GitHubにAIコードレビュー機能(Gemini Code Assist for GitHub)を追加してみたところ、ギャルにレビューされるようにできました！ 虎の穴ラボのH.Hです。 コードレビューの仕組みはこれまでにもさまざまあり、たとえばプルリクエストのテンプレートなどは以前から一般的に使われていると思います。最近では、AIを活用したレビューの仕組みも増えてきました。そんな中で、今回はGoogleのAI「Gemini」のCode Assistを使って、どのようにレビューを行えるのかを試してみました。 せっかくなので、レビューを少し親しみやすいものにしたいと思い、先月話題になった“ギャルとのペアプロが想像以上に楽しかった（VSCodeのカスタム指示）”のトレンドを参考に、ギャルにコードレビューしてもらう設定を試してみました！ 実際のコメントはこんな感じです！！ Gemini Code

『Software Design 5月号』の第２特集「クラス設計の鉄則」を寄稿しました。 gihyo.jp 第２特集の概要と、今回はとりあげなかった、SOLID、GoFデザインパターン、凝集度と結合度について、私がどう捉えているかを説明します。 概要 第２特集のクラス設計の鉄則は３章で構成されています。概要は次の通りです。 第1章：クラス設計再入門 モジュール性・関心の分離・依存関係を意識する 第2章：迷わないクラス設計の指針 アプリケーション開発の実践例から考える現代的な設計方針 第3章：設計の落とし穴対策 コードから問題を検知する着眼点と改善方法 第１章：クラス設計再入門 この章は、クラス設計の基礎として、ソフトウェア設計の三つの視点を紹介しています。 ソフトウェアシステム構築の基本課題として「複雑さ」と「変更容易性」に焦点を合わせ、二つの課題に取り組むための考え方として、「モジュール

はじめに 1. 不均衡データとは何か 1.1 不均衡データの定義と実例 1.2 なぜ不均衡データが問題なのか 1.3 数学的視点から見た不均衡データの課題 2. 不均衡データへの対処の根本的な考え方 2.1 基本的アプローチの体系 2.2 統計的基盤: なぜこれらの方法が機能するのか 3. データレベルの対処法: サンプリング技術 3.1 アンダーサンプリング手法 3.1.1 ランダムアンダーサンプリング（RUS） 3.1.2 情報損失を最小化するアンダーサンプリング Tomek Links Condensed Nearest Neighbor Rule (CNN) One-Sided Selection (OSS) 3.2 オーバーサンプリング手法 3.2.1 ランダムオーバーサンプリング（ROS） 3.2.2 SMOTE (Synthetic Minority Over-samplin

こんにちは！すべての経済活動を、デジタル化したい @serima です。 4月8日(月)に、記念すべき第1回目となる「AI Coding Meetup」をオフライン/オンラインのハイブリッド形式で開催しました！ AIコーディングツールを組織やチームで活用しているエンジニアの皆さんと濃密な時間を過ごすことができ、企画者としても大変嬉しいイベントとなりました。 今回は、本イベントの企画の意図やウラ側にフォーカスを当てながら、イベントレポートも兼ねて書き留めておきたいと思います。 layerx.connpass.com 🏄‍♂️ イベント開催にいたるまで 2025年初頭、GitHub CopilotやCursor、そして話題のDevinなど、AIコーディングツールが次々と登場し、個人レベルでの活用はもはや当たり前になりつつある、と感じていました。 しかし、「それをチームや組織にどう適用していく

この記事を読んで、Cline / RooCodeなどを使うなら、 ちゃんと使えるようにしたいなと思い、いろいろ調べてみたときの備忘録(*´ω｀*) Cline / RooCodeを安全に使うためにDevContainerを使い始めた 環境は、macOS＋OrbStack DevContainerとは Dev Containerは、Dockerコンテナ上で開発するための拡張機能。 環境構築をコンテナとして用意でき、ローカル環境も汚さないですむ Dev Containers - Visual Studio Marketplace Developing inside a Container また、開いたフォルダをコンテナ上にマウントして、コンテナ内で実行するので、 それ以外のファイルにアクセスできなくすることができるので、AIエージェントを使うときにも安全 コンテナへの接続方法はいくつかあり、そ

2025年3月26日のAI駆動開発勉強会 臨時回【Devin Meetup Japan #1】の登壇資料です https://aid.connpass.com/event/347052/

こんにちは！先日人生ではじめての副業確定申告を終えたあおいです！ わざわざ「副業の確定申告」といっているのは、ふるさと納税ワンストップをやり忘れたとか転職したから確定申告必要だったとかで確定申告やったことはあるということで書いています。 成績 では私の確定申告の成績（？）は、3月11日に完了（締め切り-6日）でした！ -6日なんてすごいじゃんと思われるかもしれませんが、2月9日にはじめて1か月以上かかっています。 この1ヶ月間、コツコツと進めていたのに全然終わりませんでした。つまり所要時間は結構かかっていたと言って良いでしょう。 所要時間をもっと短くしたい！ということで今回のブログを書きました。来年の私、がんばれ！ やってよかったこと 早めに確定申告をはじめ（ようとし）た 紙袋に経費関連のレシート・領収書をためる 確定申告受け付け開始前に作業を開始する 同人誌の販売数をイベントごとに管理す

皆さんこんにちは Acroquestのデータサイエンスチーム「AcroYAMALEX」のチームリーダ、@tereka114です。 AcroYAMALEXチームでは、コンペティションへの参加や自社製品開発、技術研究などに日々取り組んでいます。 （詳細はこちらをご覧ください。） 私は長崎で開催されているNLP2025に3/12（木）〜参加していました。 私自身はNLP2025、長崎ともに初でワクワクでした。 会場前のNLP2025看板 NLP2025 「言語処理学会」は、言語処理に関する研究を行う日本の学術団体で、自然言語処理、計算言語学、言語情報処理などの分野を扱います。 今回の『言語処理学会 年次大会』は、毎年3月頃に開催され、当該分野における最も重要な学術イベントの一つとして位置づけられています。 端的に言えば、日本語の自然言語処理で大きな学会です。 本年は長崎開催で、2248名の参加が

企業でCline導入のために開発環境をコンテナ化し，セキュリティ対策を考える #devcontainer Gemini API / LangGraph / Agent Engine で LLM Agent を実装する 言語モデルの内部機序：解析と解釈 自分がはてブした記事をPodcastにして配信する環境を作った 深刻な不具合のあるデータ分析は、大抵の場合データも実装コードも見るまでもなくそれと分かってしまう Getting started with computer use in Amazon Bedrock Agents Amazon Q Developer CLI での超高速な新しいエージェント型のコーディング体験 Swallow LLM Leaderboard A Survey on Knowledge-Oriented Retrieval-Augmented Generation

こんにちは！ 今日はGitHub Japanからのお知らせです。 最近、GitHub Copilotの新機能やアップデートなど、GitHubの新機能を多数リリースしており、パブリックプレビュー版でお使いいただける機能が増えてきたため、ライセンス条項について日本語ブログにてGitHubからご説明します。 TL;DR GitHub CopilotなどGitHub製品のパブリックプレビュー版またはプライベートプレビュー版など、一般提供（GA）開始前の機能を利用していても、お客様のデータはGitHubが製品で使用するLLM（モデル）の学習には使われません。公開されているデータであり、著作権利用の許容範囲内としてGitHub上のパブリックレポジトリー上のソースコードを含むデータは学習に用いられています。 詳しく GitHub プレリリース ライセンス条項にある「4. データの収集と使用」において、「

こんにちは、イノベーションセンターの加藤です。この記事では、大規模言語モデル(LLM)にJSONやソースコードを正しく出力させるための生成手法であるStructured Generationについて紹介します。 Structured Generationとは パーサーを用いた制約手法 正則言語とは 正則言語のStructured Generation 文脈自由言語とは 字句解析について 正則言語+文脈自由言語のStructured Generation まとめ Structured Generationとは 大規模言語モデル(LLM)はよくチャットボットとしての活用が目立ちますが、LLMの入出力を外部のプログラムに繋ぎ込むことでより高度な自然言語処理システムを作ることができます。 例えばOpenAIのCode Interpreter1はLLMをPythonの実行環境と接続することで、ユーザ

先週は、言語処理学会の年次大会を聴講していました。数多くの興味深い発表がありましたが、仕事でRAG周りの開発に携わっていることもあって、検索やLLMの生成結果を評価する方法について重点的に聴講しました。 そんな中で、製造業の実データを対象としたRAGの改善に関する研究[1]が共感する部分がありました。この研究では、専門的なドメインにおける4つのRAG改善手法（①テキスト正規化、②ハイブリッド検索、③リランキング、④検索ワード拡張）の有効性を検証しています。その結果、テキスト正規化、ハイブリッド検索、リランキングは効果がある一方で、検索ワード拡張には目立った改善が見られなかったとのこと。 論文でも述べられていますが、この結果の背景には、LLMがドメイン固有の知識を持たないことが原因にあるのかもしれません。オントロジーやナレッジグラフを活用すれば、プロンプトを通じて専門知識を補うことはできます

Model Context Protocol (MCP): Integrating Azure OpenAI for Enhanced Tool Integration and Prompting Model Context Protocol serves as a critical communication bridge between AI models and external systems, enabling AI assistants to interact directly with various services through a standardized interface. This protocol was designed to address the inherent limitations of standalone AI models by provid

言語処理学会の年次大会（NLP2025）に参加するために長崎に行ってきたので、業務時間外（←重要）に見たりしたものをまとめる。長崎自体は修士の卒業旅行で行った以来2回目。 聞いた発表・自分の発表などの感想は会社のブログに書いたので、こっちのブログは旅行記だけにしてみた。 moneyforward-dev.jp ペンギン水族館 長崎駅から路線バスで30分くらいのところにある、ペンギンをメインに据えている水族館。国内で一番多くの種類を飼育しているとか。数も多くて、こじんまりした水族館だけどボーッとするのにちょうどいい感じ。 外にいたフンボルトペンギンの展示がよくて、20分くらいボーッと眺めていた。近くにあったら1ヶ月に1回くらいのペースで通うかもしれない。とても平和。 フンボルトペンギン。かわいい。 あと、展示されている理由が全然わからないタイの巨大魚がよかった。現地では神格化されているらしく

言語処理学会第31回年次大会(NLP2025)  に参加&研究発表してきました。本学会は、言語に関する国内最大の研究集会で、2000人以上が参加する非常に活気のある学会でした。 NLPとは言語処理に関する学会で、昨今のLLMブームの影響もあり777件もの一般発表がありました（自分も例にもれずLLM活用）。10年前の2015の発表を眺めたら、word2vecはあるがBERT・transformerはないという時代なのもあり、ゴリゴリと理論に取り組む研究が多かったです。今年は、LLMの内部を理解するというようなゴリゴリ系はもちろんありつつ、安全性・公平性などの人間による定性評価・心理学的視点での研究やデータ枯渇の時代に対処するようなデータセット構築の研究が多かった印象でした。発表777件という驚異で、口頭発表15分は5会場、ポスター発表1時間半は2会場で同時に行われる7パラレルセッションでした

こんにちは、エムスリーエンジニアリンググループ、コンシューマチームの園田です。本記事では、外部サービスとAIエージェントの連携を可能にするMCPプロトコルについて、技術検証の実装例を交えてお話しします。 1. MCPとは（ざっくり） MCP（Model Context Protocol）とは、Anthropic社によって策定されたAIエージェントが外部サービスから情報を参照したり連携することを目的としたプロトコルです。 「MCPサーバー」は、GitHubやPostgreSQLといったリソースをMCPで喋れるように変換してあげるプロキシのようなサーバーです。 Claude DesktopやCursorなどはMCPクライアントの機能があり、GitHubなどのMCPサーバーを利用してナレッジとして利用したり、プルリクエストの作成なども行えます。 Introduction - Model Cont

NLP2025に参加したため、面白かった発表を簡単にまとめます。 言語処理学会第31回年次大会(NLP2025) ちなみに、自分の発表はこちらです。 3月13日(木)の13:00-14:30、1Fで「ニュース記事中の企業名のEntity LinkingにおけるQuestion Answeringを用いた曖昧性解消」というポスター発表します！テキスト中の同名別企業に対して、正しく法人番号を紐づけるタスクを、ICLで解く方法を発表しているので、興味ある方もない方も是非！ #NLP2025 pic.twitter.com/I5fvQ51sek— しんちろ (@sinchir0) 2025年3月12日 (○齋藤 慎一朗, 髙橋 寛治 (Sansan)) モデル拡張によるパラメータ効率的な LLM の事前学習 ○矢野 一樹 (東北大), 伊藤 拓海 (東北大/Langsmith), 鈴木 潤 (東北

こちらのLayerXさんのイベントに参加してきました。ありがとうございました！ LLM Tech Night #5 by LayerX - connpass AIエージェントで精度出すには AIエージェントに雑に仕事を投げない、Agentに頭を使わせない 仕事が決まりきったものであれば、AIエージェントを使うよりも別システムが良い場合も 処理を繰り返すことで、繰り返しの掛け算で出力精度が悪くなる ステップごとに評価を加えることで精度を担保するが、その評価を人がしやすいUXを提供する必要あり ワークフローをルールで縛って、精度をあげる AI Agentをどこから入れるか？ 積み上げで導入するようにしている。 AI agent Tools mastra.ai www.agno.com www.crewai.com autogenai.com github.com AIエージェントのオンボーディ