todo.txtでのタスク管理方法 - bryutus blog
仕事のタスク管理方法としてtodo.txtを利用しています。 これまでMicrosoft To Doといったタスク管理ツールを利用してきましたが、最近はこのシンプルなタスク管理方法が気に入っています。 todo.txtとは todo.txtというテキストファイルでタスク管理を行います。 最も重要なルールは、todo.txtファイルの1行が1つのタスクになっていることです。 それ以外については細かいルールがありますが、どれを使うかは自由に選択ができます。 github.com フォーマット シンプルなルールですが、管理しやすいように少しアレンジしているところを紹介します。 ファイル マークダウン形式（ todo.md ）を使用 GTDを参考にタスクを分類 # Waiting for - ボトルネックになりそうな他の人に依頼していたり、ウォッチしているタスク # Inbox - 新しく発生した
PipeCDとBucketeerのMCP Document Serverを作ったよ
私たちのユースケースでは、特に以下の点がローカル環境のメリットとして際立ちました。 即応性と開発効率の向上: 開発者が日々参照するドキュメントへのアクセスが高速であることは非常に重要です。ローカルサーバーであれば、ネットワークの状況に左右されず、瞬時に情報へアクセスできます。 AIアシスタントとの親和性: CursorやClaude Desktopのようなローカルで動作するAIアシスタントと連携する場合、ドキュメントもローカルにある方がシームレスかつセキュアに連携できます。 もちろん、ドキュメントの一元管理や大規模なチームでの共有といった点ではリモートサーバーに分があります。 しかし、PipeCD、BucketeerはOSSという特性があるため、無理にリモートにしなくても良いという判断となりました。 構築するうえで工夫した点 PipeCDとBucketeer、それぞれのMCP Docume
AIのための
オンボーディングドキュメントを整備する - hirotea
金融システムをモダナイズするためのAmazon Elastic Kubernetes Service(EKS)ノウハウ大全
AWS公式ドキュメント検索を効率化：DifyとMCP Serverで作るAIチャットボット - 株式会社X-Tech5
はじめに AWSに関する情報を探す際、公式ドキュメントは最も正確で重要なソースです。しかし、膨大なドキュメントの中から必要な情報や解決策を見つけ出すのは時に一苦労です。 AWSが公開している AWS Documentation MCP Server は最新の情報を検索できる Model Context Protocol (MCP) サーバーであり、効率的なドキュメント検索の助けになります。 今回は Dify Community 版を利用し、 ユーザーが個別の端末設定なしに利用できるチャットボット を作成した事例を紹介します。 前提 MCPを使う際、公式サイトでも紹介されている Claude for Desktop アプリケーションに設定方法がまず思い浮かびます。 この場合、利用者が個別にインストールや設定を行う必要があるため、その手間を省いて利用できる方法を検討しました。 そこで今回は既存
LLMマルチエージェントAutoGenに入門 ~基本設計書の作成とレビューをさせてみる~
AutoGenとは？ 人やLLMなどをエージェントと見立て、エージェント間でのコミュニケーションを実現するマルチエージェントフレームワークです。 各エージェントはConversableAgentクラスでの設定により、以下のエージェントを作れます。 人からの入力 UserProxyAgentが用意されている。 LLMによる会話エージェント AssistantAgentが用意されている。※ConversableAgentを継承してコンストラクタで設定値を変えているだけなのでカスタマイズ可能。 コード実行エージェント ツール実行エージェント AzureOpenAIでクイックスタート JSONファイルにAzureOpenAIへ接続するための設定を書く。 ファイル名「OAI_CONFIG_LIST」で以下のJsonを設定します。 base_urlとapi_keyは、お使いになるAzureOpenAI
ColQwen2（Colpali）による日本語PDFのページ検索（上位スコアの抽出とフィルタリング）+ Qwen2-VLでQ&A
はじめに 今回はColQwen2を使った日本語PDFのページ検索を試してみます。 具体的には以下を（個別のpythonスクリプトで）実装してます。 create_embedding.py : 日本語PDFをベクトル化してインデックスを作成 search_pdf.py : 作成したインデックスを用いて検索クエリからPDFの検索を実行後、検索結果として上位スコア5件（ページ）を出力 search_pdf_normalize.py : 作成したインデックスを用いて検索クエリからPDFのページ検索を実行後、検索結果のスコアを正規化（Min-Max法）して0.6以上の結果をフィルタリングして出力 search_pdf_qa.py : 上位スコア1件を検索後、Qwen2-VLを用いてQ&Aを実行 ColQwen2とは ColQwen2は、画像からインデックスを作成して検索可能にするColPaliという
GitHub DiscussionsにTipsを残す使い方をしてみた話 - CARTA TECH BLOG
CARTA fluct エンジニア の なっかー @konsent_nakka です。 私のチームでは2024年7月ごろからGitHub Discussionsを運用しています。 運用の結果、感触が悪くなかったので共有がてら記事にしました。 GitHub Discussionsとは プロジェクトに関するコミュニティの共同コミュニケーションフォーラムです。 コミュニティメンバーは、質問をしたり、質問に答えたり、最新情報を共有したり、自由形式の会話をしたり、コミュニティの動向に影響を与える決定をフォローしたりすることができます。 https://docs.github.com/ja/discussions/quickstart 想定読者 知識が流れてしまって貯まらないチーム slackに投稿されたままいずれ見つけられなくなる 一覧性が良くない 知識を貯めることはできるが更新されず混乱を招いてし
esaによる情報共有で自律的なチームを目指す - Money Forward Developers Blog
こんにちは、エンジニアの越川です。 先日弊社の情報共有のツールとして、esaを導入しました。我々が感じていた課題とそれを解決するためのツールの使い方をご紹介します。 新しいプロダクトを導入したことで、今後どんな効果が現れるかが楽しみです。 我々チームの課題 今までいくつかの情報共有のためのツールを導入しながら手探りでより良い方法を模索してきたのですが、色々と試していく中で我々にとっての課題が見えてきました。 大きなものとして、暗黙知がイマイチ集合知として浸透しないという課題がありました。我々は個人の暗黙知をチームの集合知として浸透させることでチームをスケールさせたいのです。 この課題をブレイクダウンしてみました。 情報の共有をしている人が大多数と言えない一部の人だけである => もっと気軽に情報を共有して欲しい 探したい情報が整理しづらく見つけづらい => せっかく共有された情報は整理して
新しい開発チームに入ったらやっておくべきたった一つのこと
こんにちは、宮本（社内ではDannyと呼ばれています）です。 今年の2月から株式会社TimeTreeに転職し、Androidエンジニアとして働き始めました。 今回は、私が新しいチームへ入った際に必ず行っているプロダクトのキャッチアップ活動を紹介します。 新しいチームでの第一歩 私は新しいチームに入った際には、用意されたオンボーディングだけでなく、自主的にチーム活動やプロダクトについてキャッチアップをしていくことを大切にしています。 具体的には、チーム活動やプロダクトの良いところ・気になったことなどを社内ドキュメントにまとめて、後日社内メンバーとのミーティングを主催して読み合わせを行うという活動です。これを私は「はじめて触って気づいたこと会」と名付けました。 この活動の最大の価値は、新しい視点からプロダクトやチームを見ることができる時期だからこそ気づけることを共有できることにあります。時間が
【自然言語】近傍検索を使って、PDFの関連部分にマークをつける
やること chatGPTにしろperplexityにしろ、ハルシネーションのリスクは常に付きまとっており、間違った答えを返されるくらいなら、答えの生成まで不要というシーンも多々あります。 そこで、PDFの文書から探したい場所を見つけ出して、その部分にマーカーを引く機能を実装します。 今回はキリンのサスティナビリティレポートを題材にしてみます。 （なぜサスティナビリティレポートかというと、私の本職が某製造業のサスティナビリティ部門だからです。ちなみにキリンの社員ではありません） ※ 以前PDFの読み込みやFAISSを用いた近傍検索の記事を書きました。これらの更新版です。 環境設定 2024年10月7日にpython3.13.0が正式にリリースされました。少し遅れて本日、pyenvもpython3.13.0をインストールできるようになり、早速私も試してみました。 ですが、現時点ではFAISS、
AI Agent時代なのでAWSのLLMs.txtが欲しい！
color is【クラウドLT大会vol.13】 でお話しした内容です。 https://saison-coloris.connpass.com/event/343379/
間違いだらけのポストモーテム - ホントに役立つレビューはこうだ!
CloudNative Days Winter 2024で登壇した資料です
本質的ではないが重要なNotionドキュメンテーション作成テクニック
はじめに みなさんはNotionを使っていますか？私は仕事でもプライベートでも活用しています。Ubieという私が所属している会社ではドキュメントは全面的にNotionを使用しており、仕事の細かなドキュメントや議事録から、外部に公開するためのカルチャーガイド(UPP)まで、様々なところでNotionが使われています。 ドキュメンテーションの本質は、とにかく文書を書くことです。その上で、それをどうやって人に読んでもらうか、意図を理解してもらうか、ということが次に来ます。読まれる場所に文書があったからといって、それが乱雑に言いたいことを書きなぐった文書だったり、短編小説レベルの長文であれば、それを人が上から下まで完璧に読んで理解してくれると期待することは酷でしょう。伝えたい内容が簡潔に記してあり、かつそれが読者の目を惹いてかつ読みやすい形になっていて、初めて伝わる文書であると私は思います。 そこ
社内向けにDevinクイックスタートガイドを作った話
Devin話題ですよね！弊社でもつい先日から契約開始しました！ 既に社内でガンガン利用されてる他社様での事例を拝見していると、難しいタスクになると中々うまくいかないようなお話も耳にしつつ、その会社独自で活用パターンを見つけられてるように感じました。 なので、活用パターンを丁寧に調べてからチームに渡すのではなく、クイックに展開した上で社内メンバーにDevinを活用してもらって、会社独自の利用パターンを探るのが良いなという考えに至りました。 早く使ってもらいたいと思いつつ、導入しました！使ってください！だと使い方のハードルがあったり、セキュリティやコスト面での懸念があったので、最低限担保したいことを整理した上で社内向けにクイックスタートガイドを作ってみました！ CTOである自分自身が決裁者としてなぜDevinを導入したのかという背景や、活用して行く上でのステップについて社内用に整理したものをア
プレゼン資料は、まず説明の練習をやってから書き始める - Magnolia Tech
プレゼン資料、報告資料など、文書で人に何かを説明する資料を作るときは、まずは資料もないところから「説明の練習」をはじめる まずは2-3分で短く説明する 次に段々時間を延ばしていってターゲットにする時間（たいてい10分〜15分とかになることが多い）くらい想定する資料の流れで喋れるようになってから実際のドキュメントを作り始める 最初は声に出さないけど、次第に声にだして練習を繰り返す どんなドキュメントを描くにしても2-3分で概要を説明できるようになってから書いてって言ってる 短い時間でポイントに絞って説明できないなら、まだドキュメントを書く段階じゃない LTやって膨らませて長い発表に成長させていく感じ— magnoliak🍧 (@magnolia_k_) February 20, 2025 ドキュメントを作るところから始めると、細かいところや、レイアウトとかに先に気持ちが持っていかれてしまっ
ADRのレビューのスタンスはあまり研究されていない気がする - hitode909の日記
ADRは書く機会より読む機会のほうが多いのだけど、読んでいて、冗長だったり、長いと感じると、もっと小さくならないの？って聞きたくなる。 それと同時に、失礼なことをしてないかハラハラする。 これがコードだったら、文のレベルと振る舞いのレベルは切り離されているので、振る舞いを変えずにリファクタリングして小さくできることは明らか。 文章の場合は、削ると、文章が働く役割は自明でないことから、せっかく書いたんですけど、みたいな気分になるような気がする。 文章を扱うときには、問題vs私達になりにくくて、容易に人vs人になってしまう。 普段、編集提案機能のないツールでADRを書いていて、議論のコーナーを作って自然文でやり取りしているのだけど、これではツールの支援が足りなくて、めんどくさい。 レビュワーという立場でファシリテーションしに行くか、意見だけ書いて著者にファシリテーションしてもらうかなど、どの強
{bookdown}を利用してRで本を作成 - Qiita
この記事は,R Advent Calendar 2016の第22日目の記事です。 R Markdownとは Rでドキュメント生成 Rは一般にデータ解析や可視化で利用されることが多いですが,Rでドキュメントを生成することが可能です。多くの場合,R Markdownを利用して作成され,その便利さ,将来性に注目が集まっています。以降,R Markdownを念頭に話を進めます。 Rでやるメリット R(R Markdown)でドキュメントを生成するメリットは数多くありますが,以下のようなものが挙げられます: 分析からレポート生成までが完結 WordもExcelも(そしてぱわぽも)いらない コピペ汚染からの開放 再現性の確保 同一の内容をそのまま再現できる 再利用、配布が簡単 コードを簡単に再利用可能 テキストデータなので運用が簡単 作るのが簡単 ドキュメント部分は基本Markdown 基本的な考え方
PythonとQuartoでデータ分析レポートを速攻作成 - Qiita
はじめに Quartoを使ってみたらPythonでのデータ分析レポート作成がとても便利だったので紹介します。 想定読者: Pythonでデータ分析をしている方、これから始めようとしている方。(Pythonおよびマークダウンを書いたことがあると想定します) なおR Markdown+RStudioと非常に似ていますが、R/RStudioをインストールしなくても使える点が便利です。 Quartoとは 公式サイト解説(抜粋・翻訳) QuartoはPandocを使って科学技術ドキュメントを生成するオープンソースのシステムです MarkdownまたはJupyter notebookからドキュメントを生成できます Python, R, Juliaに対応 HTML, PDF, MS Word, ePubで出力可能 Jupyterlabによるレポート作成(HTML出力)よりも優れている点 ソースコードが短
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
目的に沿ったDocumentation as Codeをいかにして実現していくか / PHPerKaigi 2021
自動生成を活用した、運用保守コストを抑える Error/Alert/Runbook の一元集約管理 / Centralized management of Error/Alert/Runbook to minimize operational costs using automated code generation
