Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? AI搭載エディタCursorを色々と試しているのですが、これが非常に興味深いです。 普段の開発業務はもちろん、少し工夫することで、要件定義のような上流工程も大幅に効率化できるのではないか？という気づきがありました。 本日はその試みについて、私が行った具体的なプロセスと合わせて共有できればと思います。 概要 不動産テック業界に限らず、SaaS開発などに携わっていると、日々さまざまな要望が寄せられますよね。 「ここにこんな機能を追加したい」「あの画面のここをこう変更してほしい」といった具合です。 そして、それらを適切に実現するためには、まず

こんにちは、Google の AI「Gemini（ジェミニ）」の公式 note 編集部です。 日々の仕事や学習で、たくさんの資料や情報に触れている中で、「情報をうまく扱いきれない」と感じることはありませんか？ あなた専用のAI リサーチアシスタント「NotebookLM」は、そんな時に役立つツールです。皆さんのお手持ちの資料（ドキュメント、PDF、テキストファイル、WebサイトのURLなど）の内容を元に、情報整理、要約、質疑応答、アイデア出しなどをサポート。大切な資料への理解を深め、より有効に活用するためのお手伝いができます。 NotebookLM は現在、日本語を含む多くの言語に対応しており、Web ブラウザから Google アカウントで無料で利用することができます。 作成可能なノートブック数と 1 ノートブックあたりのリソース上限が引き上がり、高度なチャット設定等もできる有料版 No

はじめに 個人開発やゼロイチの立ち上げに最適な技術スタックを書いていく。 なるべく安上がりな構成を目指す。 TypeScriptをベースに よっぽどパフォーマンスにこだわりがなければTypeScriptを採用したい。 1つの言語でフルスタック開発可 脳の言語スイッチング不要 型定義を使い回せる トレンドで将来性がある 小〜中規模開発ならこの恩恵はでかいため、フルスタックTypeScriptフレームワークを採用したい。 Next.js or React Router よっぽどパフォーマンスにこだわりがなければReact Routerを採用したい。 個人的にNext.jsはゼロイチ開発にはオーバースペックだと感じる。 以下のような点からNext.jsの採用は見送りたい。 Server/Clientの境界線がわかりづらい Server Components, Actions, Functions

2025.05.02 働き方 和田卓人AI ソフトウェアエンジニアであれば、多くの人が「t-wada」の名前を知っているだろう。 テスト駆動開発（TDD）の第一人者として、20年近くにわたり技術コミュニティーの前線で活躍してきた、t-wadaこと和田卓人さん。技術書の翻訳や講演活動、OSS開発を通じて、日本のエンジニアリング文化の発展に貢献してきた。 そんな和田さんは今、自分自身に「とある問い」を投げ掛けているという。 「自分がこれまで築いてきた価値観やノウハウは、今後も通用するのか？」 AIの登場によって、プログラミングのあり方は大きく変わりつつある。大きな時代のうねりのさなかでは、誰もが安泰ではいられない。 和田さんは、等身大の不安と、それでも進み続ける意思を明かしてくれた。その言葉は、AI時代を生きるすべての開発者にとっての「新たな指針」となるだろう。 プログラマー　テスト駆動開発実

こんにちは！タレントマネジメントプロダクト開発本部の horiyu です。 SmartHRでは、Cursor、Visual Studio CodeのAgent Mode、Clineなど様々なAI開発支援ツールの活用に積極的に取り組んでいます。 本記事では、社内で開催したCursor勉強会の内容を紹介します。 Cursorの活用については下記の記事でも紹介していますので、ぜひご覧ください。 tech.smarthr.jp 資料 以下の資料は、主に社内のエンジニア数名と新卒の方々、希望してくださった方々向けに開催したCurosr勉強会のものです。 フィードバックをいただいたのち、社内のエンジニア全体向けに実施させていただく予定です。 実際のハンズオンの内容も盛り込んでいますので、ぜひお手元で試しながら読み進めてください。 補足説明 実際のハンズオンでは社外に公開できない画面共有のデモがいくつか

Vibe Coding とはなんでしょうか？ はじめに提唱した Andrej Karpathy 氏はこう言っています。 参考程度に意訳をば。 私が Vibe Coding と呼んでいる新しいコーディングスタイルがあります。それは完全にバイブに身を任せ、指数関数的な変化を受け入れ、コードが存在することさえ忘れてしまうものです。これが可能なのは、LLM（例えば Sonnet を使った Cursor Composer）があまりにも優秀になっているからです。また、私は SuperWhisper を使って Composer と会話するだけなので、キーボードにほとんど触れません。「サイドバーのパディングを半分に減らして」のような、面倒くさくて自分で調べることが億劫な些細な修正をお願いします。常に Accept All を選び、差分は読みません。エラーが出たら、単にエラーのみをコピペするだけで、たいてい

SaaS設計レビュー 観点チェックリスト【2025年版】 SaaS設計における「レビュー観点が足りない」「属人化している」を防ぐための 設計レビュー観点チェックリストを整理しました。 実務でよく聞かれる質問・盲点も交えながら、設計品質を上げる観点を体系的にまとめる試みです。 この記事を英語圏向けに再編したものを MITライセンスのOSSとして公開しています。 👉 SaaS Architecture Review Navigator また、この記事群をAIに活用したい方は、こちらの記事を必ず確認してください。 👉 このドキュメントは要約不可です：構造を壊さずAIに読ませるための手引き：要約・誤読・再生成の抑止 概要 このドキュメントは、SaaSの現場で必要と思われる設計観点を体系化したものです イベント駆動・非同期設計・マルチテナント対応・分散トランザクション・災害対策など、現代的な分散

2025 年 4 月 24 日に開催された「#2_AIエージェントの最新事例_Microsoft Startup Tech Community」の登壇資料です https://mstc.connpass.com/event/350144/

『Software Design 5月号』の第２特集「クラス設計の鉄則」を寄稿しました。 gihyo.jp 第２特集の概要と、今回はとりあげなかった、SOLID、GoFデザインパターン、凝集度と結合度について、私がどう捉えているかを説明します。 概要 第２特集のクラス設計の鉄則は３章で構成されています。概要は次の通りです。 第1章：クラス設計再入門 モジュール性・関心の分離・依存関係を意識する 第2章：迷わないクラス設計の指針 アプリケーション開発の実践例から考える現代的な設計方針 第3章：設計の落とし穴対策 コードから問題を検知する着眼点と改善方法 第１章：クラス設計再入門 この章は、クラス設計の基礎として、ソフトウェア設計の三つの視点を紹介しています。 ソフトウェアシステム構築の基本課題として「複雑さ」と「変更容易性」に焦点を合わせ、二つの課題に取り組むための考え方として、「モジュール

Introduction Zennのみなさん、こんにちは！ TSUKURUBAで、Web フロントエンドエンジニアをしているkiiです 最近、プロジェクトの中でAI Agent（Cursor）を活用した開発に取り組み、試行錯誤を重ねてきました。 その過程で見えてきた、効果的な開発フローやノウハウを本記事でまとめて共有します。 いろんなAI Agent利用記事あるのですが、抽象的なものが多く、もっと具体例教えてほしいな〜と思ったので書いてみました！ 実際に使っているドキュメントや命令の例、運用のコツも紹介しますので、 みなさんの開発やAI活用の参考になれば幸いです。 この記事で得られること AI Agent（Cursor）を活用した開発フローの具体的な進め方 AI Agentが実装できるような、要求整理から実装までのDocument作成手順 AIとのやりとりを効率化するための実践的なTips

Docker コンテナの中からホストのポートで動いているサービスにアクセスする方法についてのまとめです。 ホスト側からコンテナのポートにアクセスしたいときはシンプルにポートフォワーディングをして localhost:ポート にアクセスすればよいですが、逆の、コンテナの中からホストのポートにアクセスしたいときには別の方法をとる必要があります。 ここではその方法をまとめています。 確認時の環境 macOS Docker Docker 20.10.17 Docker Compose v2.10.2 Docker Desktop 4.12.0 Docker コンテナ内からホストのポートにアクセスする方法 Mac / Windows の場合 Docker for Mac / Windows の場合は、特殊な名前 host.docker.internal がホストを指すものとしてデフォルトで提供されて

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 概要 まずは、このご時世に新規のアプリ開発を出来るというチャンスに感謝しましょう。 もちろんすでにあるアプリの追加開発や運用で得られる経験値はとても素晴らしいですが、同じように新規開発も胸踊るものがあります。 あなたのRoleがDeveloperなのか、あるいはProject Managerなのか、Product Managerなのかで主に考慮すべき点は変わってきますが、それはそれとしてすべての点を理解して、抜け漏れがあったら指摘あるいは巻き取る覚悟を持っておきましょう。 ラストマンシップは良い資質です。具体的にはラストマンシップがある

はじめに 長らくReactを雰囲気で書いてきました。コンポーネントを作り、propsを渡し、状態を管理する基本的な概念は理解していたものの、より体系的なアプローチや設計パターンについては深く考えずにコードを書いていました。しかし、より大規模で保守性の高いアプリケーションを構築するにつれ、単なる「動くコード」を超えた、堅牢な設計原則の必要性を痛感するようになりました。 この記事は、私自身の再学習を共有するものです。 ※2025/04/21時点、私が関わっているプロダクトのCrowd AgentのReactのバージョンは"18.3.1"です。 目次 Reactデザインパターンとは HOC (高階コンポーネント) パターン[※React18以降では、カスタムフック推奨] Provider パターン Presentational と Container コンポーネントパターン React Hook

RAGの限界性 RAG、つまり検索強化生成（Retrieval-Augmented Generation）は、現在の大規模言語モデル分野における注目の方向性です。これは情報検索技術と生成モデルを組み合わせ、大規模モデルの知識の正確性、文脈理解、最新情報の活用などの課題を解決します。 でも追加の知識をRAGを通じて導入するだけで、モデルがそれらの知識関連の質問に完璧に対応できると考えています。しかし実際と想像にはギャップがあり、実際に試してみると、RAGの精度はそれほど良くないことに気づくかもしれません。 RAG自体の技術的原理から見ると、現在以下の問題が存在します： 検索精度の不足：まず、RAGの最も核心的な部分は、知識を「ベクトル」に変換し、「ベクトルデータベース」に導入し、ユーザーの入力情報も「ベクトル」に変換してから、ベクトルデータベースから類似の「ベクトル」をマッチングさせ、最後に

Cursor・Clineなどのソフトウェア開発支援のAIツールの進化は目覚ましく、開発者の生産性に大きな影響を与えています。 実はこれらのツールの使い道はコーディングに限ったものではなく、個人のタスク管理や業務の自動化など、様々な用途で活用できる「パーソナルAIアシスタント」として育てることもでき…

The GPT-4.1 family of models represents a significant step forward from GPT-4o in capabilities across coding, instruction following, and long context. In this prompting guide, we collate a series of important prompting tips derived from extensive internal testing to help developers fully leverage the improved abilities of this new model family. Many typical best practices still apply to GPT-4.1, s

.mdc駆動ナレッジマネジメント→ 知識APIとしてのmcp serverまで Loglass TECH TALK vol.5〜50名のエンジニア全員で挑むCursor活用の全貌〜 LT資料

うさぎでもわかる マルチエージェントLLMシステムの失敗理由 はじめに：うさぎ村の困りごと こんにちは、今日はうさぎさんたちの困りごとについて、お話しましょう。 うさぎ村には、色々な役割のうさぎさんたちが住んでいます。みんなが力を合わせて「大きなニンジンケーキ」を作ることになったのですが、なぜか上手くいかないんです... でも、なぜうまくいかないのでしょう。みんなとても賢いうさぎたちなのに、一緒に協力するとどうもうまくいかないことがしばしば...これって、不思議ですよね？ 実は、これとよく似た問題がAI技術の世界でも起きているんです。「マルチエージェントLLMシステム」と呼ばれる、複数のAIが協力して作業を行うシステムが、理論上は素晴らしいはずなのに実際にはうまく機能しないという問題が研究で明らかになりました。 今回は、この研究論文「Why Do Multi-Agent LLM Syste