はてなブックマーク

TL;DR Claude Codeの拡張機能で1日中開発してたら使用量が $120 に(Sonnet 4.6) 原因は「同一セッションで長時間開発し続けること」だった 対策は「タスク単位で /clear する」だけ 何が起きたか 社内ツールを Claude Codeを使って開発していたところ、拡張機能の使用量モニターを見たら $120 を記録していた。 実際の請求額ではなく VSCode 拡張機能上の表示だが、それでも高い。 Session: 06-05 09:46 (とある1セッション) Cost: $88.94 Messages: 686 Input Cache (Hit): 261,775,023 tokens Input Cache (Miss): 1,321,484 tokens Output Tokens: 702,281 tokens 原因を調べた トークンの内訳を見ると、1

はじめに こんにちは！ 株式会社エクスプラザのhyodoです！ 最近はコードだけでなく、テストもAIに書かせることが増えてきました。「この関数のテストを書いて」とお願いすれば、それっぽいテストが一瞬で出てきます。 でも、ここで一度立ち止まって考えたいことがあります。 そのテスト、本当に「良いテスト」ですか？ テストが通っていて、カバレッジも十分。一見すると問題なさそうです。でも「テストが通る」ことと「テストがバグを検出できる」ことは、実は別物です。そして、AIが書いたテストはこのギャップにハマりやすいです。 この記事では、テスト自体の品質を測る手法であるMutation Testing（ミューテーションテスト）を紹介します。「テストをテストする」という考え方です。 動作環境 この記事のGoのコードはGo 1.26で動作確認しています。 テストが「ちゃんとしている」かを手で確かめる AIが書

この記事は、LiteLLMをやめて自作Goバイナリに置き換えたら一気に軽くなりました - 「実践AIエージェント開発」を実装してみたの実践編です。自作したgo-llm-agentを使い、Ollama経由でローカルLLMにRubyとGoの落とし穴を質問して、回答の正確性を検証しました。 同じ質問を異なるモデルに投げることで、モデルの得意な言語と不得意な言語、そして質問の仕方による回答品質の変化が明確に見えてきました。 検証環境 項目 内容

「カーニーはんの手紙」を知ってますか？ 初めて読んだ時、その理解りやすさに衝撃を受けました。 難しい経済用語ですら、関西弁にすると理解できるならば！ 司法試験のための暗記も、関西弁で解説してもらったら楽勝なんじゃね……？ という仮説が成り立ちます。 いや、司法試験を受ける予定はないのですが 「権利の上に眠る者は保護に値せず」というルールもありますし 法律には詳しくなっときたい。 どうせなら、関西弁のおっちゃんでなく、若いキャラがいい。 私はClaude Codeを秘書的に使ってますが、口調を禪院直哉にしてます。 エージェンティックエンジニアリングのボトルネックはもはや人間……！ ということは実感済みなため 推しの京都弁にすることで、人間側の理解スピードをブーストしてるわけです。 日本国憲法など六法の関西弁翻訳＆解説文を、どうせ全作成するなら 自分専用でなく、みんなに読んでほしい。 司法試験

3 つの発見 effort の「効き方」はモデルで違う Opus 4.8 は「思考回数」で増える GPT-5.5 は「思考量」で増える はじめに #21 と #22 では、effort level を上げるとコスト（C）と処理時間（D）が増えることを検証しました。ただ、そこには素朴な疑問が残ります——effort level を上げたとき、内部では「何が」起こっているのか？ 今回は Opus 4.8 と GPT-5.5 を同じ GitHub Copilot CLI 上で、effort level を 4 段階に変化させて、内部で何が起こっているのかを帰納的に検証しました。 結果は、同じ「effort level を上げる」という操作でも、GPT-5.5 は深く考え（思考量）、Opus 4.8 は何度も試す（思考回数）。コストと処理時間が増えるのは両モデル共通でも、内部で起こっていることがま

はじめに エアロバイクやステッパーで体を動かしながら Claude Code で開発したい。ソファやベッドで休憩している際に Claude Code にちょっとした指示をしたい。ただ Claude Code にプロンプトを入力するためだけにデスクまで戻るのは避けたい。こうした悩みを持っている方は、今すぐに 3,500 円ほどのミニコントローラー「8BitDo Micro」（以下 8BitDo）を買うことをお勧めします。 筆者も Claude Code に音声入力しながら開発をする中で同様の課題を感じていました。そこで 8BitDo Micro を購入し、Mac の Dictation（音声入力）の起動と Enter など Claude Code の操作に使うキーを割り当ててみました。さらにマイク入力に AirPods Pro を用いることで、離れた場所から Claude Code への音声

はじめに モバイルアプリ開発におけるE2Eテストは、テストシナリオの作成やメンテナンスにコストがかかるため、十分な数のテストシナリオを整備・維持するのが難しいという課題があります。私自身も業務でMaestroを利用していますが、一部の主要なテストシナリオに絞った運用にとどまっていました。 そこで、Maestro MCPサーバとAIエージェントを組み合わせることでE2Eテストの作成・運用の一部を自動化できるのではないかと考え、公式のskill-creatorを使ってClaude Code Skillsを作成し、試してみました。 実際に試してみると、テストシナリオの生成だけでなく、テストの実行や失敗時の修正まで含めてなかなか良い体験だったため、汎用的に利用できる形へ整理してOSSとして公開しました。 この記事では、MaestroおよびMaestro MCPの概要を説明した上で、今回公開したSk

Haskellの抽象的な概念（型システムからFunctor、Monadまで）を、集合や代数構造といった「馴染みのある数学の言葉」を補助線にして読み解く入門書。難解な理論を学ぶためではなく、Haskellの挙動を理解するためのツールとして数学を活用するスタイルで解説します。そのため、数学の教科書というより物理の教科書の雰囲気に近いです。

この記事で伝えること 自分たちの業務を良くするために自力でVBAやGASを覚えてコードを書いて現場の課題を解決してきた人たちが集まる環境で DX推進の整備を行う場合、 Pull Request（PR）も、人間によるコードレビューも、本当に必要なのでしょうか？ 結論を先に言えば、ドメイン知識を持つ現場の専門職が自分たちの業務のためにコードを書く場合、IT業界の標準的な開発フローをそのまま持ち込む必要はありません。それどころか、持ち込むことでかえって現場を壊すリスクが高いです。 その代わりに、「職人＋AI」という組み合わせを基軸に据えることを提案します。 1. なぜ「趣味のプログラミング」が最強なのか Zennに、核心を突く記事があります。 なぜ、クソコードは仕事のプログラミングでしか書かれないのか？ この記事が明らかにしているのは、この記事でいう「クソコード」——保守不能で全体構造が理解でき

こんにちは、クラシルでデータエンジニアをしているharry(@gappy50)です。 クラシルでは、これまでAI-Readyなデータ利活用に取り組んできました。Tier設計でデータの信頼性を担保したり、Snowflake Managed MCP × Claude Codeでデータの仕事をAgenticに回したりと、データをAIで扱える状態にする仕事を続けてきています。 その流れは過去記事にまとめています。 そして直近は、クラシル AI Supply Chain OS という新規事業領域で、AI Nativeなデータエンジニアリングに向き合っています。 その中で、最近特に実感が強くなってきていることがあります。オントロジーやコンテキストレイヤーという言葉が、いまバズワードのように広がっていますが、私はこれを言葉だけ追って終わらせるのではなく、手段として正しく理解した上で、自分の組織にどう実装

お風呂から始まるエンジニアリング きっかけはお風呂でした。私はお風呂が好きで、毎日湯船に一時間は浸かっています。お風呂でのんびり小説や漫画を読む。熱でも出ない限りは、そうやって湯船に浸かってのんびりとする時間は欠かさずとっていました。 AIがまだそこまで長時間稼働できなかった今年の初め。お風呂に入る前に、ふとPCの前に引き寄せられるようになりました。これから一時間以上、自分は席を離れる。その間、AI はタスクを中途半端なところで止めてしまうかもしれない。動かせるのに動かさないのが、なんだかもったいない気がしました。 そして、長時間タスクを安定して実行させたい、ゴール（Definition of Done）だけ示したら勝手に AI がタスクをこなしてほしいという思いが強くなり、その頃から Kiro CLI（※私はAWSの社員です）の外側にプロンプト注入やループを回す仕組みをPythonで仕立

測る道具も性質が違います。CVE件数は「発見」であって悪用とは別物。KEVは「確認された悪用」で、CISA KEVは無償・低ノイズですが保守的、VulnCheck KEVは広いものの exploit intelligence を販売する企業の発表です。EPSS(FIRST)は悪用される確率の予測で、実際の悪用記録ではありません。 そして最大の前提として、どのKEVも「既知・観測・報告された」悪用＝下限値であり、検知されない暗数があります。CISA KEVは同庁の処理能力や選定方針にも左右されます。なので「KEVに無い＝安全」とは言えませんし、KEVの増減だけで悪用の総量を語ることもできません。 2. 件数は増えた。でも“悪用される割合”は爆発していない まず、よくある「CVEが爆発した」という話を整理しておきます。 公開CVEは2023→2025で約29,066→≈48,185と激増しまし

Docker Composeで複数のコンテナを管理していると、気づかないうちにDocker Buildの待ち時間が長くなりがちです。 私の関わっているプロジェクトでは、Next.jsのフロントエンド1台、Goのバックエンド2台、Go Worker1台をビルドしており、開発中に頻繁にDocker Buildを実行していました。 しかし、ビルド時間が1分以上かかるようになり、修正 → ビルド → 動作確認のサイクルが大きなストレスになっていました。 そこでDocker Buildの処理内容を見直し、 .dockerignore によるBuild Contextの削減 Docker Layer Cacheを活用するためのCOPY順の最適化 BuildKit Cache Mountの導入 を行ったところ、以下の結果を得ることができました。 項目 改善前 改善後

特にプロンプトキャッシングは効果が大きいので、運用ルールにしています。Claude Code は設定ファイルやモデルを変えるとキャッシュが破棄され、次のリクエストでフル課金になります。そのため「設定を変えたらセッションを切り直す」を徹底し、破棄を1回で済ませています。 モデルルーティングは、タスクの性質で自動的に切り替えるルールにしました。インフラの設計レビューや API 仕様の確認は Opus、仕様が固まったあとの実装は Sonnet、という具合です。 記事に無かった、独自の3つの工夫 定番に加えて、削減のために3つの工夫を入れています。これらは冒頭で触れた手法記事には出てきませんでした。 1. ルールの on-demand 化でコンテキストを圧縮する 毎セッションで読み込まれる指示が増えると、それだけで入力トークンを消費します。そこで、常時必要なルールと、状況依存のルールを分けました。

本記事では、Claude Code の裏側を支えるアーキテクチャについて、ざっくり理解します。 株式会社ナレッジセンスは、生成AIやRAGを使ったプロダクトを、エンタープライズ企業向けに開発しているスタートアップです。 この記事は何 この記事は、Claude Code の内部構造を、ソースコードレベルで解析した論文[1]について、日本語で簡単にまとめたものです。 本題 ざっくりサマリー Claude Code は、最も有名な「コーディングエージェント」です。PCのコマンドを実行したり、ファイルを編集したりできます。ただ、この実装の内部のアーキテクチャは公開されていません。 ただ、今回著者らは、2026年4月にリークされたソースコードを解析し、設計の裏側を読み解いた形となります。[2] この論文で面白かったのは、Claude Code 自体のソースコードのうち、AIが「次に何をすべきか考える

マルチテナント化のために本番稼働中のMySQLをPostgreSQLに移行した話（マルチテナント化連載 第2回・PostgreSQL移行編） はじめに こんにちは。株式会社カウンターワークスにて、テックリードとして、リーシングのDXを実現するクラウド管理システム 「ショップカウンター エンタープライズ」（以下 SCE）を開発しております shim です。 前回の俯瞰編に続いて、いよいよ各論に入っていきます。今回は Phase 1: MySQL から PostgreSQL への完全移行 がテーマです。 前回も触れた通り、マルチテナント化の中で Row Level Security（以下 RLS）を二重防御の DB 層として採用することを決めたのですが、それを使うために避けられなかったのが 「本番稼働中のサービスを、MySQL から PostgreSQL に丸ごと載せ替える」 という移行作業で

注記: 本記事で言及する「cortex」は、airCloset社内で独自開発したAIプラットフォームの内部コードネームです。Snowflake CortexやPalo Alto Networks Cortex等の既存商用サービスとは一切関係ありません。 Part 1（総論）で、cortexのハーネスが組み上がってきた結果、エンジニアではないメンバー（事業サイドのマネージャー、PMOなど）も本番リポジトリにPRを出せるようになってきた話を書きました。ここで言うハーネスはAIを本番で動かすための土台で、Part 1-4で順に解説してきたナレッジグラフ / Auto Review / Self-Healing / 再発防止の組み合わせのことです。 Part 5はその続きで、そのハーネスが「誰が書くか」のレイヤーまで波及している話です。 「いやでも、品質をAIレビューに任せきって本当に大丈夫なのか

はじめに Goは GCを備えており、開発者がメモリ管理を直接気にする場面はそう多くありません。 「ヒープに乗ったオブジェクトは、いずれ自動で解放される」....この前提でコードを書けるのは、Goの大きな魅力のひとつです。 GCは自動で動きますが、いつ動くかは決まったルールで制御されています。 そのルールを知らないまま「いつかGCが回収してくれるはず」と思ってコーディングしてしまうと、OOMを引き起こしてしまう可能性があります。 本記事では、Goランタイムが持つ4つのGC発火タイミングを、サンプルコードを動かしながら整理します。 GC(Garbage Collection)とは Garbage Collectionとは、プログラムが使用しなくなったヒープ領域のメモリを自動的に回収する仕組みのことです。これにより、開発者はメモリ管理を意識せずにコードを書くことができます。 ざっと、コンテナでG

はじめに AI を前提にすると、新しいプログラミング言語の学び方はどう変わるのか。 これまでは、本を読む、チュートリアルを写経する、小さなものを作りながら覚える、という流れが多かった。もちろん今でもそれは有効だ。ただ、生成 AI がある程度まとまったコードを書けるようになった今、別の学び方もあるのではないかと思った。 今回試したのは、「AI にある程度動くところまで作ってもらい、そのコードを読み、直しながら学ぶ」という方法だ。 題材にしたのは Rust で作るコミックビューア gashuu。Rust と Slint で作ったクロスプラットフォームのデスクトップアプリだ。 この記事では、gashuu の機能紹介そのものよりも、AI にコードを書いてもらいながら、自分がどう設計し、どう読み、どう Rust を学んだかを書く。 作ったもの gashuuは、ローカルにある圧縮ファイル、もしくはファ

はじめに 社内では最近、HTMLで書いた設計資料を認証付きの基盤に置き、誰でもブラウザから閲覧できる仕組みを整えました。この共有基盤の上で、私がいま個人的に試しているのが、設計資料のHTMLにコメント機能を持たせ、その指摘をそのまま修正プロンプトにしてClaude Codeに渡す、というワークフローです。 社内でHTMLレビューが広がるきっかけのひとつが、Anthropicのこの記事でした。 半信半疑で始めたのですが、HTMLを生成してレビューに回し、気になる箇所にはコメントを書き込んで、その指摘をそのまま修正プロンプトにして直す。この一連の流れが、思った以上に回ると感じています。まだ自分の試行錯誤の段階で、社内に広く展開できているわけではありませんが、手応えを感じているので、その過程をこの記事で共有します。 この記事で伝えたいこと HTMLは設計資料の形式として扱いやすい。読みやすく、操

はじめに こんにちは。株式会社カウンターワークス、テックリードの shim です。 別途マルチテナントの記事を頑張って書いているのですが、先日社内にて「AI開発LT大会」を主催しました。 言い出しっぺなので、そこで「（生成）AI時代のエンジニアの生存戦略」というテーマで発表したのですが、せっかくなので改めて記事として再構成しました。 「生成AIにより開発スピードが速くなった」という話は至る所で聞かれるようになりましたが、その先、速くなったあとに、では自分はどこで価値を出すのか、という話を特に若手メンバーに聞いてほしいと思い書きました。 簡単にまとめると ツールの使い方を覚えること自体に、長期的な価値はあまりありません。 「ツール」そのものではなく「使い方の構造」に着目すべきでは、と考えています。 ピラミッドから、ダイヤモンドへ まず前提となる構造の変化から。 Xで流れてきた という投稿を拝

はじめに こんにちは！ この記事では、Claude Codeをインストールした後に「ぜひやっておくべきこと」を3つ厳選して紹介します。 Claude Codeは、インストールするだけですぐに会話ベースで簡単にコーディングができて非常に優秀なツールです。 しかし、実はただ適当に指示を出すだけだと、自分の求めているアウトプットが出るまでに時間がかかってしまうことがあります。 AIを最大限に活かし、開発を劇的にスピードアップさせるためのおすすめ設定やテクニックを分かりやすく解説します。 対象読者 AIコーディングに慣れていない方 Claude Codeをすでにインストール済みの方 ※「まだインストールしていない！」という方は、下記を参照し、導入ください。 1. CLAUDE.mdを作成しよう 「このコードを修正して！」と、ざっくり依頼しながら完成形に近づけるやり方もあります。 しかし、曖昧な指示

2 つの発見 「Opus 4.8」を GitHub Copilot で使うと、Claude Code の「1.5倍〜2.0倍」コスト高となる 「GPT-5.5」は GitHub Copilot と Codex で、かかるコストと処理時間は「ほぼ互角」 はじめに 今回の比較は、RDB（PostgreSQL + psycopg2）のエッジケース 3 タスクを、Raspberry Pi 5 上で各パターン 10 試行ずつ回した実測結果です。 Copilot Pro+ の月額だけを見て「安い」と判断している人ほど、重い反復検証では AI credits の消費速度まで含めて見る必要があります。 GitHub Copilot が従量課金に移行される以前に行ったコスト比較（#16）では、「迷ったら Claude Code、コスト優先なら Copilot CLI」と結論づけていました。同じタスクを実行さ

はじめに ITコンサル1年目です。Claude Codeを使って個人開発を進めていますが、最近ずっと引っかかっていたことがあります。 「AIに書いてもらったコード、本当に安全なんだろうか?」 code-to-rich.com、shindan-me.com、その他いくつかの個人開発PJをClaude Codeと一緒に作ってきましたが、コードレビューの大部分をAIに任せている以上、 危険なパターン（shell=True、SQLインジェクションになりうる文字列結合など）をうっかり実装してしまう .envの中身やAPIキーをそのままコードに埋め込んでしまう といったミスが紛れ込んでいても、自分では気づけない可能性が高いと思っていました。バイブコーディングは早いけど、危険なコードが「動くから」という理由で紛れ込むことが一番怖い。 そんなときに「Semgrepとgitleaksを二段構えにすると、コー

はじめに 最近、Zedというエディタがやたらと話題になっています。 タイムラインを眺めていると「Zedに乗り換えた」「速い」という声をちらほら見かけるようになり、なんとなく気になっていました。 加えて、紹介記事を読んでいると、AIをエディタの中心に据えて設計されているような印象を受けました。最近はコーディングでAIを使う時間がかなり増えてきたので、「AIを使うことに最適化されたエディタ」なら、自分の使い方に合うかもしれないと思ったのも大きいです。 特に大きな不満があったわけでもないのですが、流行っているものはとりあえず触ってみたい性分なので、ノリでVS CodeからZedに変えてみることにしました。 この記事は、その勢いで乗り換えてみた記録です。設定はほぼデフォルトのまま、キーバインドは初期設定のガイダンスでGitHubを選び、最低限の準備で意外とあっさり移行できました。 Zedってどんな

はじめに Claude Codeを使い始めてすぐ気づいた。セッションを開くたびに、AIは何も知らない状態から始まる。 先週話した仕様変更も、ADRで決めた設計方針も、あの実装が依存している要件も、全部ない。毎回ゼロから説明し直す。それでも「影響範囲が抜けていた」「別の仕様と矛盾していた」という問題が起きる。 AIとの開発にウォーターフォール的なトレーサビリティの仕組みを持ち込んで、これを解決しようとした話を書く。 AIは"オンボーディングを受けただけの新人" 毎朝、記憶がリセットされた新入社員がやってくる。プロジェクトの背景も、過去の意思決定も何も持っていない。手元にあるのは、その日渡された1〜2枚のドキュメントだけ。 多重下請けの末端実装者に近い。目の前のタスクをこなすが、隣の業務フローとDBを共有していることには気づかない。仕様の矛盾も、渡された資料の外にある。 「コンテキストエンジニ

はじめに 「E2E は Playwright で全部書く」——いまの定番です。 でも私の実務での運用は少し違って、主軸は Chrome DevTools、Playwright は“凍結したい一部だけ”に絞って使う形に落ち着きました。 「自動テストの話なのに DevTools が中心？」と思うかもしれません。 本記事は、その一見あまのじゃくな結論に至った理由を、実務の判断基準として整理します。 先に言うと、答えは「どちらか一方」ではなく「工程ごとに使い分ける（中心は DevTools）」です。タイトルの「結局どっち？」への私の答えは、この一文に尽きます。

はじめに こんにちは、daishir0です。 普段はClaude Codeを趣味や開発でガシガシ使っていて、副産物として小さなSkillをいくつか作って公開しています。GitHubはこちらです。 今回の記事は、自作のClaude Code Skillである cc-rsg（リバース仕様書ジェネレータ）を、Webアプリケーションとして提供できる形に作り直した経緯の話です。OpenHandsという基盤を使ったらこれが想像以上にハマって、ついでに「これって自分のAgentic AI基盤の作り方そのものが変わるな…」と気づいた、というところまでを書きます。 実装の細かい話と、最後に所感を少しだけ書いています。気軽に読んでみてください。 きっかけ：「cc-rsg、Webで使わせてくれませんか？」 cc-rsg は、既存コードベースから逆生成で仕様書一式を作る、Claude Code用のSkillです。