こんにちは､まじんです｡ この記事は､私の2025年上半期の集大成だと思ってます！ ずっとスライド生成を研究してたんでね…。 有料記事にしようか本気で悩みましたが、この感動をより多くの人に届けたいと思い、無料で公開することに決めました。 まずは、このプロンプトで「何ができるのか」をサクッとお見せします。 1️⃣Googleスライド完成までの流れ①Geminiに原稿を渡すプロンプトをセットしたGemに、スライド化したい元ネタを渡します。 文字起こし・PDF・動画など､AIが解析できるデータなら何でもOK！ ②GoogleスライドでGASを開くコードをまるごとコピーし、空のGoogleスライドから「拡張機能」→「Apps Script」を開きます。 ③コードを実行するコピーしたコードを貼り付けて保存 → 「実行」をクリック。 ④スライド完成！Googleスライド に戻ると…この通り｡ スライド

DDD実装パターンのまとめ DDD実装パターンを調べ倒して自分なりに検討したものをまとめてみました。 もちろん決してこれが正解ではないしあくまで実装パターンのみに過ぎないので、備忘録かつ誰かの参考になったらいいと思います。 Domain層 ソフトウェアが解決したい業務における問題領域。他のどの層にも依存しない。 Entity アプリケーションが解決したい事項の登場人物（ヒト・モノ・コト）をコードで表現したオブジェクト。 DDDをざっくり理解してみる①　～エンティティと値オブジェクト編～ EntityCollection Entityの配列を持つコレクションオブジェクト。 EntityFactory Entityの生成を担うクラス。 EntityCollectionFactory EntityCollectionの生成を担うクラス。 ValueObject Entity一部のプロパティを切り

この記事は Google Cloud Advent Calendar 2023 (通常版) の 12/4 の記事です。 Google Cloud Japan の RyuSA です。👋 Apache Airflow のフルマネージドサービスである Cloud Composer を使っていますか？構築が複雑な Apache Airflow をパッと利用できるフルマネージドサービスは便利ですよね。私は自宅の Kubernetes クラスター上に Apache Airflow を構築し、その複雑さに構築して少し動かして満足してしまった過去があるので、一時期 Cloud Composer はプライベートでも少し使っていました。 Cloud Composer は構築は簡単ですが、運用の目標を整理したり、簡単なアーキテクチャを理解しておくことで大規模な環境での思わぬ影響を防いだり、実運用を安定的に行う

はじめに クラウドインフラの構築・管理において、冪等性の担保や効率性の向上のために、TerraformやGitHub Actionsなどがよく利用されます。Terraformによるインフラのコード化は、手作業によるミスを減らし、設定変更のたびに発生する手間を削減します。さらに、GitHub Actionsとの連携により、コードの変更をトリガーとした自動テストやデプロイが可能になり、インフラ管理のライフサイクル全体を効率化できます。 本記事では、TerraformとGitHub Actionsを利用して、Google CloudインフラのCI/CDパイプラインを構築する具体的な手順を解説します。1時間程度でサクッと完了できるように具体的な手順を記載します。 なお、GitHubからGoogle Cloudへのアクセス許可には、Workload Identity連携を採用します。Workload

これは何？ 今のプロジェクトでterraform運用を主導しているのですが、terraformで利用する秘匿情報（DBパスワード等）はBitwardenに格納していました。 これをGCP Secret Managerに移管したら結構良いことがあったという話です。 それまでの運用 シークレットは各環境別で分け、Bitwardenに格納 ローカルにsecret.variable.tfなどの名前でシークレットファイルを作成し、Bitwardenからコピペしてきて利用 シークレットファイルはgitignoreしてプッシュしないように運用 SecretManagerに移管した理由 Bitwardenのままだと、terraformを触るメンバーが増えた時に辛かったからです。 Bitwardenからコピペする作業が発生することによって メンバーが増えた時の説明（オンボーディング）がダルい Bitward

🌟 はじめに 最近 GoogleCloud を使った開発を始めました。今までは AWS×Terraform の開発がメインだったのですが、 GoogleCloud×Terraform の開発は初めてだったため、備忘録的に必要なことをまとめていこうと思います。 本記事は ~セットアップ編~ としていますが、今後様々なリソースを構築して行き、知見を溜めたいと考えています。 説明が不十分である点がある可能性があるため、その際はご指摘いただければと思います。 なお、一部リソースを作成する例を示しますが、リソースを適切に削除しないと課金が発生する可能性があります。課金を意図されていない方はリソースの削除まで行うようにしてください。 ※ Terraform を触った事ない方向けの記事も公開しましたので適宜ご確認ください。 📖 対象読者 terraform を触ったことはあるが、GoogleClou

想定読者 Google Cloud でデータ基盤（BigQuery、Cloud Storage、Cloud Composer、IAM、VPC、Cloud Run など）を Terraform で管理するベストプラクティスを知りたい Terraform を活用することで可搬性・セキュリティ・運用効率の向上させたい。 Terraformのコード構造とコードスタイルの統一 フォルダ構成 Terraform のプロジェクトは、以下のようにリソースごとに分割すると管理しやすい。 terraform/ ├── modules/ # 再利用可能なモジュール │ ├── vpc/ │ ├── bigquery/ │ ├── storage/ ├── environments/ │ ├── prod/ # 本番環境のTerraformコード │ │ ├── main.tf │ │ ├── variables

日本の大手メーカー、いわゆるJTCで課長になって4ヶ月が過ぎた。世の中でよく言われる中間管理職みは確かにあるって実感と、それを生じさせる要素や機序も少しは見えてきて面白いなって気持ちもあり、忘れないようにメモしておこうと思って。 基本情報 新卒で入社（22歳）→品質管理系の部署で係長クラス（33歳）→別の生産管理系の部署で係長クラス（37歳）→前の部署に戻って課長（39歳）、という流れ。 課の人数は自分を含めず20名いる。課には機能別ではなく、担当製品で分けた2つのグループがある。 巷間で言われる中間管理職み よく世の中で語られる中間管理職のつらさは以下のようなものがあるだろうか。 板挟みの立場：経営層と現場の間での板挟み、裁量が小さい割に責任が大きい。 心身への負担：労働時間の長さや業務負荷の高さ、プレッシャーの大きさ。 報酬面での不満：残業代のなさ、業務量や責任に対する報酬の低さ。 人

日本トップクラスでAI活用が進んでいるであろうDeNAが、試行錯誤を経て形にした「AI活用スキルの定義」や「評価方法」。このDARSは、これからAI活用を進めようとする全ての企業にとっての参考事例となるはずです。 「AIを使いこなすとはどういうことか？」「それをどう組織的に底上げしていくべきか？」という難問に対し、最前線の企業が出した“現時点の答え”を知れる意義は大きいでしょう。 個人と組織。それぞれのAI活用度を評価 DARSでは、社員一人一人のAI活用スキルを5段階評価する「個人レベル」と、部署単位でのAI活用成熟度を測る「組織レベル」という2軸で構成されている。 ■ 個人レベル：あなたの“AI活用成熟度”はどの段階？ 開発者(開発を主業務とするエンジニア)と非開発者(ビジネス/クリエイティブ職/マネージャー等)に分類され、AI活用の習熟度に応じてレベル1から5までの段階を設定していま

以下の記事が面白かったので、簡単にまとめました。 ・Welcome GPT OSS, the new open-source model family from OpenAI! 1. gpt-oss「gpt-oss」は、OpenAIによる待望のオープンウェイトリリースであり、強力なReasoning、エージェントタスク、そして多様な開発者ユースケース向けに設計されています。117Bのパラメータを持つ大規模モデル「gpt-oss-120b」と、21Bのパラメータを持つ小規模モデル「gpt-oss-20b」の2つのモデルで構成されています。どちらも「MoE」(Mixture-of-Experts) であり、MXFP4を使用することで、リソース使用量を抑えながら高速推論を実現します。大規模モデルは単一のH100 GPUに収まり、小規模モデルは16GBのメモリ内で動作し、コンシューマーハードウェア

米OpenAIは8月5日（現地時間）、オープンウェイトのAIモデル「gpt-oss」を発表した。データセンターやハイエンドPC向けの大規模モデル「gpt-oss-120b」と一般向けのPCでも稼働する中規模モデル「gpt-oss-20b」の2種類を公開。いずれもApache 2.0のライセンスで公開しており、Hugging FaceやGitHubからダウンロードして利用できる。 gpt-ossは、推論機能に特化したリーズニングモデルで、開発者向けに公開したもの。特に120bの性能は、OpenAIがすでにChatGPT上で提供しているリーズニングモデル「o4-mini」や「o3」に匹敵し、20bはそれよりも小型な分、性能は下がるが数学系のベンチマークではo3に匹敵する。なお120bは、NVIDIAのGPU「H100」1枚で動くサイズであり、20bはハイエンドGPUを搭載したデスクトップPCや

GitHub Copilotシリーズ はじめに 最近 Claude Code やKiro などプロジェクト全体を監視して、コードを書いたり、要件定義や設計やタスクリストを自動で作成したりと進化が激しいです。 一方、GitHub Copilotは全体をみるというよりも、現在の開いているファイルを手助けするというかんじです。 どうやらプロジェクト全体を見てくれてない、もしくは見ているのは少しだけというイメージがあります。 そこで 👇️ Serena MCP を使います。 oraios/serena: A powerful coding agent toolkit providing semantic retrieval and editing capabilities (MCP server & Agno integration) この Serena MCP はプロジェクトやワークスペース全

LSP を活用してセマンティックなコード検索・編集能力を提供する MCP サーバー Serena の導入・使用方法を紹介。Claude Code でのオンボーディングからリファクタリングまでの実践的な活用例を解説します。 Serena はセマンティックなコード検索・編集能力を追加するオープンソースのツールキットです。MCP（Model Context Protocol） サーバーとして動作しているため、Claude Code や Cursor, VS Code のように MCP に対応しているクライアントであれば利用できます。またエージェントフレームワークとして Agno を使用しているため、特定の LLM モデルに依存せずに動作します。 Serena は LSP（Language Server Protocol）を使用してセマンティックなコードを解析するのが特徴です。LSP はコードの構

はじめに：AIコーディングの新たな可能性 Claude Codeを使ってコーディングをしていると、こんな悩みを抱えたことはありませんか？ プロジェクトの全体像を理解してもらうのに毎回長い説明が必要 トークン消費量が気になって、詳細な指示を躊躇してしまう 同じような説明を何度も繰り返している コンテキストが切れて、以前の作業内容を忘れられてしまう これらの問題を一挙に解決してくれるのが、今回紹介する「Serena MCP」です。このオープンソースツールを使うことで、Claude Codeの理解力と効率性が劇的に向上し、まさに「10倍賢く」なったような体験を得られます。 Serena とは Serenaは、Claude CodeなどLLMのためのコーディングエージェントツールキットで、MCP（Model Context Protocol）という規格に則り、AIと連携するツールの1つです。 一言

【Kiroだけじゃなかった！AWSがAIインフラ続々リリースして凄すぎたので緊急整理🔥】AWSがAIエージェント開発の「実験→本番」への難題を解決！AgentCoreで誰でも本格的なAIエージェントを動かせる時代に突入AWSAIKiroAgentCore 昨日のAWS Summit NYC 2025のキーノート見てて、「これは大きな転換点になるな」って感じたので、整理してシェアしたいと思います。 正直、今までAIエージェントって「デモでは動くけど本番環境では...」みたいなケースが多かったじゃないですか。でも、Amazon Bedrock AgentCoreの発表を見て、ついに実用レベルに到達したなと。 なんでそう思ったのか、順番に説明していきますね。 🤖 Amazon Bedrock AgentCore：AIエージェント実用化の決定版 1. なぜ今までAIエージェントは「デモ止まり」

Claude Codeに関して、どわーーっといろんなノウハウが各所で散見されていて、辞書的な記事があったらいいなと思い、これを書いています。 いざ1から使い始める時に、これさえ読めば、ある程度使いこなせることを目指して、この記事を書きました。 細かい話はいろいろなところで書かれていると思うので、ざっくりと書いていきます。 社内で行ったチュートリアル資料です。 Claude Codeとは？ ターミナル内で動作し、コードベースを理解し、自然言語コマンドを通じてより高速なコーディングを支援するエージェンティックなコーディングツールです。 Cursorとかと違って、ターミナルで動くAIコーディングツールってことです。 そもそもなんでClaude Codeが強いの？ なんだか AIコーディングツールで、同じくSonnet4/Opusとか使うんだったら、CursorやClineでも同じじゃない？ と思

Kiroの仕様駆動開発のワークフロー全体をClaude CodeのSlash Commands(7ファイル)で再現できるようにした Kiroのフォルダ構成、ドキュメント構成をトレースし全く同じ構成で出力されるように再現したため、Claude Codeで作成したプロジェクトをKiroでそのまま利用することが可能（互換性あり） KiroはSpec-Driven Development (仕様駆動開発)に沿った開発プロセスが組み込まれたAIコーディングエージェントで、本番環境でシニアソフトウェアエンジニアが行う開発プロセスが落とし込まれています。 この仕様駆動開発プロセスはなかなか理想的で、仕様書の作成方法やドキュメント構成等が今後の開発プロセスのデファクトスタンダードになるはず...というかなってほしい Kiroの仕様駆動開発を完全に再現できれば、「オレオレフレームワーク」ではなく、(AIコー

📌 はじめに - Kiroって何？なぜ今注目されているの？ Kiro（キロ）は、2025年7月にAWSがリリースした革新的なAI統合開発環境（IDE） です。「え？また新しいエディタ？VSCode,Cursorでよくない？」って思った方、ちょっと待ってください。Kiroはただのエディタじゃないんです。 🤔 従来のIDEとの決定的な違い 従来のIDEでは、コードを書くのは100%あなたの仕事でした。でもKiroは違います。AIがあなたの開発パートナーとして、一緒に考え、提案し、実装してくれるんです。まるで優秀な先輩エンジニアがペアプログラミングしてくれているような感覚です。 ✨ Kiroでできること（これ重要） 🤖 AIとの対話でコード生成: 「ログイン機能作って」って言うだけで、本当に作ってくれます 📋 Specs（仕様書）の自動生成: 曖昧な要望から、きちんとした仕様書を作成

amazonの出したIDE「kiro」がめちゃくちゃ未来だったのでClaude Codeユーザーの人はみんな一度試してみてほしい どうもこんにちは、昨日AmazonがVS CodeベースのIDEである「kiro」をリリースしました この分野ではcursorやWindsurf、アドオンですがClaude Codeなど様々な選択肢があります そんな中であえてAmazonが出してきたIDEのコンセプトは Vibe coding ……ではなく、 Viable Code だそうです 細かい説明は公式HPを見てもらうとして、他との違いは 「仕様書駆動開発」 を明確に打ち出している点です AIとのコーディングは難しい 特にClaude Codeを弄り倒している人なら常々感じてると思いますが、AIに適切な指示を与えて適切な作業をしてもらうのは非常に難しいです それを解決しようとみんな「sowで書いて」だっ