はてなブックマーク

オープンソースソフトウェア（OSS）の脆弱性に懸賞金をかけて発見を促し、対応を支援してきた米セキュリティ企業のHackerOneが、新規の報告受け付けを停止している。AIで生成された質の低い脆弱性報告の激増が原因といい、影響は主要OSSプロジェクトに及ぶ。同様の懸賞金プログラムを提供してきたGoogleも対応を強いられるなど、AIの影響が深刻化している現実が浮き彫りになった。 OSSの脆弱性を発見した人に懸賞金を支払うHackerOneのバグバウンティプログラムは2021年に開始され、これまでに支払われた賞金の総額は150万ドルを超える。重大な脆弱性の場合は1件あたり4000～2万5000ドルの賞金が支払われ、うち80％が発見者に、残る20％は対応に当たるOSSプロジェクト側に提供されていた。 しかしHackerOneは3月28日付けで、新規の報告受け付けを停止すると発表。理由については「

Google Cloud Next ’26で発表された「Google Workspace MCPサーバー」をご存じでしょうか。MCP サーバーと聞くと、少し開発者向けで難しそうに感じるかもしれません。ただ、ざっくり言えば、AIアプリケーションやAIエージェントから、Google Workspaceの機能をより安全に、そして標準化された形で扱えるようにする仕組みです。現在はプレビュー版として提供されているのですが、先日Google Workspaceのデベロッパープレビュープログラム(※1)に申請を行い、無事に申請が通り、検証できる環境が整いました。 というわけで、今回はGoogle Workspace MCPサーバーの概要と実際に使ってみた所感をお伝えします。 ※1 Google Workspaceデベロッパープレビュープログラムへの参加はコチラのフォームから申請することができます。 Go

Claude Code、Codex CLI、OpenCode等のAIを使ったコーディングはすっかり一般的になりました。（※なおタイトル画像はAIに作ってもらいましたが、この文章は100%人間が書いています。） 一方でAIコーディング活用の壁は大規模言語モデル(LLM)利用のコストでしょう。私の周辺には$100/月(1.6万円)や$200(3.2万円)/月といったLLMのサブスクリプションにプライベートで加入している人がたくさんいますが、これはかなり例外的で、業務ならともかく趣味のコーディングならせいぜい数千円/月ぐらいが現実的な範囲だと思います。 この投稿ではOpenCodeで安価にAIコーディングをはじめる – おすすめ構成($0～$30/月)で紹介したパターンのうち、$10/月、$30/月のパターンを例に、どのように節約する(＝トークンの消費を抑える）のが良いかというのを自分の経験（実

はじめに 普段からSSH先のリモートサーバーで開発を行っており、最近はZedエディタを使い始めました。Zedは非常に快適なエディタなのですが、VSCodeのRemote SSHのようなポートフォワーディング機能がないため、ローカルからリモートのサービスにアクセスしたいときは毎回手動でSSHトンネルを張る必要があり、ずっと不便に感じていました。 そんな中で出会ったのが MolePort です。 MolePortは、こうしたSSHポートフォワーディングの悩みを解決するために生まれた、Go言語製のデーモン+クライアントアーキテクチャのポートフォワーディングマネージャです。 この記事では、MolePortのインストールから実践的な使い方、設定のカスタマイズ、そしてその内部アーキテクチャまでを一気に解説します。 この記事で分かること: MolePortのインストールと基本的な使い方 Local /

#!/usr/bin/env bash set -euo pipefail fuser -kvn tcp 8080 usage() { cat <<'EOF' Usage: ./lms-load-and-serve.sh <gguf-path> <identifier> Example: ./lms-load-and-serve.sh ../models/Qwen3.6-27B-UD-Q4_K_XL.gguf Qwen3.6-27B-UD-Q4_K_XL LMS_DISABLE_THINKING=0 ./lms-load-and-serve.sh ../models/Qwen3.6-27B-UD-Q4_K_XL.gguf Qwen3.6-27B-UD-Q4_K_XL Environment variables: MODEL_USER=local Import destination use

Your schema as SQL Edit definitions.sql to the shape you want. sqlfu draft compares that desired schema with replayed migration history, shows the smart diff, then writes the reviewed migration file. Read about the migration model definitions.sql create table posts ( id integer primary key autoincrement, slug text not null unique, title text not null + published integer); terminal $ npx sqlfu draf

クラウドファンディング「AIゲームセンター構想」がクラファンだけでなく、色々な地方自治体や地方を拠点とした企業から問い合わせを受け始めている。 その中で、「なぜAI教室ではなくAIゲームセンターなのか」という質問をいただくことがちらほらあったので、とりあえず自分の思いを整理しておくためにここに書いておきたい。 当然、「AI教室」が無価値なわけではないが、「AI教室」と「AIゲームセンター」は性質が全く異なることを説明しておきたい。 AI教室はコストが高く、ごく少人数しか相手にできない僕が誰かにコンピュータやプログラミングというものを最初に教え始めたのは、13歳の時だ。なぜか技術家庭科の内藤先生が、「おまえが一番コンピュータに詳しいんだから、クラスメイトにプログラミングを教えてみろ」と言ってきて、僕は授業をすることになった。BASICを教えるのだ。 子供ながら、どうすればプログラミングができ

はじめに Claude Codeを使い始めて数ヶ月、便利だなと思いつつも「同じ指示を何度も書いてないか？」「無駄な前置きを毎回読まされてないか？」と感じる場面が増えてきました。 AIに作業を任せるのは便利ですが、AIを使うこと自体に発生するタイムロスに目を向けると、まだまだ効率化の余地があると気づきました。 この記事では、Claude Codeを触り始めたエンジニア向けに、私が実際にやってみて効果が高かった「個人ルールの設定」をまとめます。難しい設定はなく、ファイルに数行追記するだけで作業効率がはっきり変わるものを紹介します。 読み終わるころには、自分のCLAUDE.mdに何を書けば良いかのイメージが掴めるはずです。 基礎となる知識 CLAUDE.mdとは Claude Codeには、起動時に自動で読み込まれるCLAUDE.mdというファイルがあります。ここにルールを書いておくと、毎回プロ

For the complete Mojo documentation index, see llms.txt. Markdown versions of all pages are available by appending .md to any URL (e.g. /docs/manual/basics.md). Write like Python, run like C++. Write fast code for diverse hardware, from CPUs to GPUs, without vendor lock-in, in a language that's both user friendly and memory safe. Install NowStable: 1.0.0b1 (May 7) | Latest nightly May 10

2026年のソフトウェア開発を考える（2026/05版） Scrum Fest Niigata 2026 2026年5月8日（金） https://www.scrumfestniigata.org/

「Notionのように文書やデータベースを整理しつつ、Miroのように自由なキャンバスへ図や付箋を並べたい」というようなブロック文書と無限キャンバスを統合し、さらにセルフホストにも対応した知識管理ツール「AFFiNE」が公開されています。 AFFiNE - All In One KnowledgeOS https://affine.pro/ toeverything/AFFiNE: There can be more than Notion and Miro. AFFiNE is a next-gen knowledge base that brings planning, sorting and creating all together. Privacy first, open-source, customizable and ready to use. https://github.

生成AIの普及とともに、クリエイターの作品が本人の意図しない形で学習・加工されるケースが顕在化してきた。これに対抗する保護ツールはこれまでもあったが、その多くはAI利用に慎重な立場のコミュニティや研究者などから生まれてきたものだ。AI活用を推進する側の企業が、自ら保護ツールを提供する動きはほとんど見られなかった。 2026年3月、その構図に一石を投じたのがコロプラだ。同社はAI活用率9割超、ゲーム開発ではコード生成の3～4割をAIが担うなど、AI活用を積極的に進めている。その企業が、クリエイターの作品を生成AIの“無断学習”から保護する無料アプリ「COLOPL Contents Protector（CCP）」をリリースした。 AIを積極的に使いながら、同時にAIから作品を守るツールも作る。この背景にある考え方を、菅井健太CIO（上席執行役員）と、CCPの開発を担当した工藤剛氏に聞いた。 「

#WIP 従来の仕様は、実装前に正解を固定し、実装をその正解へ一致させるための記述だった。 しかし、ソフトウェア開発で本当に不確実なのは、実装が仕様通りに作れるかだけではない。そもそもその機能に価値があるのか、ユーザーが想定通りに行動するのか、業務的に何を正しいとみなすべきか、どの相互作用なら使えるのかも不確実である。 LLMとエージェントによって、選択肢生成・プロトタイピング・実装修正のコストは大きく下がった。これにより、仕様は「正解を先に固める文書」から、「仮説を構造化し、どのエビデンスで採択・棄却するかを明示する文書」へ変わる。 したがって、LLM時代の仕様とは、何を作るかを詳細に命令する文書ではない。価値仮説・行動仮説・ドメイン仮説・相互作用仮説・実装仮説を分け、それぞれの採択基準と観測方法を明らかにする、学習のための構造である。 ただしひとくちに「仮説」といっても、そこには層があ

TL;DR Ruby開発者のまつもとゆきひろ氏が、Claudeを活用してRubyのAOTネイティブコンパイラ「Spinel」を約1ヶ月で開発した。PrismによるAST解析とC言語へのコード生成を組み合わせ、CRuby比で最大87倍の処理速度向上を実現している。メタプログラミングや動的評価を制限したサブセット仕様であり、CLIツールやエージェント連携用途での有力な選択肢となる。 Rubyの開発者であるまつもとゆきひろ（Matz）氏が、「Spinel」と名付けられた新たなAhead-Of-Time（AOT）コンパイラを公開した。RubyKaigi 2026の基調講演で発表されたこのプロジェクトは、Rubyのソースコードを読み込み、最適化されたC言語のコードを生成した上で、最終的にシステムの標準Cコンパイラ（GCCやClang）を用いてスタンドアロンのネイティブ実行バイナリを構築する。インター

はじめに Claude CodeやCodexの登場によって、IT業界の開発現場は、単に「プログラミングが速くなった」だけでは説明できない構造変化を起こしています。重要なのは、AIが優秀なプログラマーを完全に代替したことではありません。むしろ、AIによって大量の「それっぽいコード」が短時間で返ってくるようになり、熟練者がそれを監修する構造が強まったことです。 これは、アニメ業界における動画、第二原画、外注、作画監督、チーフ原画マンの関係にかなり近いものです。アニメ業界では、すべての絵をトップアニメーターが一枚ずつ描くわけではありません。大量の作業は外部や若手に渡され、返ってきたものを作画監督やチーフ原画マンが直し、全体の品質を揃えます。 IT業界では、従来この構造が成立しにくいものでした。なぜなら、プログラマーの力量差が大きすぎて、外に投げたコードが「直せば使える素材」として返ってくる保証が

fsnotify の maintainer 権限まわりで少し騒ぎになっている。 日本語圏では、mattn 氏が X で発信したこともあって、「arp242 氏が横暴に maintainer を外した」「有名 OSS を乗っ取った」「怖い」みたいな受け止め方がかなり広がっているように見える。 ただ、GitHub 上の issue や commit log、実際の contribution を見ると、この見方はかなり雑ではないかと思った。 少なくとも、公開情報を見る限り、arp242 氏が一方的に悪いという話には見えない。むしろ、実質的に長く fsnotify をメンテしていた arp242 氏が、過去の緩い権限付与によって残っていた commit 権限を整理した、という見方のほうが自然に見える。 fsnotify は「誰のプロジェクト」だったのかまず前提として、fsnotify は Go の

はじめに 開発者であれば誰しも、「できるだけバグの少ないコードを書きたい」と思っていると思います。 また、実際にバグの多いコードに苦しんだ経験があるのではないでしょうか。自分自身もそのひとりです。 修正したはずの箇所で別の不具合が起きたり、「どこを変更すると何が壊れるのか」がわからなくなったり、特にコード量が多いと、「たぶん動いているけど、本当に大丈夫だろうか」という不安を抱えながら開発を進めることもあると思います。 そんな中で単体テストを書く機会があり、「そもそも単体テストとは何なのか」「どのように書けばよいのか」という疑問を持ちました。 そこで単体テストについて調べていく中で、「テスト駆動開発（TDD）」という言葉にたどり着きました。 「テスト駆動開発（TDD）」と聞いて “テストを書いてから実装をする開発手法”という説明はよく見かけます。しかし、有名なエンジニアたちが口をそろえて「T

はじめに プログラミングスクールに価値がないように見える最大の理由は、プログラミングという営みが本来は問題解決であるにもかかわらず、多くの商業スクールがそれを講義項目の消化として売っているからです。受講者が小さな道具を作れるようになること、既存コードを読めるようになること、変更で壊れない形に整えられるようになることよりも、カリキュラム上で「HTMLを教えた」「JavaScriptを教えた」「クラスを教えた」「ポリモルフィズムを教えた」と言えることが優先されます。 本稿が本当に問題にしているのは、スクールという業態そのものというより、座学講義型のプログラミング教育という形式です。同じ構造は大学情報系学科の座学講義にも当てはまります。教員の質、受講者の前提知識、評価制度、講義の体系性、価格、卒業の重さといった点で大学とスクールは大きく異なります。しかし概念を先に並べて実利と痛みの経験を後回しに