はてなブックマーク

はじめに 開発プロジェクトにおいて、コードの知識管理やドキュメント整備は重要ですが、手間がかかる作業でもあります。しかし、LLMの力を借りることで、先駆者が構築した知見を瞬時に自分のプロジェクトに適用できる時代が到来しました。 背景：話題になった記事 こちらの記事が開発者コミュニティで話題になっています。 この記事では、Claudeを使った効果的なコード知識管理システムの構築方法が紹介されています。 課題 上の記事を読むと普通のかたは「自分のレポジトリにも適用して試したい！」と思います。 しかしながら、実際に自分のレポジトリに取り込むとなると以下の手順が必要そうだなぁと考えると思います。 記事を読んで内容を理解し、大まかな手順を理解する。 細かい設定やドキュメントを新規作成していく。 自分のプロジェクトに合わせてカスタマイズ そうすると、めんどくさくなって放置してしまいます。 LLM時代の

3秒まとめ container-useでDockerコンテナ内にコーディングエージェントの実行環境を独立して作成可能 複数のエージェントを並列実行してローカルで安全に開発環境を管理できる MCP経由でClaude Code、Cursor、gooseなどから簡単に操作可能 Git worktreeよりもクリーンで管理しやすい環境分離を実現 どんな人向けの記事？ ローカルで複数のコーディングエージェントを並列実行したい方 Dockerコンテナ内で安全にAI開発環境を管理したい方 Claude Code、Cursor、gooseなどのMCP対応クライアントを使っている方 Git worktreeの代替手法を探している方 概要 Dockerの創業者の1人が、特定のワークツリーをコンテナ内に配置してコーディングエージェントを動作させるツール「container-use」を開発しました。 2025年5

3秒まとめ Claude Code GitHub Actionsを使うと、@claudeでレビューからPR作成まで全部やってくれる /install-github-app一発で導入完了。めちゃくちゃ簡単 GitHub上でコミュニケーション完結するので、開発フローが超スムーズ Issue → 実装計画 → PR作成まで一気通貫でサポート *この記事は８割程度がAIのサポートにより執筆されていますが、スクリーンショットや使用感はヒューマンが試し、気づいたことを書いています どんな人向けの記事？ レビュー作業に時間を取られがちなエンジニア GitHub Actionsを使った自動化に興味がある方 AI活用で開発効率を上げたいチーム Claude Codeって何？と思っている方 レビューって面倒じゃないですか？ レビューは得意ですか？ ぼくは正直、レビューがあまり得意じゃありません😅 「このコー

3秒まとめ この記事の目的 みやっち氏作のAI PMワークフローの理解と社内プロジェクトへの応用可能性の探求 内容 AI PMの概要とコンセプト 「aipm_v0」の説明 「オンライン定性調査プラットフォーム構築」における活用シミュレーション。8年前に企画してローンチしたサービス。 考察や応用事例。示唆が多いので解説。 期待される効果 プロジェクト管理業務の効率化と質の向上 AI AgentやDigital Twin、ドキュメンテーションワークフローへの応用 AI PMとは？ AIを活用した、プロジェクトマネジメントの新しいアプローチです。 目的: プロジェクト計画の自動生成・最適化 タスクの割り当てと進捗管理の支援 リスク予測と早期警告 コミュニケーションの円滑化 期待されるメリット: プロジェクトマネージャー（PM）の負担軽減 意思決定の迅速化と精度向上 プロジェクト成功率の向上 知っ

3秒まとめ コーディングエージェントはXMLベースのツール定義とツールの実装で作れる 最低限必要なツールはListFile、ReadFile、WriteFile、AskQuestion、ExecuteCommand、Completeの6つ LLMにXML形式でツールを使わせることで、プログラムと会話の融合が実現できる 実装は意外と簡単！Go言語なら数百行で基本機能が作れる サンプルコードはGoで書いていますが、特にコーディングエージェントを作るための言語依存はありません。また、サンプルコードは概要を示すためのもので確実な動作を保証するものではありませんのでご注意ください。 どんな人向けの記事？ コーディングエージェントに興味がある方 LLMを使ったコーディングエージェントを自作してみたい方 コーディングエージェントの仕組みを作りながら学びたい方 はじめに みなさん、Cline使ってますか？

どこまでが仕様で、どこまでが自由記述なのか分かりづらいですが、Markdownで書かれた内容はすべて自由記述です。 導入のメリット予想 LLMによる効率的なサイト理解と情報抽出 将来のAIモデル学習時の優先的なインデックス化 サービスの自動化・統合の促進 例：LLMを介したサービス利用の自動化 APIやサービス機能の効率的な活用 事例I：Anthropic # Anthropic ## Docs - [Get API Key](https://docs.anthropic.com/en/api/admin-api/apikeys/get-api-key) - [List API Keys](https://docs.anthropic.com/en/api/admin-api/apikeys/list-api-keys) - [Update API Keys](https://docs.a

3行サマリー 自社でゼロからLLMサービスのUIを運用するのは大変なのでLibreChatを調査してみます。 LibreChatをエンタープライズ利用に使えそうかを検証してみました。 LibreChat + Ollama (Gemma2)を使ってプライベートなLLMサービスを作ってみました。 LibreChatの特徴 一言でいうと、ChatGPTのOSSバージョンです。 カスタマイズ性が高く、ユーザーは自分のニーズに合わせて機能やプラグインを追加できます。 ライセンス MIT Licenseなので商用利用可能です。 ソフトウェアアーキテクチャ コンポーネント フロントエンド: ChatGPTに似たユーザーインターフェースを提供 バックエンド: 様々なAIモデルとの連携やデータ管理を担当 データベース: MongoDB を使用してチャット履歴などのデータを保存 デプロイメントを以下に簡単に図

どんな人向けの記事？ AI系開発ツールが多すぎてついていくのがしんどい方 AIツール導入を検討しているが、コストパフォーマンスや実践的な使い方に悩んでいる方 最新のAIツールの動向をキャッチアップしつつ、実務での具体的な活用方法を知りたい方 GitHub Copilotの初回リリースから、約2年半。AIによるコーディングツールは数えきれないほど出現した GitHub Copilot が初回リリースされたのは2021年6月。初期はVSCodeのExtensionとして公開されていました。公開時点では、セキュリティリスクや他人が書いたコードを読むのが嫌だという反応も多かった印象です。 しかし、ZOZO TECH BLOGにて全社導入され、その効果が一定程度実証されたくらいから、日本でも一気に導入が加速していきました。 最近はCursorなどは人気もあります。いたるところで使われており、Zenn

3秒まとめ マルチプラットフォームで同じコマンドを利用して手元で動かしたい処理をサクッと実行できる GitHub Actionsでも簡単に利用可能 JSON, YAML, SQLite, CSV, EXCELなどのファイルをデフォルトでパースしてデータフレームのように扱える httpリクエストも投げられるので、curl入ってない！みたいなことでイラッとすることが減る こんな方向きの記事ではない zsh, bashなどをマスターしている人にとってはあまり導入する意味がない サーバールームでLinuxの標準シェル以外使えない環境で作業するような人には向かない MacやWindows、コンテナの中を触るときにコマンドが微妙に違う 例えば、Mac,Linux系であればlsでファイル一覧を確認してcpコマンドでファイルをコピーするといった芸当が、Windowsでは普通にはできません。 これは、Win

どんな人向けの記事？ 医薬品のような難しい検索ニーズにこたえるためにベクトル検索を利用する知見を見てみたい MySQLの全文検索と、ベクトル検索の精度や速度を比較してみたい ベクトルDBとEmbeddingモデルを利用した簡単なベクトル検索の実装方法を知りたい 医薬品の検索ニーズは多様なので、ベクトル検索で解決できるか試したい 1つの医薬品を指す名称は、複数存在するため医薬品検索は意外と面倒な問題です。 例えば、日本人なら頭痛や生理痛、発熱したときに「ロキソニン」を飲んだことがあるかもしれません。この名称は商品の名称ですが、成分の名称は「ロキソプロフェンナトリウム水和物」です。 さらに、ロキソプロフェンには錠剤以外にもテープやパップといった剤形の違いがあります。 そして最後に、ロキソプロフェンを作っている会社は複数あるので、末尾に「トーワ」や「ファイザー」などの組み合わせが存在します。ロキ

どんな人向けの記事？ これからRAGを作ってみたい DifyやLangChainにこだわらず、自分で開発をハンドリングしたい ベクトルDBや埋め込みモデルの選定の勘所をサッと知りたい ここではRAGとは何かのような話題は扱いません。 RAGが、ほぼAI活用の現実的な最適解になりつつある LLMは高度な知的タスクを実行可能である。 そんな理解が世界に広まっていく中で、企業は自らが蓄えたデータをLLMに組み合わせてどう活用するか躍起になっています。これからはビッグデータだ！という時代を経ているため、情報インフラに投資した企業も多く、AIでデータを活用する流れはもはや確定路線と言えます。 この問題を解決する手法として一番最初に思いつくのは、モデル自体を改変するファインチューニングです。しかし、ファインチューニングにはいくつかの実用上の問題があります。ファインチューニング自体に専門知識が必要である

概要 LLMを使ったワークフローを作成するのに、 Difyが良さそうなのでローカルで立ち上げて使ってみます。 docker-compose.ymlが用意されているので基本的には以下のページを参考にすればすんなり動きます。 Difyをローカルで動かす利点 主に以下の点があります。 アカウント登録不要で、無料でSaaS版と同じ機能が使える。 SaaS版より動作が速い。 テストで重要なデータを登録してみたりすると思いますが、ローカルでしか扱わないので自社のセキュリティポリシー内で運用し易い。 手順 前提として、git コマンドがインストールされていて、Docker と docker compose が利用できる状態が必要です。 DifyのレポジトリをCloneします。

ECサイト上の商品名は、「送料無料」や「ポイント5倍」、「母の日」といった宣伝文句が付加され、本来の商品名が分かりづらくなっています。 これらの不要なキーワードは、自然言語モデルを作成する際の妨げとなり、精度を上がりづらくしている一つの要因となっています。 そこで、本記事では、これら不要なキーワードを効率的に除去する方法について、具体的な手法と事例を紹介します。 データクレンジングの例、LLMオープンモデルを活用したアプローチ、さらにはGoogle Cloud PlatformのVertex AIやGemini-proを用いた解決策について触れます。 3行まとめ ・商品名から頻出単語のリストを作成し、商品名から不要なキーワードを検索して除去する ・オープンモデルでプロンプトを実行し除去する ・Google Cloud Platform のVertex AI、Gemini-proで除去する

どんな人向けの記事？ レビューによって心理的なダメージを受けやすい方 非エンジニアだが、エンジニアチームがどんな機能を作っているか知りたい方 業務が溜まっていて、レビューに割く時間を捻出するのに苦労している方 コピペできるコードも公開します 初回レビューをAIに任せると、いろんなロールの人の役に立つ レビューは得意ですか？ 優秀なエンジニアしかいないチームであれば、PRは1トピックに絞って小さく明確なコミットによって作成され、適切な要約とともに提供されることでしょう。 しかし、実際にはいろいろな制約から、PRが想定よりずっと大きくなってしまったり、関連トピックと異なるコードが混じってしまうこともあります。 実際のところ、大きなPRを適切にレビューするのは難しいことです。また、自分が詳しくない領域のレビューを行わなければいけない機会もあります。 今回の記事は、レビューを作成してくれるAI C

3秒まとめ GoのパフォーマンスはNestJS（TypeScript）の2倍以上!? GraphQLのエコシステムはGo, TSともに充実 GitHub Copilotで、GoのAcceptance Rateが40%を超える体験をした GraphQL全盛の時代に、どの言語を使って開発すべきか 2015年にFacebookにより公開されたGraphQL。日本でもYahooやメルカリなどバックエンドをマイクロサービス化している多くの企業で採用され、近年はフロントエンド開発者にとって魔法の弾丸のように扱われることも多くなりました。 メルカリShopがGraphQL Client Architecture Recommendation社外版を公開していることからもわかる通り、GraphQLの利用に関する知見はかなり蓄積されてきています。 上記Recommendationによれば、BackendはG

3行まとめ Deviseはソルトとハッシュ値をDBに保存している。 pepper(Secret Salt)値はデフォルトでは使われていない。安全性を上げたければ追加したほうが良い。 Deviseを使っていればとりあえず安全そう。 きっかけ pictBLandとpictSQUAREに対する不正アクセスがあり、パスワードがソルトなしのMD5ハッシュで保存されていたことが話題になっています。 Ruby on Railsで広く使われているDeviseはどのようにパスワードを安全に保管しているのかを確認してみます。 背景 Deviseは、1億6000万以上のダウンロードを誇るRails向けの認証ミドルウェアです。 暗号化操作のほとんどが抽象化されているため裏で何が起こっているかを知らないで使っている場合がほとんどです。 Deviseにおいて、パスワードが保存されているストレージのカラム名は encr

まとめ JavaScript系のベンチマーク、mitataのようなリッチなベンチマークをDartでも取りたい シンプルな記法で、リッチな結果を得られるpackage、Hakariを開発したよ！ x倍や棒グラフで測定結果をリッチに確認できるHakariはGood！ JavaScript系のベンチマーク、mitataに痺れる、憧れるゥ！ HonoというNode, Deno, Bunなどで動くJavaScriptフレームワークを開発している @yusukebeさんがよく mitata というベンチマークソフトを使っているのを見かけます。 mitata は簡単なテストを書くようにシンプルに記載できて、かつ結果が美しく、わかりやすく表示されるのが特徴です。クロスランタイムなベンチマークをとれるのがmitataの大きな特徴ですが、単純な書きやすさと、結果の見やすさは目を見張るものがあります。 Dart

まとめ 相性バツグンといわれる、モバイル x gRPCは思ったよりずっと簡単に実装可能 複数言語間でもProtocol Buffersの恩恵により型変換を意識することなくスムーズに開発が進められる。 メソッド、引数の型、引数の返り値の型が自動生成されるのでとても良い RESTful APIにおけるheaderを、表現力の高いMetaDataとして利用し、認証認可等にも使えそう Streamをうまく使いこなせば、ユーザー体験をめっちゃ高くできそう。チャットやゲームなどの双方向通信が比較的楽に実装できるかも どんな人向きでない記事？ NestJSの詳しい実装を知りたい方 Bidirectional streaming, Client streamの詳細実装を知りたい方 モバイル向け通信技術の本格的な選択肢、gRPCを実際に試してみたい 現在、私の働いているMinediaで開発しているサービス群

まとめ Rust製parserは、Dart製parserの2倍程度の速度が期待できる Rustの呼び出しコストとして、1.2ms程度のボトルネックが存在する n回のRust呼び出しは、場合によってはパフォーマンス低下につながる RustとFlutterのアダプタは自動生成できるので実装は非常にカンタン Rustコンパイル用の設定は1回すればずっと使えるが、プラットフォームごとにしなければいけないので結構面倒。 どんな人向けの記事？ FlutterからRustの関数を呼び出す方法を知りたい方 Rustの関数をわざわざ呼び出すべきか、判断基準のヒントを得たい方 Dart vs Rustのスピードテストの実測値をみたい方 Rustは本当に早いのか。Flutterで実際に呼び出してDart実装と比較する つい先日、Stack Overflow Developer Survey 2023が公開されま