Qiita Organizationを導入したら、アウトプッターが爆増して会社がちょっと有名になった件

はじめに 前回、「NeovimをCursorのように進化させる - yetone/avante.nvim の導入」を書いた。あの記事では、まるで自分だけの剣を鍛え上げていくように、エディターと共に成長していくPDEの哲学について語った。 syu-m-5151.hatenablog.com あれから数ヶ月、私のNeovimはavante.nvimによってCursor + Roo-Codeライクな体験を手に入れ、PDEとしてさらなる進化を遂げた。 しかし、告白しなければならないことがある。vimmerを自称しながら、実は日常的にCursorを使っていた。この矛盾と向き合う時が来た。 www.cursor.com そして先週の土曜日、私はClaude Codeを使い始めた。今日で1週間。短い期間だが、これが私のPDEに新たな可能性をもたらすことを確信している。そして、Cursor のサブスクを解

年末にこんにちは、こんばんは。12月に長女の音楽発表会があり、長女の成長に涙したVPoEの河合(@vaaaaanquish)です。 本文とは関係ない娘と私 本記事では、エンジニアリンググループで毎月行っている全体会、Group Meetingで実施している『おまけコンテンツ』を紹介します。 オススメの書籍紹介になりますので、年末のお供に是非。 Engineering Group Meetingとは 書籍紹介 仕事に必要なことはすべて映画で学べる 熟達論 - 人はいつまでも学び、成長できる RANGE(レンジ)知識の「幅」が最強の武器になる データセキュリティ法の迷走 テクノロジーの世界経済史 ビル・ゲイツのパラドックス ビジュアル・シンカーの脳: 「絵」で考える人々の世界 テクノロジストの条件 ネガティブ・ケイパビリティ 答えの出ない事態に耐える力 実力も運のうち 能力主義は正義か？ 1兆

これなに これを書いた後にClineが盛り上がってきたので、また書きたくなった。二番煎じをやめろ。 大枠では変わってないので軽めのTips集です。 前回から変わった点 一か月前(2025/2/3)に書いた時から状況が変わっている ハイブリッド推論モデルとして、Claude 3.7 Sonnetが公開(2/24) Clineのアップデート .clineignoreによる読み込み対象からの除外 @terminal, @gitによるコンテキスト理解の改善 MCP Marketplace mizchiさんの魂が震えた モデル選定(2025/03) 利用経験のあるモデルを主観的にランク付けしている。 Tier1(基本これでいい) Claude 3.7 Sonnet Tier2(サブ機) Claude 3.6 Sonnet Claude 3.5 Sonnet Gemini 2.0 Pro Tier3(

Apple、Xcodeで使われているビルドエンジン「Swift Build」をオープンソースで公開。WindowsとLinuxもサポートへ Appleの発表を読み解くと、Swift Buildをオープンソース化する狙いは2つあるようです。 1つは、Swiftのエコシステムにおいて、XcodeのビルドエンジンであるSwift Buildと、Swift Package Managerに搭載されているビルドエンジンという2つの異なるビルドエンジンが存在していた状態を、Swift Buildに統一することです。 これには比較的単純なビルドエンジンであるSwift Package Managerのビルドエンジンを高機能なSwift Buildに置き換えることで、Swiftエコシステムのビルドエンジンを今後さらに発展させていくための優れた基盤となることも含まれています。 そしてもう1つは、Swift

年末にReact Router v7がリリースされましたね！ これによりWebフレームワークであるRemixとルーティングライブラリであるReact Routerが統合され、1つのプロジェクトとなりました。 React Router v7で実現する完全純粋コンポーネント開発 統合自体が一つの大きなニュースなのでそこに注目が集まりがちですが、当然書き方もいくつか変化しています。 私としてはこの書き方の変化からほとんどのコンポーネントを純関数で表現できるようになったことに大きく注目しています。 純関数とは 純関数とは、ひとことでいうと 隠れた入出力がない関数のこと です。 隠れてない入力は引数、隠れてない出力は戻り値で、それ以外の入出力がある関数と言えます。 いくつか例をあげると、以下のようなものが挙げられます。 // 純関数 function add(a: number, b: number

こんにちは、プロダクトマネージャーのたけまさです。 今回はプロダクトマネージャーの等級要件を作り直した話です。強力なマネジメントツールである等級要件の効果を紹介しつつ、今回の設計思想やアップデートの狙いを紹介します。 はじめに 今回の改定にあたり「他社のプロダクトマネージャー等級要件」を調べたところ、ほとんど公開事例がないことに気が付きました。 SmartHRのミッション「労働にまつわる社会課題をなくし、誰もがその人らしく働ける社会をつくる。」的に解釈すれば、この情報不足は課題ということで事例公開します！ まだ私たちは30人くらいのPM組織です。マルチプロダクト戦略に挑戦中で、正解など持っていませんが模索の過程がお役に立てば幸いです。私たちもPM組織を強くすることに日々知恵を絞っているので、ぜひイベントや勉強会にもお声がけください。策定プロセスも後日公開予定です。 マネジメントツールとして

かいいま🤗 @piyopiyobiyou 本当に買ってよかったと思えるキッチンアイテムぽつぽつとあげいきます〜▼ 1.電子レンジ用グリルパン レンジ放り込むだけなのに魚焼きグリルで焼いたみたいに焼ける（ガチで）なんも言わずに出されたらグリルで焼いたと信じ込むよ。これでご飯炊いても高級炊飯器に負けない位美味しく炊ける pic.x.com/6X31s6N1SU 2025-01-10 08:37:56 かいいま🤗 @piyopiyobiyou さっきあげたんだけどグリルパン一番最初にしたかったからあげなおし🙇‍♀️ 1.まじこれ最高。ノーグリルでパッと魚食べられたら…を叶えてくれます🧙‍♀️あとハンバーグ焼くの苦手な人これ使って見てほしい。シェフ宿る。room.rakuten.co.jp/room_94dac3b50… 2025-01-10 08:41:16

追記：マッチングアプリで気を付けていたこと＆してもらって嬉しかったこと上級編（anond:20241216211659） === 婚活って愚痴系の話が多いので、してもらって嬉しかったこと・気を付けていたことを書いてみる。 私は女性なので女性目線にはなるけれど、基本的にしてもらって嬉しかったことは自分からもするように気を付けていたつもり。1度会った人からは2度目も誘ってもらえたので、気を付けるべきポイントは大体押さえられている？誰かの参考になったら嬉しいです。男性から見た「女性がこう振舞ってくれたら嬉しいな」も知りたい。付き合って以降のこととかも。 マッチング～メッセージのやり取りいいねしてくれるプロフィールに個性がある（無難一辺倒だったりテンプレそのままの方も多くて、なにかしらいいねする理由や話題があるとありがたかった）いいねした理由を教えてくれる プロフィールを読んでくれる会話のきっかけ

導電素材を頭皮に塗布して脳波を測定し、検査が終わったらシャンプーするだけで落とせる「電子タトゥー」を用いた脳波測定技術が発表されました。 On-scalp printing of personalized electroencephalography e-tattoos: Cell Biomaterials https://www.cell.com/cell-biomaterials/fulltext/S3050-5623(24)00004-7 'Electronic' scalp tattoos could be next big thing in brain monitoring | Live Science https://www.livescience.com/health/neuroscience/electronic-scalp-tattoos-could-be-next-bi

株式会社ハウテレビジョン様で、 質問箱サービスMondのパフォーマンス分析と改善を行いました。 内容としてはLCPの内訳の計測、その解決方法の提案、そして一番大きな問題だった GraphQL リクエストの最適化という話になります。 現時点で全ての問題の修正には至っていませんが、開発的には全ての問題の内訳が認識可能になっていて、検証が終われば段階的にリリースできる、という状態です。 以下、敬称略 相談内容 mond.how のLighthouseスコアを改善してほしい 主要な技術構成 Next.js - Page Router Hasura CE - GraphQL Server Hasura のセルフホスティング版 計測と問題 最近は Chrome が出してくれる Lighthouse スコアの推移が見れるダッシュボードがある。 ここで Mond の直近のスコアをみる。 代表例として ht

JJUG CCC 2024 Fall用のスライドです！

CTO 室の恩田(@takashi_onda)です。 一休レストランのフロントエンドアーキテクトを担当しています。 Intro 一休レストランでは、以前ご紹介したようにフロントエンドで React / Remix を利用しています。 user-first.ikyu.co.jp 一方、設計方針としては、React / Remix への依存が最小になるように心掛けています。 今日は、そんな一見矛盾するような設計方針について、ご紹介したいと思います。 この記事を読んでいただき Remix に興味をもたれたら、明後日 2024/8/7(水) 19:00〜 のオンラインイベント offers-jp.connpass.com にもご参加いただけると嬉しいです。 この記事でご紹介している疎結合なフロントエンドアーキテクチャを実現する Remix の魅力についてお話します。 なぜ依存を最小にするのか？ R

情報を発信する人のところに情報が集まることを日々実感しているので、Linuxのメモリ管理に特に詳しいわけではないのですが最近遭遇した問題について自分の理解を書いておきます。ざっと調べても同じことを書いている人を見つけられなかったので、公開には意義があると考えています。識者の方がフィードバックをくださると嬉しいです。 ※ AIの出力をベースに書いているのでいつもと少し文体が違います。 背景 要約 調査 再現の難しさ Goアプリケーションの調査 pprofによる分析 GCログの調査 Linuxの調査 Goランタイムの調査 GoのGCとTHP khugepagedの問題 Goランタイムにおける回避策 回避策の削除 max_ptes_noneのデフォルト値について MADV_NOHUGEPAGEをやめた理由 調査内容まとめ 解決策 検証 C言語 Go言語 まとめ 背景 Go言語で書かれたOSSのア

導入 こんにちは、株式会社ナレッジセンスの須藤英寿です。普段はエンジニアとして、LLMを使用したチャットのサービスを提供しており、とりわけRAGシステムの改善は日々の課題になっています。 本記事では、画像の情報をそのままベクトルデータにして検索する手法、ColPaliについて解説します。 サマリー 通常、RAGでは文書データからテキストを抽出して、その文字をベクトルデータに変換します。しかしColPaliは、文書データを画像として認識してベクトル化を行います。画像として保管することでテキスト化できない情報を扱うことができます。他にもベクトルを複数に分解することで精度を改善し、テキストの抽出が必要ないことからデータ保管時のコストの大幅な低減などのメリットを享受できます。 PDFのデータを保管する際には、ColPaliモデルに正規化したPDF画像を入力として渡し1024個の128次元ベクトルを

Background これまでVitestでコンポーネントのテストを行う時は、jsdom や happy-dom を使ってブラウザ環境を偽装していました。しかし、偽のブラウザ環境を使うことは多くの問題があり、また開発者はテスト以外でどこにも存在しない環境を作り上げるという不毛な作業が必要でした。 この問題を解決するために、Playwright や Cypress などのテストフレームワークは Component Test をサポートしています。しかし、UnitテストでPlaywrightやCypressを使うのは少々Fatであり、Reactのhooksなどのテストをすることができません。 Vitest Browser Modeを使用することで、Vitest上でComponent Testが可能となり、これらの問題を解決できます。 Installation Browser ModeのSetu

はじめに こんにちは、kenです。みなさんコンフリクト解消してますか！ チーム開発をしているとコンフリクトとは嫌でも向き合うことになりますが、コンフリクト解消って緊張感のある作業なのでやりたくないですよね。 そんなコンフリクト解消をちょっぴり楽にする(かもしれない)コマンドを最近知ったので今回はそれを紹介します、その名もgit rerereです。 git rerereとは Gitの公式ドキュメント（日本語版）には次のように記載されています。 git rerere コマンドはベールに包まれた機能といってもいいでしょう。これは “reuse recorded resolution” の略です。その名が示すとおり、このコマンドは、コンフリクトがどのように解消されたかを記録してくれます。 そして、同じコンフリクトに次に出くわしたときに、自動で解消してくれるのです。 ここに書かれているように、git

大規模言語モデル (LLM) の学習データに含まれない知識（各社の特有の書類など）を踏まえてLLMに回答させる際に最早必須となってきたRAG (Retrieval-Augumented Generation)。 今回はそんなRAGのSurvey論文を元に、RAGの変遷や構成要素、新たに出てきた技術を俯瞰していきます。 Survey論文へのリンクはこちら arxiv.org RAGとは LLMはそれ単体で回答させると、質問によってはハルシネーションや学習時のデータにはなかった情報を生成時に加味できないといった問題から正しくない回答を生成することが多々あります。例えば世間一般に公開されていない自社の就業規則や業務標準についてをChatGPTに質問しても、正しい回答は得られません。 そのような問題への対応としてRAGが使われます。 「LLM単体で適切な回答を生成できないなら、ユーザーの質問を元に