敏腕PMのもとでアジャイル開発やってみた
これは何？ 最近業務でやってたプロジェクトのキリがよくなったので、少しでも開発プロセスの知見を残そうと思って書いた記事です。 弊社は基本アジャイル開発で案件を進めてるんですが、具体的な開発プロセス事例の紹介って案外アウトプットされないんですよね。 直近の案件の中で、長らくお世話になっている敏腕PMの方（以下Mさんとします）がいるんですが、直近の案件での事例を記事にしていいかと聞いたら快諾してくれたので、実際にやっていたことを書いていこうと思います。 はじめに アジャイル開発について語る際に、最も重要なのは 正解は一つではない ということです。 アジャイル開発の成功は、それぞれのチームの特性や状況に合わせて、柔軟にプラクティスを調整していくことにかかっています。この記事で紹介する内容は、あくまでも一例として捉えていただき、自分たちのチームに合った形を探る際の参考程度にしていただければと思いま
OpenAI Agents SDK で「人類はもう生成AIに勝てないと痛感したDeep Researchの使い方」を自動化してみた - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに @zazen_inu さんの記事「人類はもう生成AIに勝てないと痛感したDeep Researchの使い方」が凄いので OpenAI Agents SDK で自動化してみました。 目的 @zazen_inu さんのメソッドを楽に実行したい OpenAI Agents SDK で実装してみてフレームワークのクセとか使い方を理解したい 方法 愚直に実装します。 処理フロー それぞれの Agent の背後にはテキスト生成モデルがいます。用途によってモデルの種類を決めます。賢さ、インターネットの情報の調査能力、コストなどを意識します。
人類はもう生成AIに勝てないと痛感したDeep Researchの使い方 - Qiita
こんばんは、座禅いぬです。 JAWS DAYS 2025に参戦してきました！会場前にいたコツメカワウソの赤ちゃんがとてもかわいかったです。 さて、Deep Researchのサービスが始まってから、たくさんの人が自分の使い方を編み出して解説していると思いますが、自分の使い方をまとめたかったのでここに載せておきます。これ、とんでもない機能ですよね。使ってみてすぐ、人類はもう生成AIに勝てないなと思いました。 一言でいうと、調べたいもの、考えたいことに対して「論文を書く」というフレームワークを構築します。論文の構造はいろいろあると思いますが、理系論文の流れをフレームワークととらえ、生成AIに思考しやすい形を作ります。 背景：なぜ論文という枠組みが良いのか 論文は次のような流れを持ちます。 背景 (Introduction) 目的 (Objective) 材料と方法 (Methods) 結果 (
Go Optimization Guide
Patterns and Techniques for Writing High-Performance Applications with Go¶ The Go App Optimization Guide is a collection of technical articles aimed at helping developers write faster, more efficient Go applications. Whether you're building high-throughput APIs, microservices, or distributed systems, this series offers practical patterns, real-world use cases, and low-level performance insights to
無線給電の技術史：テスラの夢から現代のイノベーションまで｜福岡 浩二
20世紀初頭、ニコラ・テスラは地球全体にワイヤレス送電でエネルギーを届けるという壮大な構想を描きましたが、当時はあまりにも時代の先を行きすぎていました。その後、この分野での大きな技術革新は半世紀近く停滞し、再び動き出したのは戦争から生まれた技術がきっかけでした。 マイクロ波送電への期待第二次世界大戦後、軍事研究を通じてレーダー技術が洗練され、マイクロ波を正確に制御して遠方に送ることが可能になりました。この技術を応用し、マイクロ波による無線電力送信という新たな可能性が開けたのです。 1960年代から1970年代にかけて、アメリカの技術者ウィリアム・C・ブラウンらがマイクロ波を使ったワイヤレス送電の研究を本格化させました。ブラウンはマイクロ波を受信して電力に変換する「レクテナ（rectenna）」を開発し、ヘリコプターのような無人機をマイクロ波受電によって飛行させる実験に成功します。これはワイ
Selenium Serverの使い方メモ - Qiita
Selenium Serverとは Selenium Serverはリモート環境でSelenium WebDriverを動かすためのサーバーです 公式からdockerイメージが提供されていてChrome, Chromium, Edge, Firefoxなどのブラウザ環境が容易に準備可能ですので、マルチブラウザ対応テストがポータブルに実行可能です。また、多数のコンテナをselenium/hubコンテナでまとめて制御することが出来るので並列テストも実行することができます 1. 単独で使う 1-1. dockerイメージの選択 以下に一覧があるのでここから選びます https://hub.docker.com/u/selenium standaloneとあるのが単独で利用するタイプのdockerイメージで、Chrome, Chromium, Edge, Firefoxが選択できます 1-2. d
AIコーディングエージェント勉強会
2025/3/25: AIコーディングエージェント勉強会 (プライベート開催) 資料のみ公開版として
日本語コーディング性能が最も高いローカルLLMモデルは何か？MGSMベンチを実施して考察した - 技術メモ集
概要 gemma3,qwq等々、24GB程度のVRAMで動き、かつ性能が高いとされるローカルLLMモデルがどんどん出てきています。それぞれ、英語や多言語のベンチマークをそれぞれ出してきて我こそが最高性能だ！って言いあっているわけですが、私がLLMに求めているものはコーディング支援。英語や中国語の性能が良くても、学術的にはそりゃすごいんでしょうけど、私にとってはあまり意味がないんですよね。特に中国語なんてさっぱり読めないし。（英語も読めないけれど・・・・） ということで、日本語で数学（コーディング）能力が高いのは結局どれよ？という疑問に誰も答えてくれないので、自分でMGSMの日本語ベンチマークを動かして、ランキング形式で評価してみました。ベンチを動かすコードもgitに共有しているので、ぜひその他のいろいろなモデルで試してみてください。 ちなみに、結論から先にお伝えすると、時間に余裕があるとき
みんなのためのLLMアプリケーション開発環境の構築事例
はじめに こんにちは。Game Platform DevのDong Hun Ryoo、Takenaka、Zhang Youlu（Michael）、Hyungjung Leeです。私たちの組織は、ゲームパブリッシングに必要なさまざまな機能を開発・運用する役割を担っています。 私たちは最近、組織内の業務効率を高めるためにさまざまなLLM（large language model）アプリケーションを開発し、それと連携してLLMOpsシステムの構築プロジェクトを行いました。プロジェクトの主な目標の一つは、参入障壁が高いLLMアプリケーション開発を、職種に関係なく誰でも簡単に作成できる環境を構築することでした。そのため、さまざまなことを考えながら試行錯誤を経た結果、誰でも簡単にアクセスできる開発・デプロイ環境を整えました。 今回の記事では、LLMアプリケーションの一般的な開発方法と開発プロセスで直面
私的MarkdownとGoogle Slidesでスライドを作成する方法（またはdeckの紹介) - Copy/Cut/Paste/Hatena
md2googleslides の体験が良すぎた結果、より体験向上のため、一から専用のツールを作った— k1LoW (@k1LoW) 2025年3月14日 md2googleslides 転職してKeynoteのスライドテンプレートがなくなったので*1、これを機にスライド作成環境をGoogle Slidesに移行することにしました。 ちなみに、今まではMarkdownで構成を書いて、それをあるタイミングでKeynoteに移して、以降はKeynoteを編集するという形で運用していたのですが、せっかくなのでもっとスライド作成体験が良くなる方法があるかもと思って調べてみました。その流れで見つけたのが md2googleslides です。 github.com これはMarkdownをもとにGoogle Slidesプレゼンテーションにページを追加してくれるツールで、本家は動きませんでしたが（メ
AIコーディングエージェント勉強会
2025/3/25: AIコーディングエージェント勉強会 (プライベート開催) 資料のみ公開版として
PostgreSQLで組み合わせでのユニーク制約をつけた場合の、INSERT方法のパフォーマンス比較 - Qiita
先日、情報の正規化をしない場合でも中間テーブルを使用した方が良いという記事を書きました。 ダミーデータの生成時にはあまり気にしていませんでしたが、中間テーブルの有無に関わらず、タグと企業の組み合わせが重複して登録される可能性がありました。 重複したデータが登録されると、データの肥大化や検索などのパフォーマンスに悪影響が想定されます。 そこで、今回は組み合わせでのユニーク制約の方法を実践します。 組み合わせユニークの処理方法はいくつか選択肢があるようなので、その比較もしてみます。 方法 今回は中間テーブルありのデータベースを前提に操作していきます。 私が調べた限り、5種類ありました。 方法 特徴 メリット デメリット
Kubernetesで実現できるPlatform Engineering の現在地
本日、「Kubernetesで実践する Platform Engineering - FL#88」というイベントで「Kubernetesで実現できるPlatform Engineering の現在地」🎵🧭 というタイトルで登壇しました！ 🔍 イベント詳細: - イベント名: Kubernetes…
Deep Researchに「日本の大学図書館とオープンアクセスの歴史と現状」をまとめてもらうテスト - やわらか図書館学
いつの間にかChatGPTのDeep Researchが使えるようになっていたので、いまさらですが試してみました。 プロンプトはこんな感じです。 あなた: 日本の大学図書館とオープンアクセスの関わりについて、歴史的に重要な出来事とその現在への影響をまとめてください。 ChatGPT: どのような形式でまとめるのがご希望でしょうか？例えば、レポート形式、年表スタイル、箇条書きの要約などが考えられます。また、大学図書館の具体的な事例（例：東大や京大など）を含めたいかどうかも教えていただけると嬉しいです。 あなた: レポート形式でお願いします。具体的な事例も交えてください。 プロンプトがふんわりし過ぎていて、あまり良くないような気もしますが、とりあえずテストということで。 東北大学の館長の名前が間違っていたり（情報源の英語を無理やり漢字にしているっぽい）、JAIROが今もある体になっていたりと、
hamlit/benchmark/slim/run-benchmarks.rb at d4344a5d35dceec99e16fbe1cadbe13063654000 · k0kubun/hamlit
DeepSearchとDeepResearchの違いについて解説 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 今年のはじめごろ、GoogleがGemini上で「Deep Research」機能を先行公開し、Advancedプランのユーザー限定で利用できるようにしました。その後先月２月には、OpenAIとPerplexityも独自のDeep Researchをリリースしました。 では、そもそもDeep Researchとは何なのか。どうして各AIサービスがこぞってこの機能を導入しているのか。そして、昨年末に一躍話題を集めたDeep Searchとは何が違うのか。本記事では、これらの疑問に答えるために、両者の特徴や使い道を詳しく解説していきます。
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
アプリケーション固有の「ロジックの脆弱性」を防ぐ開発者のためのセキュリティ観点
個人開発で生活するようになるまで
https://www.di.ens.fr/~fbach/ltfp_book.pdf