はてなブックマーク

はじめに Gemini 3で色々作れるようになったけど、仕事で日常使いするなら、やっぱりスプシとかスライドとかそのあたりじゃないですか。 サーバー周りとか考えないでWebアプリ作りたい時、ちゃちゃっとGoogleアカウントで解決したい時のGAS（Google Apps Script）Webアプリ開発用プロンプトを作りました。 「タスク管理アプリ作って」の一言で、v0.1としては十分なレベルのアプリが生成されます。 これは何？ 社内向けGoogle系アプリのUI/UX開発を爆速化するGemini Gem用プロンプトです。 「タスク管理アプリ作って」の一言指示で94.5点のアプリが生成 HIG（ヒューマンインターフェースガイドライン）準拠のUI/UX 20項目 GAS固有の制約（非同期処理、論理削除等）に対応 6テーマ、日本語UI、ローディング、Undo機能等が標準実装 ※ただし、生成されたコ

Implementation-Driven Developmentという考え方 近年、AI を活用したコーディングが一般化し、ソフトウェア開発の進め方そのものが改めて問われていると感じています。その中で仕様を起点として開発を行う Spec Driven Development（仕様駆動開発） が、有力なアプローチとして語られる場面も増えてきました。 本稿では、Spec（仕様）という成果物そのものを否定するのではなく、Spec Driven Development という開発観に対して少し距離を取りながら考えてみます。その上で、私自身が最近しっくり来ている Implementation-Driven Development（以下 IDD） という考え方について整理します。 なぜ今、Spec Driven Developmentが注目されているのか AI が書くコードは非常に強力です。その一方

はじめに バックエンドエンジニアとして API を設計・実装していると、 フロントから「この API 使いづらいです」と言われる 仕様通りに作ったはずなのに、フロント側で加工コードが増えている といった経験はないでしょうか。 それはスキル不足ではなく、「バックエンド視点だけで API を設計している」 ことが原因であるケースがほとんどです。 この記事では、バックエンドエンジニアがフロントエンドの実装・状態管理を理解した上で 「使いやすい API とは何か」を説明できるようになる ことを目的に、実務視点で API 設計を整理します。 1. 問題点：よくある「バックエンド都合 API」 ❌ 実装は楽だが、フロントが困る例 [ { "id": 1, "first_name": "Taro", "last_name": "Yamada", "created_at": "2025-01-01T10:

こんにちは、秋野です。Xでもチームや組織でのAI開発効率化を発信してます。ぜひフォローいただけますと幸いです🙏 作ったもの Claude Codeで、複数のターミナルウィンドウで並行してセッションを実行していると「あのセッションは今何をしているのか？」「権限の入力待ちになっていないか？」といった状況を把握するのが難しくなりがちです。 この課題を解決するために、Claude Code Monitor（リアルタイム監視ダッシュボード）を自作しました。Claude Code Hooksを活用してイベントを収集し、WebSocketでWebUIに即座に反映します。 画面UI 実際に動かしている動画は下記のポストで共有しています ここからインスピレーションを受け、ご自身の開発において手助けになればと思い共有させていただいています！ 並列運用の課題：「見えない待機時間」 Claude Codeのよう

はじめに Web アプリケーションのバックエンド開発を中心に仕事をしています。 Java / Spring Boot、Python / FastAPI などを使って REST API の設計・実装をしてきました。 これまでの開発では、中規模 SaaS のバックエンド設計を一人で担当し、API62 本を設計・実装した経験があります。 この記事では、 REST API を設計するときに「なぜその形にしたのか」を説明できるようになるための判断ポイント をまとめます。 「正解集」ではなく、 あとから変更・拡張するときに効いてくる考え方を中心に書いていきます。 REST API 設計で“なんとなく”になりがちなポイント REST API は、動くものを作るだけであれば比較的簡単です。 その一方で、次のような状態になりがちです。 URL や HTTP メソッドを雰囲気で決めている とりあえず 200

こんにちは、あきのです。普段は　「AI開発効率化ソリューション」 を提供しているZenTechのCTOをしています。最近は常にAIで開発が効率化できないか考えています。 この記事では、Claude Codeの開発者であるBorisさんが投稿されていたClaude Codeの活用法をまとめさせていただきました。 ご本人に、記事にして良いかDMしたところ快諾いただいたため、記事にさせていただきました！ Thank you very much! 以下、本題です。 0. 前提 Claude Codeは、そのままでも上手く機能するため、あまりカスタマイズしていません。Claude Codeを使う正しい方法は1つではなく、意図的にカスタマイズしたりハックしたりできるように構築しています。Claude Codeチームの各メンバーはそれぞれで異なる方法で使っています。 1. ターミナルで5つのClaude

わりと聞いてるPodcast fukabori.fm (@iwashi86) Yokohama North AM (@hanhan1978) readline.fm (@readlinefm , @o0h_ , @gennei) 趣味でOSSをやっている者だ (@oss4fun , @songmu) Ossan.fm (@ossanfm , @nagayama , @chris4403) キマグレエフエム (@kimagurefm , @r_takaishi , @juneboku) PHPの現場 (@shin1x1) おいラジオ (@MatsuP8 , @strtyuu , @blue_goheimochi) たまに聞いてるPodcast EM.FM (@DevEmfm , @hiroki_daichi , @yunon_phys , @ma3tk) あらたま・いくおのマネジメントRad

新卒から11年勤めたNECを退職し、2025年9月にPreferred Networks（PFN）に移りました。これまでデータサイエンスの実務と、社会人博士などを通じた機械学習研究を続けつつ、数理最適化の事業化にも取り組んできました（披露宴の席次も数理最適化で決めました）。 本記事では総括として、当時よく耳にした「小データでは機械より人が強い」という言説を出発点に、なぜそう見えるのか考えた研究の流れと、意思決定へ軸足を移してきた経緯を振り返ります。 TL;DR 実世界のデータ分析の現場は小データであることが多く、「小データでは人の方が強い」と言われがち その理由として3つの仮説（常識力・補助情報・意思決定志向）を立てて研究した 常識力：転移学習として定式化できるが、先行研究との差別化が難しかった。基盤モデルの成功からこの説自体はある程度妥当か 補助情報：予測時の入力と出力以外を学習に用いる

本記事ではこの視点から各パターンを整理し状況に応じた選択の指針を示します。どちらが正解というわけではなく、どのような判断軸を持てるのかについて考えていければと思います。 本記事の前提 初回データ取得は SC で行う（App Router のデフォルト） データ表示と更新 UI が同一ページ内に存在する（タスク一覧 + 追加フォーム、いいねボタンなど） 図解ではデータストアにアクセスする処理は API Server として分離しているが、RSC / Server Actions で直接アクセスする構成でも本質は同じ 2. 更新が「素の fetch / Form submit」の場合 まずは Server Actions を使わず、標準のフォーム送信や Fetch API といったプリミティブな手段で更新するケースから見ていきます。ここで出てくる「サーバー主導」と「クライアント主導」という2つ

この記事では、逃げの数値計算でなく、攻めの数値計算について述べたいと思います。 物理学の目的の1つは、少ない原理と少ないデータから未来を予測することです、これは「予言」としばしば呼ばれます。 物理学において、たとえ原理を微分方程式として書けても、初期条件から将来の状態を計算できなければ予測・予言にはなりません。つまり単に「法則を立てる(式を立てる)」だけでなく、「条件を与えて解いて量を出す」ところまで行って初めて物理学として意味がある、ということも出来ると思います(すこし言いすぎですが)。 1. 解析解はすばらしい たとえば調和振動子は解析解があり、運動を式として表すことができます。自由落下や斜方投射も、空気抵抗を無視すれば同じく手で解くことができます。ラプラスが述べたように、微分方程式を解けるなら、初期条件から未来永劫に「いつどこにあるか」を追跡できる、という話になります。問題は、現実的

CodexについにSkillsが来たので徹底解説 先日のアップデートでようやくCodexにも待望のSkillsが実装された。この機能を待ち望んでいた方も多いのではないだろうか。今回はこのSkillsをまだ活用していない方に向けて仕組みと利用例を徹底解説している。ぜひ参考にしていただけたら嬉しい。 ちなみにSkillsはCodex特有の仕組みではなく、もともとClaude Codeで実装されていた概念で、エージェントが動的に発見・ロードできる、指示・スクリプト・リソースのパッケージだ。「ナレッジの目次だけ最初にLLMに渡して、本当に必要な時だけ中身を読み込む」仕組み。コンテキストエンジニアリングの一環として位置づけられる。 一言で言うと 個人的な解釈だと、Skillsは必要な時にLLMの判断で自動的に読み込まれるカスタムコマンドに近い。 ただ、その説明だけでは「で、それの何が便利なの？」とい

はじめに（注意喚起） 本記事で紹介する方法は、コードからCodexCLIを呼び出す手法です。つまり、Codexセッションの中からさらに別のCodexセッションを起動することになり、当たり前ですがその分Codexの利用枠を消費します。 サブスクリプションでCodexを利用している方：残りの利用枠にご注意ください API従量課金の方：課金額にご注意ください 今回のサンプルでは意図的に大量の利用枠を消費するような実装にはしていませんが、AIエージェントのトークン消費は事前に予測しづらいため、あらかじめご了承ください。 また、本記事で紹介する手法はベストプラクティスではありません。CodexSDKを利用して擬似的にClaudeCodeのサブエージェント機能を再現してみよう、という実験的な内容です。効率的な方法かどうかはわかりませんが、CodexCLIをより効果的に使うヒントにはなると思いますので、

本記事では，Typst で日本語を扱うときの文字間のスペースを改良するパッケージを開発したので，使い方と仕組みを簡単に解説したいと思います． 変更履歴 2025/12/17: cjk-spacer v0.2.0 に合わせて，情報を一部，更新しました． Typst 日本語スペース問題 Typst で日本語を扱うときに問題となるのが文字間のスペース（空き）です．Typst v0.14.0 時点で対応していない問題として，具体的に以下の２点が気になるでしょう． 和文の途中で改行すると間にスペースが入ってしまう． 和文の途中で 改行すると， 間にスペースが入る // 視認のためスペースに色をつける #show " ": it => highlight(it, fill: red.transparentize(40%)) 和文の途中で 改行すると， 間にスペースが入る 和文と数式の間に自動でスペース

最新記事はこちら CodexSDKを使ってサブエージェントを独自実装する手法を解説しています。 AI にコードレビューを投げると、ありがたいことに山ほどレビューコメントが返ってくる。 しかし、実際に運用してみると、その中には直さなくても良さそうな細かい指摘や、そもそもレビュー内容自体が誤っているコメントが紛れ込み、PR のコメント欄があっという間にカオスな状態になることも珍しくない。 結局のところ、一つひとつについて「この指摘は妥当か？」「今すぐ対応すべきか？」を目で追いながら判断していくことになり、レビューが増えたわりに仕分け作業だけが重くのしかかってくる。 そこで発想を変え、まずは PR についたレビューコメントをすべて洗い出し、その一つひとつについて妥当性や対応方針（対応するべきか、保留でよいか、無視してよいか）を AI に一次判定させることにした。 AI にレビューコメントそのもの

はじめに JSONくん、君はちょっと「おしゃべり」すぎるかもしれない。 開発をしていると、JSON (JavaScript Object Notation) とはもう「空気」のような存在ですよね。何かしらどこかしらで付き合いのある感じ。 APIを叩けばJSONが返ってくる。設定ファイルもJSON。何ならログもJSON。 私も長年連れ添った相棒として、彼（JSON）のことは信頼しています。 でも、LLM（大規模言語モデル） と付き合い始めてから、ちょっと気になることが出てきました。 「あれ…？ 君、無駄口多くない…？」 [ {"id": 1, "name": "user_a", "role": "admin"}, {"id": 2, "name": "user_b", "role": "member"}, {"id": 3, "name": "user_c", "role": "member

Next.jsは従来より、デフォルトで高いパフォーマンスを実現するフレームワークであることを重視してきました。App RouterにおいてもSSR・Streaming・Cacheなど様々な最適化により、高いパフォーマンスの実現を目指してきました。しかし一方で、積極的なCache活用や複雑すぎるCacheの影響範囲は、開発者に多くの混乱をもたらしました。 v16で導入されたCache Componentsは、Next.jsのCacheのメンタルモデルを大きく変更するものであり、これまでの多くの課題を解決しうるリアーキテクチャです。この記事では、Cache Componentsが何を解決しようとしているのか、なぜリアーキテクチャに至ったのかなどの歴史的経緯を解説します。 Next.jsの歴史 Next.jsには現在、Pages RouterとApp Routerという2つのRouterが同梱さ

システム構成図やシーケンス図を描くとき、「どのツールを使えばいいの？」 と悩んでいませんか？ draw.io、PlantUML、Mermaid、FigJam...選択肢が多すぎて、結局いつも同じツールに逃げてしまう。でも本当にそれでいいのか不安。 この記事では、実際のエンジニアたちが使っているツールと、その選び方を徹底的にまとめました。 ▼ガッシーさんのツイート に集まった情報を参考に記載させてもらっています。デザイナー、プログラマー、エンジニア、経営層と様々な方がリアクションされていたので、みんな悩んでいるんだな…わかるぞ…と思い、しれっとまとめさせてもらいました。私も個人的にめっちゃ悩んでいたので。問題があれば削除しますのでご安心ください。 人気の図形描画・作図ツール徹底比較 1. draw.io (diagrams.net) - 最多回答の万能ツール 完全無料で高機能、幅広い用途に対

概要 4年目のソフトウェアエンジニアとして、一般社団法人 ソフトウェアエンジニア協会(以下SWE協会)のコーディング練習会に参加して感じた変化を共有します。 なお、Google を含む外資系ソフトウェアエンジニアのコーディングテストを準備なしで解ける方にとっては、本記事の内容は役に立たないかもしれません。 自己紹介と参加の背景 私は現在、主にマーケティングオートメーションツールを提供している会社で、ツール全体が使うデータパイプラインの構築や運用、機能開発に利用する共通基盤の開発等を行っています。 扱うトラフィックはそれなりに大きく、馴染みの薄いミドルウェアを学ぶ場面も多いのですが、学習が場当たり的になりがちで、技術間に渡る「共通項」が見えにくい感覚を抱いていました。 また、社内で尊敬するエンジニアの「判断基準」や「なぜその選択肢を採らないのか」という背後の思考まで追いきれないことが悩みでし

この記事は、すでにCodexやClaudeCodeなどのAIコーディングツールを実際に使い始めているエンジニアに向けて書いている。「期待ほど効率が上がらない」と感じている人や、運用の型を模索している個人開発者を想定している。導入方法や基礎理論は扱わない。ひとりのエンジニアが数ヶ月間Codexと向き合って得た、実践的な運用知見を語る。 数ヶ月で変わったこと まず、ここ数ヶ月でAIコーディングツールの使い方が大きく変わったという話からしたい。 数ヶ月前のClaudeCodeガードレール戦略全盛期と比べると、隔世の感がある。あの頃は、AIが暴走しないように制御する、余計なことをさせないようにガードレールを張り巡らせることに頭を悩ませていた。Kiroが登場したときも、その延長線上にあった。 しかしGPT-5-Codexの登場で、その流れが変わった。 コンテキスト詰め込み時代の終わり 何が変わったの

はじめに LLMの進化とともに、私たちの開発手法も大きく変わってきた。かつて重要視されたプロンプトエンジニアリングは、今やコンテキストエンジニアリングへと進化を遂げている。 プロンプトの工夫より、文脈の設計。 いま成果を分けるのは「何を渡し、何を渡さないか」ではないだろうか。 最近ではkaraage0703さんがコンテキストエンジニアリングの理論的な整理をまとめた優れた記事を公開している。 本記事では、これとは少し違った角度から、ClaudeCodeでの実践という視点でコンテキストエンジニアリングを掘り下げてみたい。 近年は推論力の向上で、プロンプト技巧の比重は下がった。一方で与える文脈の設計（コンテキストE）は重要度が上がった——本稿はその実務設計を、サブエージェントで具体化する。 プロンプトエンジニアリング：その誕生と役割 LLMの特性が生んだ必然 プロンプトエンジニアリングは、初期の

なぜSerena MCP Serverを使うとAIのコード編集が正確になるのか AIがコードを理解する二つのアプローチ 現在のAI開発ツールは、コードを理解するために主に二つのアプローチを活用している。一つは「意味的な類似性」で関連コードを発見するRAG（Retrieval-Augmented Generation）、もう一つは「構文的な構造」を解析するLSPといった技術だ。重要なのは、これらは対立する技術ではなく、それぞれに強みがあるということである。 CursorやGitHub Copilotといった主流のAI開発ツールは、RAGによる埋め込み検索を中心に据えている。コードを数値ベクトルに変換し、意味的に類似したコードを高速に発見する。「ユーザー認証の処理を探したい」といった曖昧な要求に対して、authenticationやlogin、validateといった概念的に関連するコードを幅

こちらの解説Youtube動画撮りましたのでぜひご覧ください☺️ ・【AI組織実現‼️Claude Code Organization】現役エンジニアが「5人のAIが勝手に開発する会社」の作り方を解説！tmuxで社長AI→PM AI→エンジニアAIのAI会社ができた件 URL: https://www.youtube.com/watch?v=Qxus36eijkM はじめに こんにちは！あきらパパです！☺️ 今回は、AI組織を実現しましたので、環境構築方法をシェアします。 まずはこちらをご覧ください。 「AIに開発を任せる」って最近よく聞きますよね。 でも、このシステムはそれをさらに進化させて、複数のAIが会社の組織みたいに協力して開発するんです。社長AIがいて、マネージャーAIがいて、作業者AIが3人いる。まるで小さなIT企業みたいな感じです。 20万インプレッション越えで、Xで話題にな

AI Agentの進化は目覚ましく、日々実装の品質も向上しています。しかし、開発者自身に明確な実装イメージがある場合、それをAI Agentに出力させることは難しく、さまざまな工夫を必要とします。Agentに与えるコンテキストやプロンプトを最適化したり、詳細なルールを整備することで精度を高めることができますが、これらには大変な労力を伴います。 筆者がNext.jsアプリケーションを扱う場合、実装イメージは著書『Next.jsの考え方』の内容に沿って生成されるため、「この本をAI Agentに読ませることで、アウトプットの精度を高めることができるのではないか」と考え、様々な検証を行いました。 本稿では検証を通して筆者が得た、AI Agentのアウトプットに『Next.jsの考え方』を反映するプラクティスについて紹介します。 要約 以下の条件を満たすことで、AI Agentのアウトプットに『N

問題：AI開発における「8割の罠」 AI駆動開発で最も注意すべきは、AIにいかに良い成果物を作らせるかではなく、AIにいかに既存の良い実装を破壊させないかである。 典型的な悪循環 AIに開発を指示 成果物の8割は良い感じ、残りの2割に問題あり 2割の改善を指示 問題の2割は改善するが、元々良かった8割の一部が改変・破壊される 結果、全体の完成度は8割から進歩しない この「部分最適化による全体破壊」のループが、AI駆動開発の最大の落とし穴だ。 解決策：破壊を防ぎ、品質を向上させる4つのアプローチ 1. コンポーネント化と責務の分離 なぜ有効か： 変更の影響範囲を物理的に制限できる 実装例（MVVMパターン）： ViewModelとViewを明確に分離 「View側だけ修正して」という指示でViewModel側の破壊を防げる ViewModelに「何を表示する画面か」というコンテキストが残る

Git worktreeによる並行開発に挑戦しようとした人々が最初に抱える問題が、ワークツリーの作成や移動のためのコマンド実行に手間がかかることです。私はそれらのコマンドを簡単に実行できるCLIツール（Phantom）を開発し、その問題を解消しました。 ワークツリーの管理をAIに任せたい そしてPhantomを使って複数のワークツリーで開発を進めるうちに、次第にワークツリーの管理を手動で行うこと自体に疲れてきました。 AIがタスクに着手する時にワークツリーを作成してから作業を開始してくれれば、人間の負担（ワークツリーを作成し、移動してエージェントを立ち上げる）を大きく軽減できるはずです。 Phantom MCP Server そこで、Phantomの機能のうち、ワークツリーの作成・一覧表示・削除をMCPサーバーとして提供しました。 AIに指示する際に「新しいワークツリーで実装を開始して」と

バイブコーディングの効率化でGit worktreeが話題になっていたけど、コマンドの実行や管理が大変そうだったので、まずは効率化するツールを作りたいと思いました。いつもならシェルスクリプトとかエイリアスで済ませるところですが、バイブコーディングでOSSとして作ってみたら面白そうと思い、この1週間集中して開発しました。 結果、Git worktreeの管理を効率化するCLIツールをリリースすることができました。途中からはドッグフーディングで自らの生産性も向上させて、Claude Codeを20万円分以上使いましたがCLIツールとしてかなりクオリティの高いものを短期間で作ることができました。 作ったツール PhantomというCLIツールを作りました。Git worktreeを簡単に管理できるツールで、docker execみたいにワークツリーの中でコマンドを実行する機能があったり、tmux

Claude Codeを使ってリポジトリ内を探索してWikiを構築してもらったところ、高精度で実用性の高いものができました。再現手順を共有します。 実例 このようなWikiが完成しました。 DeepWikiが出力したものと比較しても遜色ない品質であると思います。 Wikiのセットアップ GitHubリポジトリの設定画面からWikiを有効にし、空のHomeページを作成してください。 詳細な説明は省きます。 Git submoduleとしてクローン GitHub WikiはGitリポジトリとして扱えるため、以下のコマンドでsubmoduleとしてcloneします。 クローン先はどこでもいいですが、今回はリポジトリ直下のwikiディレクトリにします。 手順書(wiki-manual.md)を作成 Wikiを作る際のルールをまとめた手順書を用意します。自分の好みに合わせた手順を用意すればいいですが

アプリケーションユーザーにとってパフォーマンスとは、特定の指標に基づいて判断される定量的なものだけでなく、アプリケーションの総合的な体験を通じて感じる定性的なものでもあります。そのため、ユーザーがアプリケーションを「遅い」と感じる要因は様々です。 Googleは以前より、ユーザー中心のパフォーマンスを提唱しています。Core Web Vitalsは、ユーザーが感じるパフォーマンスを定量的に計測するために作成された指標群で、現在最も重要なパフォーマンス指標の一つです。しかし、Core Web Vitalsだけではパフォーマンスに関するUXの全てを網羅できるわけではありません。Core Web Vitalsの改善は重要ですが、最終的にはUX全体を最適化することが必要です。 本稿では、ページ読み込み時に「遅い」という印象をユーザーに与えないために筆者がよく用いるStreaming UIとそのプラ