はてなブックマーク

はじめに 背景 コード品質 ミノ駆動設計講座とは？ AX戦略 AI活用 対応方針 リファクタの対応 リポジトリ分割の例 Before After リファクタの工夫 リファクタの成果 工数削減 Findy Team+で可視化 まとめ はじめに こんにちは。DMMユーザーレビューグループのバックエンドチームの朝妻です。 （本記事は、朝妻が執筆し、TLの松井と協力して仕上げたものです。） 私たちのチームでは、DMMに投稿される「ユーザーレビューを処理するAPI」を開発しています。 このシステムは、レビューの投稿・レビューの表示に関するシステムを担っており、DMMの欠かせない基盤です。 本記事では、それらのシステムに関してエージェント型AI（今回は Devin）を活用し、大規模なリファクタリングを安全かつ効率的に進めた事例をご紹介します。 背景 Devinを活用してリファクタリングを進めるにあたり

1. はじめに 2. SLMってなんですか？ SLMとLLMの比較 SLMとLLMの使い分け LLMの利点と用途 🌐 SLMの利点と用途 🎯 3. どうやって使う？ 検証アーキテクチャ 4. 検証環境と構成 検証環境 検証データ 目標JSON形式 5. 検証結果 5.1 SLM（10b以下）の厳しい現実 5.1.1 検証条件と成功基準 5.1.2 小型SLMの検証結果 5.2 日本語vs英語プロンプトの決定的な差 llama3.2:latestの言語別結果 典型的な失敗パターン 5.3 「SLM」と呼べるのか？大型モデルの検証 大型モデルの結果 5.4 SLMの根本的な課題 5.5 ちなみに：Amazon Bedrockでの検証結果 Bedrockモデルの性能 Bedrockの優位性 5.6 SLMの典型的な失敗パターンと技術的課題 言語の壁：llama3.2の「二重人格」現象 その他

はじめに SIGIR 2025の概要 各自が印象に残ったセッション・発表 基調講演（Keynotes） day1| BM25 and All That - A Look Back（Stephen Robertson） day2| Digital Health（Ophir Frieder） day3| Please meet AI, our dear new colleague. In other words: can scientists and machines truly cooperate?（Iryna Gurevych） セッション・発表 1. Hypencoder: Hypernetworks for Information Retrieval (平野) 2. QDER: Query-Specific Document and Entity Representations for

はじめに Turtle とは わたしたちのこれまでの取り組み AI-Turtle プロジェクトの誕生 Figma MCP サーバーを試す Turtle MCP サーバーを作る MCP サーバーの実装 ルールの作成 デザイントークンの処理 デザインデータは AI-friendly であるべき AI に考えさせることを極力減らす Turtle の認知度向上 さいごに 一緒に働ける仲間を募集しています はじめに こんにちは。DMM.com の プラットフォーム開発本部 > Developer Productivity Group > Turtle チームです。わたしたちのチームは横断チームとして社内の開発生産性を高めるための仕組みづくりを行っており、その一環でデザインシステム Turtle を開発しています。 この記事は、その Turtle と生成 AI を組み合わせ、フロントエンド実装を自動化

はじめに Solr運用における課題 Solrを用いた検索システム構成 Solr構成における課題 EKSクラスタの定期的なアップデート Solrのウォームアップによる起動時間の長さ 検索改善施策への対応 Elastic Cloudに決定した理由 移行方法 既存機能の提供 各ユースケースの具体的なElasticsearchの例 AND検索の例 Index Settingsの例 ファセットの例 重み付けの例(titleにcommentの3倍のスコアリング) 複数Indexの横断検索例 Solr同等の性能 移行してみて 良かったこと Solrからの脱却 検索システムへの理解度 Elastic社のサポート 移行後の課題 1文字検索の要件見直し 特定サービスのリクエスト先Indexを変更 プライマリシャード数のチューニング 運用面での課題 まとめと今後の展望 はじめに データ基盤開発部・検索基盤チーム

General 背景 Zero Trust と BeyondCorp コンテキスト・ベースの必要性 不正対策領域への応用 BeyondCorp 処理フローと 4種の主要コンポーネント 最後の部品 Gateway 全体フロー Component 分割の価値 Blacklight の API 制御における モデルと抽象化 段階的な実現 技術要素 技術的な課題 アルゴリズム的な課題 Blacklightの効果と今後の展望 General プラットフォーム開発本部 第三開発部の恩田です。もともと基盤開発チームで Gatewayやプロキシを設計・構築・運用してきましたが、最近は同じく第三開発部の不正対策チームのメンバーと一緒に、雇われアーキテクトとして次世代の不正対策基盤のアーキテクチャ検討から構築までを担当しています。今回は Blacklight と呼ばれるこの基盤のコンセプトと、それを実際に設計

はじめに 第1章：なぜオブザーバビリティ成熟度評価を始めたのか オブザーバビリティとは 私たちDMM全体が抱えていた課題 SRE部が主導した理由 成熟度評価を採用した理由 第2章：オブザーバビリティ成熟度モデルの構築 モデル設計の方針 評価項目の構成 オブザーバビリティ成熟度モデル 第3章：どのように現状を把握したのか アンケートの概要 アンケートフォームの構成 レポート作成のプロセス 実施の効果 第4章：データから見えた組織の傾向と課題 全体的な成熟度分布の傾向 データから分かるDMMの現実 組織の強み：データ収集と可視化 改善の余地：アラート最適化と障害対応 全体的な傾向 第5章：評価結果をどう活かすのか 改善アクションプランの設計思想 評価項目別改善アクションプラン 改善アクションプランの概要 ツール機能対応表の整備 第6章：活動成果と今後の展望 取り組みの成果と組織変化 取り組みか

はじめに アーキテクチャ設計の具体変化とコード構成の詳細 アーキテクチャ設計の変化 課題1: 各層の相互依存関係により、仕様変更の修正影響範囲が多い 課題2: service 層に複数の責務が集中し、メンテナンス性が低下していた 課題3: service層のdaoへの依存が大きかった コード構成の詳細 「イベントストーミング」から「実装」への変換プロセス 1.ドメインモデル から実装への変換プロセス 2.イベントから実装への変換プロセス 3. コマンド から実装への変換プロセス 4. 実装とイベントストーミングとの違いの見直しと仕様変更による修正 テストしやすい制約のポイント テスト戦略の変化 ユニットテストと統合テストの責任分離 「壊れやすい構造」から 「テストしやすい構造」 へどう変わったか 設計を「知識」として蓄積する 各層の責任の明確化とそれによるレビュー・開発体験の変化 数値で示

1. はじめに 2. AIコーディングのその先へ。開発プロセス全体にAIを導入する 2.1 プロセスを"AI"に置き換えるのではなく、"AI"前提のプロセスに作り変える 2.2 開発フェーズ以外の課題がたくさんある 3. マネジメントの知見蓄積とワークフロー化 3.1 ワークフロー化を避けるべきケース 4. エンジニアが開発に集中してもらうためにできること 4.1 類推見積もりによる超概算見積もり 4.2 コードベースからの仕様自動抽出 4.3 投資工数を分析し、開発業務に集中できているか確認 5. まとめ：AIを活用した開発組織マネジメント 1. はじめに こんにちは。DMM.comでプラットフォーム開発本部の副本部長をしている石垣です。 プラットフォーム開発本部では、AX戦略を進めています。 developersblog.dmm.com developersblog.dmm.com 今

はじめに サービスの紹介 Android版 iOS版 Web版 サービスコンセプト AIコードレビュー導入前の状況 コードレビュー体制 導入前の課題 AIコードレビュー導入の検討 CodeRabbitの導入 CodeRabbitとは 導入の容易さ 導入1ヶ月の効果 主なメリット レビュー内容の変化 定量的な効果 チームメンバーからの声 Android開発ならではの指摘 今後の展望 課題解決の進捗 残された課題 今後の方針 プラットフォーム開発本部のAI戦略 まとめ 2025年4月30日に開催された「Sansan×DMM.com Android Tech Talk」での登壇内容を基にしています。 https://sansan.connpass.com/event/349010/sansan.connpass.com 登壇資料は以下からご覧いただけます。 speakerdeck.com はじめ

はじめに リアーキテクトとドメインモデリングの導入に至った背景 リアーキテクトの体制 リアーキテクトの過程で発生した課題 ドメインモデリングの導入と実践 ドメインモデリング参加者 ドメインモデリングの流れ 要件の洗い出しとドメイン知識の整理 ユースケースの洗い出し イベントストーミング イベントを洗い出す イベントを時系列に並べる コマンドを洗い出す アクターを洗い出す リードモデルを洗い出す ドメインモデルの抽出 AnnouncementToCreateモデル(Aggregate) DraftArticleToCreateモデル(Aggregate) AnnouncementTypeモデル(Entity) 制約の洗い出し 実装メモの作成 ドメインモデリングの見直し リアーキテクトとドメインモデリングの導入を進めた結果 最後に 宣伝 はじめに こんにちは。プラットフォーム開発本部 カスタマ

はじめに どんなイベントなのか コミュニティ支援制度 イベントの内容 Vol.7の振り返り 運営方針 これまでのスタッフの動き ~Vol.5まで Vol.6 今回どう変わったのか オンラインイベント オフラインイベント 大成功 さいごに はじめに 動画配信開発部 配信基盤チームエンジニアの向山といいます。 Vol.1からあっという間に時間が経ってしまいました。 inside.dmm.com 2024/11/04にイベントスペースで開催した天下一キーボードわいわい会 Vol.7（以下天キー） が過去最大規模で大成功した裏側のことなどを残して、知見を共有できたらなと思います。 文章中の出来事は「私がやった」ものではなく、スタッフ全員が協力して達成できたことです。あらためてスタッフメンバーには感謝を申し上げます。 どんなイベントなのか 一言でまとめると「キーボード好き、興味がある人の集まる交流メ

これはなに？ こんにちは、DMM.comのミノ駆動です。 プラットフォーム開発本部 Developer Productivity Group 横断チームにて、 プラットフォームの設計品質向上に取り組んでいます。 ここ最近、AIエージェントなどの登場により ITサービス開発においてAIとの協働が急速に進んでいます。 「これからの開発はAI協働が必須」 「エンジニアにとってAIを使いこなすことが必須基礎スキルとなる」 とも言われ始めています。 望む望まざるに関わらず、生成AIによる開発のスケールは、業界的に必然の流れになるでしょう。 そんな中、生成AIを使いこなすにはどうすればいいのか、 生成AIと上手く協働するにはどのようなノウハウが必要なのか、 どのようなスキルが必要なのか、迷いや不安が生じることも多いでしょう。 実際のところ、生成AIから精度の高い回答を得ることや、どのように生成AIを活

1. はじめに 2. 既存管理画面のリプレース背景 2.1 技術選定の理由 2.1.1 フロントエンド: React 2.1.2 バックエンド: Go 2.1.3 設計: ドメイン駆動設計（DDD） 2.2 再構築による期待効果 3. DDD導入における課題 3.1 DDDの概念理解と実践のギャップ 3.2 Go言語におけるDDD実装のノウハウ不足 3.3 ビジネスロジックの適切な配置 4. 課題解決に向けた対策 5. Go言語を用いたDDDの実践 5.1 DDDの基本概念 5.1.1 ドメイン (Domain) 5.1.2 エンティティ (Entity) 5.1.3 バリューオブジェクト (Value Object) 5.1.4 アグリゲート (Aggregate) 5.1.5 リポジトリ (Repository) 5.1.6 サービス (Service) 5.2 DDDにおけるDI/D

はじめに 我々が抱えていた課題 表示速度改善プロジェクト プロジェクトのスタート Catchpoint Chromeの開発者ツール ページ表示速度の高速化に向けた取り組み １）CSS、JavaScriptの外部ファイル化 ２）EmotionからCSS Modulesへの移行 ３）スクリプトの読み込み条件変更および遅延読み込み プロジェクトの成果 難しかったこと/どのように乗り越えたか 漠然とした不安に立ち向かう力 開発チーム間の連携とエンジニアの主体性 ミッションの異なる組織を納得させるコミュニケーション 成功要因：オーナーシップの重要性 オーナーシップを発揮するチーム作り チーム内で階層を作らず、情報差分もゼロに 小さい成功体験の積み重ね まとめ はじめに EXNOAプラットフォーム戦略室の小林です。 250タイトル以上のゲームを配信するプラットフォーム「DMM GAMES」でPMをして

1. はじめに 2. 制約 3. トライアル成果 発見1. 技術負債の特定とリファクタリング実装の半自動化 発見2. イベントストーミングで設計した画像をもとにドメインモデルと制約の実装 発見3. 指示範囲を明確に絞れば、人より格段に早い 発見4. 開発者の学習効率を上げる Devin or Cline？ 4. 25年3月時点での課題 5. 投資対効果と組織スケールの変化 AIツールの投資対効果 AIツールによって変化した組織スケールの方法 今後の展望 1. はじめに こんにちは。DMM.comでプラットフォーム開発本部の副本部長をしている石垣です。 今回は当社で実施したAIエージェント「Devin」と「Cline」の導入検証の結果について共有したいと思います。 DMMグループのクリエイター組織は、現在1,200名近くのメンバーを抱え、エンジニアだけでも1,000名近くのメンバーがいる組織

はじめに 不確実性の高さ・低さ 上司の上司が仕事していないように見える理由 まとめ はじめに はじめまして。DMMでVPoEを任されている大久保です。 今年で4回目になりますが、DMMグループ Advent Calendar 2024の最後を務めさせていただきます。最後までお読みいただけると嬉しいです。 また、Advent Calendarの他の記事も面白いのでまだ読まれていない方はぜひお読みください。 今回は私がメンバーだった頃から感じていたことについて言語化してみました。 不確実性の高さ・低さ 会社組織は一般的にピラミッド構造を取る傾向があります。その理由の一つとして、不確実性が関係していると考えられます（もちろん、これが全てではありません）。 ビジネスにおいて、不確実性の高い状況下で未決定の事項を決めたり、予測不能な状況で判断を下したりする必要があります。こうした行為は大きな責任を伴

はじめに レクチャー前のチーム状況 レクチャー前のソースコードの状況 目標 やったこと 基本的な設計に関する学習 実務形式での設計 ユースケース図の作成 イベントストーミング ドメインモデリング 実装（モブプロ） レクチャーを受けての現在のチーム状況 反省点 マネージャーの理解 まとめ 宣伝 はじめに プラットフォーム開発本部CSPグループで主にDMMヘルプセンターのバックエンド開発を担当している、佐々木です。 私たちのチームでは、今年の8月から11月にかけてバックエンドAPIのリアーキテクチャに取り組みました。 このプロジェクトでは、アプリケーションアーキテクチャのプロフェッショナルとも言えるミノ駆動（@MinoDriven）さんから直接ご指導をいただきました。ミノ駆動さんは「良いコード/悪いコードで学ぶ設計入門」（以下ミノ駆動本）の著者としても知られています。 この期間中、私たちはドメ

これはなに？ こんにちは、DMM.comのミノ駆動です。 プラットフォーム開発本部 Developer Productivity Group 横断チームにて、 プラットフォームの設計品質向上に取り組んでいます。 さて、ネット上ではソフトウェア開発における「良いコードとは何か」をめぐって、 いろんな意見が交錯したり、 ときには激論を呼んだりします。 収拾がつかないこともしばしばです。 この記事は、良いコードを考えるうえでの要素を整理し、 建設的な議論を助けることを目的とします。 これはなに？ この記事の理解目標 良いコードをめぐる議論 議論1: 何をもって良いコードなのか 議論2: 良いコードはどうやったら書けるのか 議論3: 「綺麗なコード（良いコード） vs 動くコード」問題 議論改善のために提案します 提案1: ソフトウェア品質特性の観点でコードの良し悪しを判断しよう 提案2: 原理原