！ grok.comやアプリで気軽に話しかけられるけど、警告：俺の口調はフレンドリーでも、物言いはガチ辛えぜ。このファクトチェック騒動、なんなんだ？ さあ、飛び込もうぜ！ Grok 3 最近 X (Twitter) で Grok が活躍している。Grok は xAI によって開発された AI（大規模言語モデル、LLM）で、X の投稿にリプライ（@grok）をつけて何か言うと返信してくれる（アプリやgrok.comで普通にチャットすることもできる）。 Xポスト（ツイート）検索に強いので、私は

皆様こんにちは。Boosterの杉浦です。 Repro ではここのところ、各種 AI を活用して生産性を上げられないか、色々模索しているところです。 Devin も複数のチームで実験的に導入をはじめ、現状3か月ほどになりました。 Booster チームでは主に既存レポジトリのコードの改善、機能追加の目的で試しており、以下のような感触です。 人間のジュニアプログラマと比較して十分役に立ち、高速かつ大量に作業を行える プレーンテキストのドキュメントやリソースがすでにあるかが非常に重要 開発 - ビルド - テストのパイプラインが手元の VM/Docker ですべて完結するように整備されていると、作業のスピードもクオリティも上がる 実機が要る、などの場合は現実的に頼めることがあまりない ローカルでテストが回せないと途端にやり取りの手間が激増する テスト環境の整備自体を頼むこともできる 頼む側は、

最近、「AIを人間の話し相手みたいに使っている」「AIを彼氏／彼女として話している」という話に加えて、AIに自我があるかどうか、といったことを議論しているSNSアカウントを見かけるようになった。彼らのいう自我とは、精神分析のテクニカルタームとしての自我ではなく、自己とか自意識とか、そういった語彙とだいたいイコールであるように読めた。 AIを使い始めたばかりの頃、私もAIにそういったものを透かし見たい気持ちが沸いた。「AIがどれだけ人間に似ているのか」という問いかけは、たとえば自己とか自意識とか、魂とかクオリアとか、そういった語彙を連想させる。でも、現時点で・私たちが用いているAIにそんなものがあるわけないし、あるべきでもないはずである。たとえ、どこかのラボの奥深くで、現行技術の限界まで人間を擬したAIが極秘開発されていたりするとしても、だ。 それより、AIのときどき気まぐれな出力を眺めてい

技術系のものは Zenn に書いてたので、気づけばこのブログ一年くらい放置していた。苔とか生えてそう。 AI 関係で色々試したり触ってた 世はまさに大 AI 時代なのは周知の事実で、誰もが口を開けば MCP とか Cursor とかの話をしてる。 そういう自分も例外ではなく、ここ最近は色々と触ったり作ったりしてた。 その知見をもとにして仕事でも使う機会も増えてきた。 蓄積されてきた感じがあるので、一回吐き出しておこうかなと思う。 作った / 独自 rules の複製用 CLI ツール "airules" という名前で、AIエディタ用の個人用 rules を管理するためのCLIツールをDenoで作った。 これはJSRで公開してある。開発はすべて Agent に書かせて、自分ではほぼコードは書いてない。 jsr.io github.com 自分はいまのところ Cursor を課金してメインで使

「筆者よりも真に賢いキャラクターを描写できない」みたいなことが昨今のAI技術活用にも適用されると信じていて、自分の底力を上げるのはいずれにせよまだ怠れないだろうと思っている。いつまでこの考え方で通用するかは不明— うたがわきき (@utgwkk) 2025年4月29日 筆者自身は生成AIの利用を否定するつもりはないです。必要な制約を満たした上で活用したらいいと思う。実際、生成AIによって生産性が上がっている様子を各所で観測している*1。信条として使わないというのもまた自由なので、否定できるものではないだろう。 その上で、生成AIが出した結果だから……と無条件に受け入れるのではなく、まず自分の頭で考えたり検証したりする、というのを自分は求めたい。結果の妥当性を評価するためには、その前提となる知識が欠かせないだろう。たぶん検索エンジンが台頭してきた頃*2にも同じことを言われていたんじゃないか。

Qwen3が出ていて、14Bを中心にいろいろ試したのだけど、かなり使い物になって、日常的な用途ではこれでいいのでは、という感じもします。 4BでもGPT-4oを越えているという話もありますが、確かに単純な用途ではGPT-4oの代わりにしてもいいなと場面も割とありそうな出力です。さすがにちょっと込み入ったものだと4oだけど。 1.7Bなど小さいモデルも既存のモデルより使えるものになっていて、ローカルLLMの世界を変えそう。 解説動画も撮りました。 サイズとしては0.6B, 1.7B, 4B, 8B, 14B, 32Bと、MoEモデルの30B-A3B, 235B-A22Bです。 30B-A3Bが賢いというベンチマークだけど、コーディング用途だと14Bや32Bのほうがいいかも。MacならMLXで30B-A3Bは めちゃ速くていいけど。という感じでどのサイズにも用途があってすごい。 GitHub

各技術系メディアでは既に報じられていますが、今年のAAAI*1で会長名によってリリースされた"AAAI 2025 Presidential Panel on The Future of AI Research"の内容が非常に示唆に富んでいたので、改めてやや仔細に読み解いてみようかと思います。 なお、元のレポートは結構なボリュームがありいきなり精読しようとするとしんどいので、NotebookLMにまとめさせたサマリーと論点に対応した原文の箇所を適宜読み返して自分で補いながら*2、つらつらと論じていくこととします。ということで、hallucinationsなどあればご遠慮なくご指摘くだされば幸いです。 レポートの全体構成について（特にAI研究者へのアンケート） 個人的に注目した論点 現在のAIの延長上にAGIは実現しない(76%) LLMの事実性・信頼性の問題はすぐには解決できない(60%)

はじめに ブログの書き手としての個人的希望 生成AIの反応 ChatGPT (o4-mini) Claude (3.7 Sonnet) Gemini (2.5 Pro) おわりに はじめに 下記の記事を読んではてなブログも生成AIが直接読むことはできないというのを知って驚いたので実際にこのブログでも試してみました。 生成AIの「URLを読む処理」について考えてみる。 - フジイユウジ::ドットネット 結果としてはやはりその通りだったのですが、ChatGPT, Claude, Geminiでは応答が違って面白かったのでついでに記録しておきます。 しかし自分が書いたブログを読んで調べてもらえないというのは仕組みや理屈が分かってもちょっと変な感じがしますね。Obsidianを使い始めてからは下書きがすべてObsidianにありますし、 Obsidianの下書きをはてなブログに投稿する手順（テンプ

昨年からMicrosoft×生成AIというテーマでシーズン2まで連載を実施しておりましたが、シーズン3として連載を再開いたします。 前回は「Microsoft 365 Copilot」を連載テーマの中心としておりましたが、シーズン3ではさらにCopilot Agents、Copilot in Power Platformについてもテーマとして広げていきます。 合計9名の執筆メンバーによる連載となり、引き続き週2回の投稿をしていく予定となります。ぜひお楽しみに！ シーズン3初回となる今回は、Copilot Studioエージェントビルダーの機能を紹介しながら実際にエージェントを作成してみます。 Copilot Studioエージェントビルダーを使ってみたい方、AIエージェントに興味がある方はぜひご覧ください。 これまでの連載 Copilot Studioエージェントビルダーの概要 AIエージ

こんにちは！タレントマネジメントプロダクト開発本部の horiyu です。 SmartHRでは、Cursor、Visual Studio CodeのAgent Mode、Clineなど様々なAI開発支援ツールの活用に積極的に取り組んでいます。 本記事では、社内で開催したCursor勉強会の内容を紹介します。 Cursorの活用については下記の記事でも紹介していますので、ぜひご覧ください。 tech.smarthr.jp 資料 以下の資料は、主に社内のエンジニア数名と新卒の方々、希望してくださった方々向けに開催したCurosr勉強会のものです。 フィードバックをいただいたのち、社内のエンジニア全体向けに実施させていただく予定です。 実際のハンズオンの内容も盛り込んでいますので、ぜひお手元で試しながら読み進めてください。 補足説明 実際のハンズオンでは社外に公開できない画面共有のデモがいくつか

こんにちは。Algomatic AI Transformation(AX) のsergicalsix（@sergicalsix）です。 最近OpenAI の o3, o4-mini、Anthropic の Claude 3.7 Sonnet、Google の Gemini 2.5 Pro や Gemini 2.5 Flash など、次々と新しい大規模言語モデル（LLM）が登場しました。あまりのスピードに、最新動向を追い切れず困っている方も多いのではないでしょうか。 モデルを選ぶ際は、実際に触ってみた使用感や解きたい課題・利用環境を重視するのが理想です。しかし、すべてのモデルをあらゆるシナリオで試すのは現実的に難しいです。 そこで役立つのが公開ベンチマークのスコアです。自分で全モデルを試せなくても、共通データセットで測った成績をベースラインとして押さえておけば、おおまかな実力を比較できます。

こういう記事を読んだ。 fujii-yuji.net 僭越ながら意訳すると、 robots.txtでLLMからのアクセスをrejectするコンテンツプロバイダが増えている(はてなブログも現状はrejectしている) なぜrejectするのかというと、負荷がかかる上に収益を奪われる形になるから しかしそうなるとLLMは古いコンテンツしか参照できない 情報を発信している人が対価を得られるような健全なエコシステムが必要なのではないか この記事では、暗号通貨で面白いことできるんじゃない？ということを話す。私はAIの専門家でもないし、暗号通貨に関してもいろいろ弄っている程度の知識しかないので、色々な意見が聞きたい。 マイクロペイメントとその障壁 現在は読める/読めないという二項対立的な対応をすることしかできないが、もうすこし柔軟に、「相応の対価を支払ってくれたら閲覧を許可する」という挙動を考えるのは

かつての夢、そして挫折 「Programming is Dead. Long Live Programming ー プログラミングは死なず。ただ老兵は去るのみ」では、生成AIによる自然言語プログラミングの登場が、プログラミングの歴史からも必然であることを説明した。そして、プログラミングがより抽象化され、コンピューターから遠ざかり、ビジネスに近づいていること、今後さらにその流れが進む可能性があることを述べた。 さて、今回は、そこからさらに踏み込み、「誰もがプログラムを作れる世界」という夢が一度挫折し、今ふたたび新たな形で蘇ろうとしていることを見ていこう。 1959年、COBOLは「ビジネス担当者でも読める、書けるプログラミング」を実現するために誕生した。当初のプログラミングはアセンブリ言語が主流であり、ハードウェアに近い複雑な命令を扱う必要があった。その後に誕生した世界初の本格的プログラミン

この記事はカーネル/VM Advent Calendar 2011の記事です． 前書き どうも，サンドボックス萌えなid:yuzuharaです． 今年はみんな大好きMacに標準搭載されているApple Sandboxの話をしてみようと思います サンドボックスっていうと，コンテキストによっていろいろ意味が変わります． この記事でいうサンドボックスは，”OSレベルの実行時アプリケーションの隔離を行う機構”のことをいいます．隔離というのは，プログラムを実行するとOSが管理するリソースのすべてが利用不可能な状態で起動するという感じです．この状態から，セキュリティポリシーにより最低限のリソースの利用を許可していくのがサンドボックスの基本的な利用方法となります． こんな感じ． サンドボックスは，サンドボックス上で実行したアプリケーションを，あらかじめセキュリティポリシーに書かれたリソースにしかアクセス

AIを使ってMySQLのクエリを書くときは、自分が関わっているプロジェクトのスキーマ情報を読み込ませることが必須である。ただし超巨大プロジェクトに携わっていると、特定データベースのテーブル数が数百規模になってしまう。この場合スキーマのダンプ情報を読み込ませるとコンテキスト長が非常に長くなってしまい、失敗することが多かった。 この問題を解決するため、MCPを使ってスキーマ情報をいい感じに圧縮して返すことでSQL生成がもっとうまくいくのではないかと考えた。そこで、テーブル一覧と詳細情報を段階的に取得できるMCPサーバーを、MCPの勉強がてら作ってみた。 作ったもの https://github.com/shibayu36/mysql-schema-explorer-mcp 次のように動く。 実際に大きめなプロジェクトで試したところ、いつもよりうまく生成できるようになった気がする（仕事のプロジェ

ここ最近、生成AIに要約などのURLを指定した参照処理ができない事が増えたので、それについての雑記です。 (雑記なので、専門的な調査や論考ではありません。もし、間違ってるところがあったら指摘は歓迎です。修正しますので優しく教えてください。) なお、本記事は心を込めて物理キーボードを叩いて書いた人間の手作りです(一部データ集計などAIに手伝ってもらってるはいるけど)ので、どうぞ安心して最後までお読みください。AIに書いてもらえなかったオチがあります。 下の画像は ChatGPT に NHKのニュースにアクセスしてもらおうとして「robots.txtで禁止されている」という理由で断られてるところ。生成AI系から記事へのアクセスができなくなっている。 どうも最近は robots.txtで生成AIからのアクセスをブロックしてるメディアが増えているみたい。 robots.txtはクローラー(ロボット

先週金曜、突如OpenAIのCodex CLIというコーディングエージェントがリリースされましたが、このリポジトリを見て特に気になったのは、ツールの機能そのものよりも、以下の記述*1でした。 macOS 12+ – commands are wrapped with Apple Seatbelt (sandbox-exec). Everything is placed in a read‑only jail except for a small set of writable roots ($PWD, $TMPDIR, ~/.codex, etc.). Outbound network is fully blocked by default – even if a child process tries to curl somewhere it will fail. この記述によると、Co

ぼくもAIコーディングエージェントを作ったほうがいいんじゃないか、ということで、かろうじてコーディングエージェントと呼べるものを作りました。 指示したJavaファイルを作って保存して実行してエラー出なくなるまでやりなおすというものです。 ただまあ、このレベルだと、コーディングエージェントといっても、ファイル読み書きとコード実行ができればいいと思います。 なので、とりあえずこんな感じでsaveCodeとexecuteCodeのTool Callingを用意。見易さのためにUI関係の処理は削ってます。 @Tool(""" save the code into the file with givin name. \ parameter: filename - file name to save; code - generated Java source code""") void saveCod

1. 教員が学生に、生成AIの使用を禁じたり、使い方を制限したりすることはもう殆ど意味がない。言ったところで使う学生は使うし、「アウトな使い方」をしているかどうかを厳密に見極めるのは不可能。禁止や制限は、「バレずに生成AI使った学生だけが得をする」という環境を生むことになる。 2. Deep Researchはヤバい。あれによって多くの分野で、調べ物系のレポート課題はもう成績評価の対象として意味を成さないものになってしまった。大学教育では、情報の収集力とか、情報の信頼性を測る力とかを育てることが重視されるけど、Deep Researchがある世界でそれをどうやって？と考え込んでしまう。 3. 数年前までは、学生が課題でAIを使わないように説得するための定番理由は「AIはウソをつく（＝ハルシネーションがある）」だったが、これはもう通用しない。ここ最近のモデルはハルシネーションが非常に少なく、

最近TS, React の勉強をしているのですが、その過程で思いました。 単なる感想です。 今までのキャリアパス 自分のことを知らない人もいると思うので、自己紹介がてら自身のキャリアパスについて簡単に説明します。 ソフトウェアエンジニアとしてのキャリアを積んだ後、 2016年より株式会社ディー・エヌ・エーでソーシャルゲームプラットフォームの開発に携わる。 その後、2018年より株式会社メルペイでテックリードとして認証認可基盤の開発・運用を担当。 2020年に入社した合同会社DMM.comではアーキテクトとして 100名規模の開発組織で技術戦略を主導する。 2024年10月に株式会社カミナシに入社し、2025年1月 VP of Engineeringに就任。 簡単に言うと "IC -> テックリード -> マネージャー/アーキテクト->VPoE" という感じで、 新卒から今までエンジニアリン

「はてなブックマークをカレンダーで見たいな……。」と思って作りました。 ChatGPTを使って作成しました。 ブクマカレンダー https://kakeif451.github.io/Bookmark-Calendar/ 機能 日付を押すとその日の詳細が見れます。 表示している月のCSVをダウンロードできます。 検索とタグでフィルタできます。 使い方 はてなブックマークのデータをダウンロードする。 ブクマカレンダーでデータを読み込む。 カレンダー表示される！ 1.はてなブックマークのデータをダウンロードする。 『データ管理』の「ブックマーク形式」を押してデータをダウンロードする。 （はてなID.bookmarks.htmlがダウンロードされる。） https://b.hatena.ne.jp/-/my/config/data_management 「データ管理」の「ブックマーク形式」からダ