AIコーディング前提の開発プロセスを仕組み化 はじめまして。松尾研究所の中川です。 AIコーディングを前提に、提案から開発・運用までを一気通貫で進めるスタイルは増えつつあります。弊社のプロジェクトでも、AIコーディングは単なる「補助」ではなく、開発プロセスの中核として扱われる場面も多くなってきました。 私も小規模体制で開発速度と品質を両立するために、Claude Codeの運用における 並列化・プロンプト運用・レビュー自動ループ・ナレッジ一元化・インストラクション（Skills） の5点を“仕組み”として作っています。 この記事では、Claude Code中心のAIコーディング手法をまとめます。 開発対象 Claude Codeの実務運用で開発したWebアプリ構成です。 フロントエンド： React + Vite + TypeScript バックエンド： FastAPI 非同期処理ワーカー
『現場のPython』を読んでPythonでWeb Appを作るために必要なものが大体わかった気になった - プププなテクブ
書籍はこちら。 現場のPython──Webシステム開発から、機械学習・データ分析まで Web＋DB PRESS plus 作者:altnight,石上 晋,delhi09,鈴木 たかのり,斎藤 努 技術評論社 Amazon 元々WEB+DB PRESS plus で連載されていた内容をまとめた本。連載期間は2020年6月〜2023年8月のものだったらしいけど、書籍化にあたって加筆されているらしい。 初版の発行は2024年9月と最近である。 この本を読もうと思った経緯 仕事で少しだけPythonを使うことになったから。作るものは簡単なツールだったんだけど、それにあたって環境周りやらLinter、Formatterとかは最近は何を使うといんだろう？っていうのをキャッチアップしたかった。 こればっかりはとっかかりがないことにはドキュメントを見に行くこともできないので、いい感じにまとめられてる情
FastAPI入門 - モダンなPythonフレームワークの特性をチュートリアルで手軽に学ぶ｜ハイクラス転職・求人情報サイト アンビ（AMBI）
FastAPI入門 - モダンなPythonフレームワークの特性をチュートリアルで手軽に学ぶ PythonのWebフレームワークとしていま注目を集めるFastAPIは、シンプルにコードが書けるだけでなく、パフォーマンスが高いWebアプリケーションのバックエンドサーバーが構築可能です。同フレームワークの勘所をPythonスペシャリストの杜世橋さんが、初心者向けのハンズオン、そしてより実践的な画像への自動タグ付けサービス実装をとおして解説します。 FastAPIはいま非常に注目されているPythonのWebフレームワークの1つです。Flaskのようにシンプルに書ける一方でPythonのType Hintの機能をうまく活用し、HTTPのリクエスト/レスポンスをPythonの関数の引数/戻り値とシームレスにマッピングして非常に効率的に開発ができるのが最大の特徴です。非同期処理にも対応していてその名
なんかいけそうな気がしたので Code Interpreter でシュッと Web アプリつくってもろた｜bbz
ちゃっす(/・ω・)/ 今日も ChatGPT Code Interpreter さんと戯れていましたの。 で、タイトルの通りなのだけれど、仕様書書いて渡したら Web アプリシュッと作ってくれんじゃね？( ・ω・) という闇の遊戯をした。 という話。 目標実行や指示はすれどもワタクシは一切コードを書かぬ！！ 普通にエラー修正とか自分でやった方が早いけどやらぬ！！ 全てを ChatGPT への指示で完結する！！ で、納品されたもの(/・ω・)/ 納品物 トップページ 登録画面 ログイン画面 Activity 一覧 Activity 修正 レポート画面 すごない？( ・ω・) やったこと～ChatGPT との対話を残すでござる( ・ω・) ※ ChatGPT Code Interpreter Plugin が使えないと同じ事はできないぞ☆ 仕様書を提供しますので、 仕様にそった Flask
pytest でテストケース毎に DB を自動的に初期化して、テスト開発体験を向上させる - SalesNow Tech Blog
概要 Web バックエンドのテストコードを書く場合、その多くは DB に依存していることが多いです。 DB 関連のテストは、テストデータの準備やテストケース毎の DB 処理化を適切に行うことが重要ですが、手間がかかる場合あるため、Mock で擬似的にテストしてしまうことも多いかと思います。 ただ、Mock を使ったテストは本質的な問題を検知できない意味のないテストになってしまう可能性があり、可能な限り DB の Mock を行わずに、実際の DB を使用してテストすることが望ましいと考えています。 本記事では、pytest、sqlalchemy、PostgreSQL を使った場合に、テストケース毎に DB を簡単に初期化しつつ、テストケース毎の前提データ登録も簡単うことでテスト開発体験を向上させる方法を紹介します。 前提環境 本記事では、以下の環境を前提として説明いたします。 python
Check Point Software Technologiesは6月16日(米国時間)、「PyPI Suspends New Registrations After Malicious Python Script Attack」において、PyPI (Python Package Index)リポジトリに悪意のあるパッケージが複数あることを伝えた。「DreamyOakXTimmywag」と呼ばれる作成者により、44もの不正なパッケージがリポジトリに追加されていたことが明らかになった。 PyPI Suspends New Registrations After Malicious Python Script Attack 特定された44の不正なPyPIパッケージは次のとおり。 sys-scikit-learn 17.8.18 sqlalchemy-requests 7.1.1 sqlalc
import matplotlib.pyplot as plt coeff = np.corrcoef(X, Y)[0, 1] plt.figure(figsize=(5,5)) plt.title("correlation coefficient = {0:.3f}".format(coeff)) plt.scatter(X, Y) plt.xlim([0, 1]) plt.ylim([0, 1]) plt.grid() plt.show() Collecting optuna Downloading optuna-2.10.0-py3-none-any.whl (308 kB) [K |████████████████████████████████| 308 kB 5.4 MB/s [?25hRequirement already satisfied: numpy in /usr/l
はじめにこんにちは。 今年の夏ごろにAWSからAIを搭載したIDEであるKiroがリリースされました（プレスリリース）。 AWSから提供されていることもありAWSとの連携は強いのですが、最大の特徴としては単なるAIによるコード補完や生成にとどまらず、仕様駆動開発 (Spec-Driven Development)を核としているところにあります。 開発のアイデアを日本語などの自然言語でAIに与えることで、AIが要件定義、システム設計、実装タスク等を作成してくれます。それを基にコードを含む成果物を生成することで、短時間で開発のアイデアを動くモノとしてアウトプットすることが可能になります。 実際に下記のようなWebページをKiroを用いて開発しました。 インストール公式ページからダウンロードが行えます。リリース当初はウェイトリストがあったのですが、現在はウェイトリストは終了しているとのことです。
FastAPI SQLModel 入門 - Qiita
SQLModel はPythonコードから SQL databases と会話するためのライブラリです。ここでは FastAPI での使われ方を見ていきますが、FastAPIとは独立したものとして設計されています。 SQLModelはFastAPI の作者が自ら作成しており、SQLAlchemy と Pydantic の両方との互換性を保っています。Pydantic はデータ検証のためのPythonライブラリです。Pythonのtype hintが使われます。ですからPydanticクラスはAPIの入り口であるパスオペレーション関数で使われることが一般的です。 過去記事「FastAPI と SQL Databases(SQLAlchemy)」でFastAPIで SQLAlchemy を使ってSQL Databaseを扱う方法を述べましたが、SQLAlchemy と Pydantic の2重
SQLAlchemyを何となくで使用していたのでこの機会に入門してみました。 Flask-SQLAlchemy を用いてRDBをORMとして扱い、REST APIを作成します。 ORMとは ORM（Object-Relational Mapping）とは、データベースとオブジェクト指向プログラミング言語とのマッピングを行うことを指します。 ただこれだけ聞くと、イメージしづらいですが、簡単に言うと、SQL文を直接記述せずに、通常のオブジェクトを扱うようにデータベースを扱うことができるということです。 Pythonでは、ORMモジュールの1つに SQLAlchemy があります。 SQLAlchemy SQLAlchemyは、Pythonでポピュラーに使用されているORMライブラリの1つのようです。 SQLite、Postgresql、MySQL、Oracleなどさまざまなエンジンにも対応して
Boring Python: code quality
Boring Python: code quality December 19, 2022 Django, Python This is the second in a series of posts I intend to write about how to build, deploy, and manage Python applications in as boring a way as possible. In the first post in the series I gave a definition of what I mean by “boring”, and it’s worth revisiting: I don’t mean “reliable” or “bug-free” or “no incidents”. While there is some overla
LangChainでBigQueryデータを使ったグラウンディングを実装してみた - G-gen Tech Blog
G-gen 又吉です。当記事では、Google Cloud の LLM (Vertex AI PaLM API) と LangChain を組み合わせて、自然言語から BigQuery 上の統計データを取得する方法を紹介します。 はじめに 準備 実行環境 使用するデータ 実装 ライブラリのインストール 関数の定義 概要 解説 実行 はじめに LangChain とは、大規模言語モデル (LLM) アプリケーションを効率よく実装するためのフレームワークです。LangChain についての詳細は以下の記事をご参照ください。 blog.g-gen.co.jp LangChain にはさまざまな機能が提供されておりますが、今回は Agents 機能を用いて SQL データベースと対話するエージェントを作成します。 LLM のハルシネーション (幻覚) を抑制する手法として、指定した情報源だけに基づ
G-genの西田です。当記事では、Gemini CLI での対話だけで、To Do タスクを管理するWebアプリケーションの開発手順を紹介します。 はじめに 当記事について 開発ステップ Gemini CLI の起動 要件定義と開発計画の決定 アプリケーションの開発 開発の開始 動作確認 アプリケーションの修正 はじめに 当記事について 当記事では、Webアプリケーションの開発経験が無い方でも、Gemini CLI を利用して To Do タスクを管理するWebアプリケーションを開発する際の進め方をご紹介します。 前編では、アプリケーションの基本的な動作や画面を確認できるプロトタイプを作成することを目的として、Gemini を利用した要件定義から始めて、ローカル環境で動作確認を行うレベルの開発を実施していきます。 この記事では、Gemini CLI や Cloud Shell などを活用し
SQLポケットガイド 第4版
現場で重宝するSQLリファレンス。ソフトウェア開発の現場では、「SQLの構文をすぐに確認したい」「データベースによって異なるSQLの書き方を知りたい」「久しぶりにSQLを使うので簡単に復習したい」といったことがよくあります。本書では、仕事でSQLを利用しているプロの開発者を対象に、主要な5つのデータベース――MySQL、SQL Server、Oracle、PostgreSQL、SQLite――で使われるSQLの構文およびデータベースの基本を簡潔に解説します。PythonやRからSQLを利用する方法も解説しているので、データアナリストやデータサイエンティストなど、開発者以外のSQLユーザーにも有用でしょう。 まえがき 1章 SQL速修講座 1.1 データベースとは何か？ 1.1.1 SQL 1.1.2 NoSQL 1.1.3 データベース管理システム（DBMS） 1.2 SQLクエリーとは何
はじめに こんにちは、山本です。APIを実装するとき、個人的には認証が一番難しいと思っています。しかし、FastAPIでは簡単に認証が実装ができるような仕組みがあります。本記事では、私が公式ドキュメントを読んで学んだ認証の方法を実装を動かしながら紹介します。 認証とは 認証はAPIを特定のユーザしか利用できないようにする技術です。APIはエンドポイント(URL)を知っていれば基本的に誰でもアクセスでき、個人情報などの流出につながる恐れがあります。そこで、アクセスするユーザが誰なのかを認証(authentication)し、そのユーザがどの情報(resource)にアクセスできるかを認可(authorization)します。 はてなブログでのGoogleによるソーシャルログインを例として説明します。Googleのメアドとパスワードの入力が認証にあたり、はてなブログがGoogleのアカウントの
PythonとFlaskの魔法：Webアプリ開発を効率化するFlaskとの連携 - ITエンジニアが仕事に対して思うこと
### PythonのWebアプリケーションフレームワークとして広く利用されているFlaskは、シンプルで柔軟な構造により、開発者に優れた自由度を提供しています。この記事では、PythonとFlaskの連携に焦点を当て、具体的なコード例を交えつつ、Flaskを使用したWebアプリケーションの開発手法や豆知識を掘り下げていきます。 Flaskとは何か FlaskはPythonの軽量なWebアプリケーションフレームワークで、マイクロフレームワークの一種です。シンプルながらも強力で、必要最低限の機能を提供しつつ、拡張機能を導入することで柔軟に機能を拡張できます。これにより、小規模なプロジェクトから大規模なアプリケーションまで、幅広い開発ニーズに対応できます。 Flaskの基本的な機能 Flaskが提供する基本的な機能を理解することで、開発の初めての一歩を踏み出すことができます。以下に、Flask
はじめに PyAirbyteがリリースされました。(2024/03/16時点ではBeta版なのでご注意を) PyAirbyteはExtractのコネクタ部分をPythonのライブラリとして提供してPandasに格納するという機能を提供しているらしい。 つまり、BigQueryのクライアントと合わせればExtractとLoadの部分を過疎結合にしつつ、スケジューラーでPythonを呼び出すだけのシンプルなData Ingest Pipelineを作ることが可能なのでは！？ということで検証します。 個人的に考えるData Ingestツールの抱える課題点 FivetranのようなSaaSを使い始める際は規約確認や、契約がとても面倒 Airbyteは契約関連の面倒な部分は無いが、運用工数が大きすぎる worker, sever, temporal, api, dbなどなど(ちゃんと拡張性を考えて
AWS App Runner × FastAPI で作る REST API パターン 3 選 - サーバーワークスエンジニアブログ
こんにちは。アプリケーションサービス部の河野です。 アプリケーションサービス部では、週に一回、技術発表会という形で、発表者が興味がある技術について自由にプレゼンテーションしています。 その中で「App Runner で REST API 開発するの良いぞ」っていう話をしたので、本ブログでも紹介したいと思います。 導入 コールドスタート問題 デプロイ容量問題 serverless.yaml 書くのツラい問題 ローカルのテストしづらい問題 App Runner とは？ FastAPI とは？ 環境 パターン①: データストアなし パターン①: 実践 ローカルで動作確認 ECR を作成 イメージをビルド&プッシュ App Runner デプロイ 上手くいかない場合は？ パターン②: DynamoDB パターン②: 実践 ローカルで動作確認 fastapi コンテナ localstack コンテナ
DynamoDBをORMのように操作できるPythonのパッケージ「PynamoDB」を使ってみます。辞書化型とクラスの変換をする必要がなくなり、楽にDBを操作できます。 PynamoDB PynamoDBはDynamoDBのPython用クライアントです。 SQLAlchemyなどのORMのようにDynamoDBを操作することができます。 Boto3などを使ってDynamoDBを操作していると、dict⇄データクラスの変換が発生してコードが冗長になる気がします。 また、dict型だとインテリセンスの問題もあります。クラスになっているとその辺りは楽になる気がします。 インストール pipでインストール可能です pip3 install pynamodb 使ってみる テーブルの定義 from pynamodb.models import Model from pynamodb.attribu
はじめにAIの進化、特に生成AI、AI エージェント の登場は、私たちの学習方法に大きな変革をもたらしています。従来の学習法が時代遅れになったわけではありませんが、AIを効果的に活用することで、より効率的で実践的な学習が可能になりました。 私がポストしたAIエージェントを用いた学習方法の内容で反響いただきたことからAIを用いた学習法に関心が高まっていることがことがわかります。 自分もCS出身で情報の基礎知識は持っていたほうがいい前提でAI時代はこういう学び方もあるよのご紹介を。 Cursor というコードを書くツールがあるのですが、こちらの AI Agentを使うと、完全ノー知識でも「これ作りたい」だけ言えば開発、学習ができます。 以下に学び方手順挙げましたのでご参考までに https://t.co/lJ2Bs3WC6L — 松濤Vimmer (@shotovim) December 31
SQLModelとは? SQLModelとは、FastAPIと同じ開発者が開発しているPythonからSQLを操作するためのライブラリです。一般的にはSQLを操作するライブラリは、ORM(ORマッパー)と呼ばれています。 FastAPIを使っている人にとっては、お馴染みの型ヒントによる型チェックを行ってくれるPydanticとSQLを操作するORMライブラリSQLAlchemyを組み合わせたライブラリです。 SQLModelの特徴 SQLModelの特徴は、 SQLAlchemyとPydanticをベースに開発されている。 SQLAlchemyとPydanticを組み合わせたライブラリなので可能な限り単純化していて重複したコードを書かなくてよい。 FastAPIの開発者が開発しているため正にFastAPIのためのORMみたいな位置づけ 冒頭にも書きましたが、modelsとschemasでし
当記事は みずほリサーチ&テクノロジーズ × G-gen エンジニアコラボレーション企画 で執筆されたものです。 Cloud Armor は Google Cloud でセキュアな Web アプリケーションを構築するために欠かせないプロダクトです。 代表的なアプリケーションへの攻撃である SQL インジェクションを題材に、CloudArmor の機能を体験できるハンズオンを整備しました。 G-gen の片岩です。 当記事ではサーバレスな Web アプリケーションを構築し、SQL インジェクション攻撃から保護するまでの手順をご紹介します。 Cloud Armor はじめに Cloud Armor とは 当記事の概要 関連記事 構成図 作成するアプリケーション 事前準備 Google Cloud にアクセス プロジェクトIDの確認 Cloud Shell の起動 変数PROJECT_IDの設定
The ultimate async setup: FastAPI, SQLModel, Alembic, Pytest
FastAPI is a popular topic nowadays and I have decided to share my setup for an async web-server using this framework. Here is a short description of python packages used in the article (just to make a whole picture to save your time): Poetry (https://python-poetry.org) — is a tool for dependency management and packaging in Python. It allows you to declare the libraries your project depends on and
こんにちは。LayerX AI・LLM事業部 テックリード、osukeです。 Ai Workforce のプロダクト開発をしています。 この1年間で、Ai Workforceは初期フェーズのプロダクトとして成長し、より多くのお客様に提供されるサービスとして成長しています。 初期フェーズはプロダクトとしての機能が圧倒的に足りていなく、機能開発にほとんどのリソースが割かれる中、開発環境の整備にも一定の投資をしてきました。 ここでは、0->1フェーズでプロダクト開発を進めていく中で開発環境をどのように変化させてきたのか、そして今後どうしていきたいのか紹介してきます。 管理画面 初期フェーズ 管理画面開発者が都度、踏み台を経由してデータベースに直接データを書き込むことで運用していました。 これにより、開発者の手動による作業が多くなり、セキュリティ的なリスクや開発者の工数増加など課題がありました。
Azureにコンテナで作ったWebアプリを公開する
この記事中の金額は、執筆時のものです。実際に使われる方は、公式をご確認ください。 Azure側の価格改定や価格レートの変動により、金額が実際と乖離している可能性があります。 はじめに Azureで比較的モダンなアーキテクチャでWebアプリを公開します。 下記のマインドで書きます。 Azureは世の中の情報が少なすぎるので、少しでも情報を残したい。 VMを立ち上げて自力でサーバー構築とか今どきのクラウドでやることではないので、モダンな方法でアプリを構築したい。 しかし、Azureでサーバレスはあり得ないレベルで難易度が高いので死ねる。 なので、間を取って(?)コンテナで開発する。 シリーズもの第１回になる予定です。 この記事でやること コンテナで作ったWebアプリをAzureで公開します。 最終的に目指すもの 下記の思想で設計しています。 それなりの柔軟性を持たせつつ、それなりのセキュリティ
今回は、Pythonで簡単にSQLを実行できるSQLAlchemyというO/Rマッパーを使用し、実際にMySQLとマッピングしてCSVファイルのデータを追加したり、CRUD操作をする方法について実装を行ったので、備忘録として残しておこうと思います。 前提 SQLAlchemyがインストールされていること mysql-connector-pythonがインストールされていること 上記モジュールがインストールされていない場合は、pipにてインストールを実行してください。
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
Claude Code中心のAIコーディング運用：実務で効いた5つの型
不正なPythonパッケージをPyPIに44個発見、利用の有無の確認を
相関係数が0.63の散布図を作成する - Qiita
AWS発のAI搭載IDE「Kiro」を使って爆速開発してみた | iret.media
Flask SQLAlchemy で REST API を作ってみた | DevelopersIO
Gemini CLIだけでTo Doアプリを開発してみた（前編） - G-gen Tech Blog
FastAPIでの認証の実装が簡単すぎた！【コード有】 - HapInS Developers Blog
PyAirbyteで始める簡単Data Ingest Pipeline
DynamoDBのORM「PynamoDB」を使ってみる | DevelopersIO
AI時代における学習法の進化：インプット主導学習からアウトプット主導学習へ｜松濤Vimmer
【Python】FastAPIのORMはSQLModelがおすすめ
Web アプリを作成して SQL インジェクションから保護してみた - G-gen Tech Blog
Ai Workforce激動の1年間を駆け抜けた開発環境の変化 - LayerX エンジニアブログ
【Python】SQLAlchemyでMySQLに接続する - Qiita