この記事は、筆者が技術選定について思うところをまとめた記事です。Twitterに同じ話を何回か書いているので、文章にまとまっていたほうがよいと思い用意しました。 やや過激な思想で愚痴も含んでいるので、共感いただけると嬉しいものの、みなさんを説得しようというつもりはありません。こいつはこういう考え方なんだなという心持ちでお読みください。 積極的な技術選定と消極的な技術選定ITエンジニアの方々の中には、技術選定をする立場の方も多いでしょう。技術選定にあたってはさまざまな事情を勘案しなければならない難しいもので、それだけに多くの人が技術選定に関する各々の考えを述べています。 筆者は、技術選定における意思決定のプロセスは、積極的な技術選定と消極的な技術選定の2種類があるのではないかと思っています。 積極的な技術選定は、選定される（あるいはされない）技術そのものが原因となる意思決定です。 一方、消極

“選定してすぐにダメになった”を防ぐには？特定の言語にフルベットしない、一休の技術戦略 2025年3月4日 株式会社一休　執行役員CTO 伊藤直也 新卒でニフティ株式会社に入社。ブログサービス「ココログ」を立ち上げる。2004年、株式会社はてなに入社し、CTOに就任。「はてなブックマーク」などの開発を主導。2010年から、グリー株式会社でソーシャルメディア統括部長を務める。その後フリーランスとなり、技術顧問を務めていた株式会社一休に2016年4月入社。執行役員CTOに就任し、現職。 エンジニアの仕事の中でも、「技術選定」は特に難易度が高く、責任が重いものです。ひとたび特定技術の採用を決めると、容易にリプレイスできず、長期間にわたって開発や運用に影響を及ぼします。さらに、使用する技術によって採用活動や組織戦略にも大きな影響が出ます。読者の中にも、「技術選定で失敗したくない」「将来にわたって持

チーム内共有用に作ったやつです。Scrapboxの

2年くらい前からCopilotやCursorによるコーディングサポートを受けた開発は実際に行なっていたのだけど、先週くらいからコーディングエージェントによる開発にも本腰を入れて調査を始めた。以下はその際に雑に調べた情報まとめ。 そんでこの土日くらいまで毎日、主にCline+Claude(その他versionや派生系クライアントも含む)を使って色々とコード生成させたりして実験したのでその感想を書く。 試してみたこと 最初は簡単なpromptを入力してポン出しで生成させるToDoリストとか管理画面みたいなものを作らせてワイワイしてた。だけど何回かやったら流石に飽きてきたので、もう少し規模の大きなタスクに取り掛からせることにした。 既存プロジェクトへのテスト追加 まず最初に、個人開発してるモンハンnowのTA走者向けのwebサイトが現状テストゼロだったので、これに対してClaude 3.5 so

AIコーディング時代の到来 AIを使ったコーディングが話題になっていますね。私も個人のプロジェクトやデモで実験的に使っていますが、ちょっとしたアプリやツールなら、それこそ人間には不可能な速度で爆速で開発することができるようになり、その体験に驚き興奮しています。一方で「そんなに便利に思えない」とか「Cline(Roo Code)、Cursor、Windsurf、GitHub Copilot等たくさんAIによるコーディングサポートツールが出てきていて、どれを使えばよいのか分からない」という理由で、なかなか利用に踏み出せない人も多いのではないでしょうか？ 私が、ツールをいくつか試してみて感じたのは、それぞれのツールごとの使い勝手の違い、メリット・デメリットはありますが、開発の方向性としては共通していることです。それは、多くのツールがAIがCopilot（副操縦士）からPilot（操縦士）として振

はじめに AIのコーディングアシスタントとして最近、急速に注目を集めているCline。VSCode上でAIと連携し、コード生成からバグ修正、さらにはターミナル操作まで自動化できるこのツールは、多くのエンジニアの生産性を劇的に向上させています。 mizchiさんの『CLINEに全部賭けろ』という記事では、 AIから引き出せる性能は、自分の能力にそのまま比例する AI自体を管理するパイプライン設計を自分のコアスキルにする必要がある ともあるように、エンジニアはClineという強力なツールの最大限を使えるようになっていくべきです。 「AIの上手な使い方」が今のエンジニアにとって必須スキルになりつつあるため、単にClineを使うだけでなく、その仕組みを理解することで得られるメリットは数多くあります。例えば、現時点でのClineの得手・不得手を理解することでAIに対して的確に指示ができたり、clin

AIコーディングエージェントは便利ですが、意図しない挙動を行った時に、被害を最小限にとどめる工夫がいるな〜と思っています。例えば、なんらかの設定をミスって、rm -rfが暴走するとか、無限ループを実行してしまうといったインシデントが考えられます。 当初そのために、今お買い得なXserver VPSを借りて快適な独立した作業環境を構築していました。4GBインスタンスでVSCode ServerとDockerを動かしてたんですが、メモリ使用に耐えられなくなってきて。ちょくちょくOOM（Out of Memory）が出て、「うーん、これは厳しいかな」と感じてました。 そこで、自宅PCを刷新して開発用VMをプロジェクトごとに建てようかと思ったんですが、それはそれでオーバーヘッドでかいですよね。OS管理とかアップデートとか考えると面倒くさい。 要は、プロセスが分離されてて、ワーキングディレクトリ外に

基本的なCursorの使い方については無数に紹介記事があるが、例えば下記の記事を参照されたい。 Cursorで良いなと思ったところ ちなみに、執筆時点でのCursorのバージョンは0.45.14。YOLOモードは暴走が怖いのでオフにして、Composer（agent）モードを使用している。 提案されたコマンドを編集してから実行できる これはかなり便利だと感じた。なぜなら、このコマンドを打ったらエラーが出るとわかってるコマンドを打ってほしくないから。この例の他にも、pythonの仮想環境でuvを使いたいときなど、少し編集して実行できると嬉しい。 Acceptする前に動作チェックができる Clineでは、Acceptするまで動作検証ができなかったはず。CursorではAcceptする前に動作検証ができるので、その結果を見てからAcceptするかどうかを判断できるのが使いやすいと感じた。 Cla

今や、AIを活用してソフトウェア開発すること自体は一般的になり、一種のブームと化している。 しかし、Web上で見かけるのはワンショットでテトリスを作る程度の小規模なプロジェクトの話がほとんどで、驚けるものの、正直あまり実用性は無いように感じる。 俺たちが本当に知りたいのはテトリスの作り方じゃねえ！現実の中規模以上のシステム開発で、いかに楽に良いものを作れるかだろ！ ということで、まずは弊社から現時点のノウハウを全公開しようと思う。 弊社ではCursorを1年以上活用（サービスがGAになったタイミングから全社員で利用）しており、一定のノウハウを蓄積してきている自負がある。ただ、あくまで一例ではあるので、ぜひみなさんの現場での活用事例も共有してほしい！ 免責事項AIエディタでの開発は、LLMとAIエディタの進化に伴い、常に変化している。 そのため、この記事で述べる方法論は、現時点での、弊社での

AI Agents That Drive Business ResultsFind and deploy enterprise-ready AI solutions to automate tasks, boost productivity, and scale your business

1. はじめにシリーズ「プロンプトアイデア」第7弾へようこそ。これまで6回にわたり、さまざまなプロンプトエンジニアリングの手法を紹介してきました。回を追うごとに多様なテクニックが生まれてきていますが、今回のテーマも「まだ世にほとんど出回っていない、新しいプロンプトテクニック」に焦点を当てます。 多視点の同時展開や自己レビューを強化する流れは、すでに注目されている領域です。しかし、それらをさらに発展させ、かつ直感的で実用的に使える形へとブラッシュアップした――そんな5つの革新的アイデアを厳選してご紹介します。 この第7弾の記事を通じて、新手法を実践する意義や、その背後にある発想を理解していただきたいと思います。 2. 既存プロンプト技法の振り返り多視点プロンプトや逆算思考の手法は、すでにSNSや論文などで広がりを見せています。 しかし、並列思考を促す手法は「早期のアイデア収束」や「視点間の干

最後に紹介しているハンズオン👇️ https://qiita.com/minorun365/items/85cb57f19fe16a87acff

Cline を使い始めて2ヶ月ぐらい経った。 自分の直感として、Cline は真のイノベーションの入口であり、そして開けてはいけないパンドラの箱でもあったと思う。 ここでいう Cline は Cline型コーディングエージェントであり、広義には Devin / Cursor や Copilot Agent 等を含む話。だが、後述するように Cline でしか見えない世界がある。 その先の未来に、プログラマとしての自分はフルベットする、という話をする。 私たちが知っているプログラミングの終焉 大事なことは次の記事に全部書いてある。まずこれを読んでほしい。 (Google翻訳) Steve Yegge 氏は、置き換えられるのはジュニアおよび中級レベルのプログラマーではなく、新しいプログラミング ツールやパラダイムを受け入れず過去に固執するプログラマーであると指摘しています。 <略> これはプロ

はじめに honeshabri.hatenablog.com 骨しゃぶりさんのブログで音声入力が激推しされていて、自分も普段から音声入力を使っているので、その使い方にとても共感できたし嬉しかったです。普通に音声入力がもっと流行ってほしいなと思います。 骨しゃぶりさんのブログ記事に触発されたのもあり、僕も音声入力について記事を書いてみました。この記事では自分のおすすめ音声入力ツールとその活用法を紹介したいと思います。 SuperWhisperのすすめ Whisperという音声認識モデルをご存知の方は多いと思います。これはTransformerベースの音声認識モデルで、OpenAIからOSSとして公開されています。特徴としては従来の音声認識と比べて、聞き間違いや聞き逃しが少なく、ノイズやフィラー（えーと、うーん、あー）を上手に無視してくれて、音声認識の精度が高いというところがあります。 よくあ

こんにちは、ニケです。 皆さん、AITuber 開発していますでしょうか？ AITuber、最近よく聞く言葉ですね。 面白そうだけどどこから始めればよいか分からない、という方も多いと思います。 というわけで今回は、AITuberという分野に興味を持っている方のために、できるだけ簡単にAITuberの作り方について解説していこうと思います。 具体的に「Youtubeのライブチャットに反応してキャラクターが応答を返すAITuber」を作成します。 下記が完成版のサンプルです。 なお、非エンジニアの方でも理解できるように、今回は仕組みの説明に注力し、コードの中身は解説しません。 動作コードはほぼ1つのファイルに収まっているため、コードに興味がある方は、ChatGPTにそのままコピペして解説してもらうと良いでしょう。コードは後ほど共有します。 ちなみに簡単に自己紹介すると、私は普段 AITuber

なんか驚き屋っぽくてアレなんだけど、今回はさすがに驚く権利があると思うので、至急記事を書く。 やろうとしたこと 毎回手元の検証結果から技術記事を構成するのがだるい 自分のブログを適当に読ませておいて、その構成と文体を真似させればいいのでは 手元に mizchi/zenn というリポジトリがあり、ここに zennにポストする原稿を管理している。 $ tree ./articles ./articles ├── 1c35fdcc77065c02f631.md ├── 3e4742e24f2ca0118f70.md ├── 8a017097d3994ddc0a85.md ├── ai-code-generation.md ├── ai-programmer.md ├── ai-team-mate.md ├── antipattern-of-tournament-score-sheet.md ├─

みなさん、Roo Code (旧Roo Cline)を使って小説執筆していますか？　おそらく多くの方はコーディングでの利用が大多数だと思いますが、実は小説執筆にも応用できる技術です。しかもこの体験は、今までの生成AIを活用した執筆よりも明らかにワンランク上です。まだまだ足りないところもありますが、おそらく技術の進展でカバーできるでしょう。 おそらく「すでに小説執筆は試したけど、あまり使えなかったよ」という方もいらっしゃると思います。そんな方はぜひ「メモリバンク」も活用してみてください。きっとクリアな視界を得られるはずです。 本記事では、Roo Codeの導入から、小説執筆用に私がカスタムしたメモリバンク「Writing Memory」についても解説いたします。 お知らせ天狼院書店さんにて開催される「AI時代の小説の書き方」1day講座に、『小説を書く人のAI活用術』著者である山川健一先生、

ブックマークしました ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください Twitterで共有

LLMにいかにデータを入力するか 「LLM活用していますか？」 LLMは文章の翻訳、資料のチェック、ソフトの修正など様々な活用の可能性があります。 その際、問題になってくるのがLLMにいかにデータを入力するか、出力したデータを活用するかです。画像、PDF、Office資料などを丸ごと入力できる便利なサービスやも出てきていますが、様々な事情により使用できるサービスが限られていて、資料をそのまま入力できずに困っている人も多いと思います。また、サービスは使用できるけど、同じデータを違うLLMに入力して結果を比較したいというニーズもあるかと思います。 そんなときに重要になってくるのがデータ変換です。この記事では、上記のような困りごとを持っている方に、データをLLMに入力しやすい形に変換する方法について紹介します。なお、本記事はLLMのAPIなどを使ってバリバリ開発している人ではなく、ChatGPT

日鉄ソリューションズ株式会社でW&Bの技術支援を担当している藤野・高畠です。生成AIにおいて重要な役割を果たすRAGですが、ビジネスシーンで効果的に活用するためには、回答精度の向上をはじめとしたさまざまな改善が求められます。本記事では、RAG改善のために押さえておきたいポイントを解説します。 1. RAG改善の目的Retrieval-Augmented Generation (RAG)は、生成AIアプリケーションにおいて外部データソースを活用しながら応答を生成するアプローチであり、大規模言語モデル (LLM) の強力な生成能力と外部知識ベースの情報を組み合わせることで、幅広いユースケースに対応できる事からLLMの実業務適用の手法としてデファクトスタンダードとなりつつあります。 しかし、開発したRAGシステムを実業務へ適用する場合、以下に代表される様々な項目でユーザの要求に応える必要があり、