「tblsで出したER図をGitHub Pagesに出したいな〜〜！の砂場」というレポジトリを作って遊んでました。 「(学習・実装面で)低コスト」「(実用性の面で)ほどほどに十分」という方法を探っていたのですが、概ね満たしたと思います。満足。 github.com 場面設定 ER図をいい感じに！！っていうのはk1LoWさんが解決してくれているので、その先の話。 qiita.com (↓の資料、改めて読んだけどやっぱり良いので凄い。もっと使い込みたいな・・) The future of tbls and "Documentation as Code" / phpconfuk 2023 - Speaker Deck 「MarkdownだからGitHub上ですごく簡単に見られる」というのが嬉しく、継続的にドキュメントを管理(更新＆利用)していくのを強力に支援してくれるな〜と思いつつ、 「自動生成

GitHubは2024年11月18日（米国時間）、最新の調査結果から、AI（人工知能）コーディングアシスタントの「GitHub Copilot」を使って作成されたコードの品質は、使わずに作成されたコードと比べて、機能性、可読性、信頼性、保守性、簡潔さという点で優れていることが分かったと報告した。 GitHubは、「GitHub Copilotを使ってコードを作成すると、コード品質は上がるのか、下がるのか」という疑問に答えを出すため、ランダム化比較試験を実施し、GitHub Copilotを使って作成されたコードの機能性、可読性、信頼性、保守性、簡潔さ、承認される割合を調査した。 開発者243人を対象にGitHub Copilotのコード品質を調査、その結果は？ 関連記事 10年GitHubで最も使われたJavaScriptを抜いた、プログラミング言語は？　GitHub年次調査「The St

近年では「Whisper」などの文字起こしAIが数多く生まれています。しかし、これらの文字起こしAIに対して一部の企業は「機密情報が流出する」とのリスクを懸念し警戒感を強めています。そんな中、イスラエルのAIスタートアップ「aiOla」が開発した文字起こしAIの「WhisperNER」では、機密情報を自動的に識別して隠すことが可能です。 [2409.08107] WhisperNER: Unified Open Named Entity and Speech Recognition https://arxiv.org/abs/2409.08107 GitHub - aiola-lab/whisper-ner: Official implementation of "WhisperNER: Unified Open Named Entity and Speech Recognition" h

これは何? 昨日こちらのイベントに参加して参りました。そこで，https://x.com/yuhattor さんがGitHub Copilot ExtensionsというGitHub Copilot Chatの拡張機能を作るデモを見せてくださり感銘を受けたので自分の環境でも作ってみました。 自分に結構前提知識がかけているところがあったのと，公式ドキュメントが手順書のような形式でないことから若干詰まったので初学者でもわかるようにまとめてみました。 GitHub Copilot Extensionsとは 自分はCopilot Chatの画面で呼び出せるAgentを自作できる機能という理解をしています(定義が間違っていたらご指摘ください)。 ↑@で自作したAgentを呼び出せます。 結構公開されているExtensionsもあるようです。 以下のような部分が利点と思われます。 かなり少ないコード量

はじめに 職務経歴書を使用する機会はそれほど多くありませんが、いざ必要になって作成しようとすると、さまざまな手間がかかります。自分の経歴を振り返り、情報を整理し、記載し、修正して完成させる必要があるためです。また、これは社会人生活が終わるまで継続的に続けていかなければならない作業でもあります。 まさに長期的なプロジェクトといえるでしょう。そこで、これまで培ってきたITエンジニアとしての経験を活かし、職務経歴書の管理方法について検討した結果、「Githubで職務経歴書を管理し、Webで公開する」という方法にたどり着きました。 職務経歴書を公開しておくことで、「職務経歴書をください」と依頼された際にリンクを送るだけで対応できるので非常に便利です（PDFが求められた場合はPDF化して渡せば問題ないと思います）。 当初はGithubの公開リポジトリのREADMEに職務経歴書を記載していましたが、情

はじめに レビューコメントにメタ情報を持たせるためにラベルバッジをつけるということをやっています。 2021年くらいから以下の記事を影響を受けて真似し始めました。 Draft から1年以上 やってみて、自分にあった表現に見直したのでその紹介です。（カラーコードも見直しています） Text Blaze の利用手順は上の記事で詳しく紹介されているのでここではしません。 レビューコメントにメタ情報を含めるのは、コメントを読む側はもちろん、コメントをする時点で、どういったリアクションを期待するのか、これは修正必須なのか、それともそうではないのか、期待する内容が曖昧なコメントを防ぐことができるので、レビューのやり取りがやりやすくなる効果があると思って取り込んでいます。 自分の設定内容 GitHub badge 期待するリアクション 意味 Text Blaze - shortcut Text Blaz

9月10日、GitButlerが「なぜGitHubが勝ったのか」と題したブログ記事を公開した。この記事では、GitHubが他のプラットフォームと比較してどのように成功を収めたのか、そしてその背後にある要因について詳しく紹介されており、海外で多くの人々に読まれている。以下に、その内容を紹介する。 GitHubが成功した理由 GitHubの成功は、単に技術的な優位性だけでなく、いくつかの重要な要因が相互に作用した結果である。その要因は、主に以下の2点に集約される。 タイミングの良さ GitHubが登場したのは、分散型バージョン管理システム（DVCS）が徐々に普及し始めた頃であった。2005年にGitが誕生し、これまでの集中型バージョン管理システム（SVNやCVS）が持つ問題点を解決するツールとして注目され始めた時期だった。特にオープンソースプロジェクトの拡大に伴い、集中型のシステムでは対応が難

Appleがオープンソースの画像生成AIモデル「MDM」をGitHubで公開 米Appleは8月9日（現地時間）、画像生成AIモデル「Matryoshka Diffusion Models（MDM）」および、モデルをトレーニングするためのPythonパッケージ「ml_mdm」をオープンソースとしてGitHubで公開した。 MDMは、2月に研究論文として発表されていたもの。従来の方法では、低解像度モデルと複数のアップスケーリングモジュールを組み合わせた段階的なモデルを使用しており、高次元空間での拡散モデルの学習は計算上あるいは最適化をする上での課題を抱えていた。 これに対して、MDMは異なる解像度モデルを並行して生成し、その情報を相互に共有する。こうした情報を利用しつつ、低解像度から高解像度へと段階的に学習を進めることで、高解像度モデルの学習がより安定するという。 最大1024×1024ピク

GitHubは米国時間 8月14日、「Copilot Autofix」の一般提供を「GitHub Advanced Security（GHAS）」で開始したと発表した。 ソフトウェアは、以前に比べて短期間で出荷され、新しい機能が早期に数多くリリースされるようになった。安全なコードの開発に多くの努力が向けられても、脆弱（ぜいじゃく）性は本番環境に紛れ込み、侵害の主な理由となり続けているとGitHubは述べる。さらに、多くの開発者は、セキュリティ要件を理解と実装が困難なものと捉えており、優れたセキュリティ上の成果を得るのは容易でなく、さらなる脆弱性が野に放たれるという結果的になっているという。 「コードスキャニングツールは、脆弱性を検出するが、根本的な問題を解決しない。修正にはセキュリティに関する専門知識と時間が必要で、2つの貴重なリソースが極めて不足している。言い換えれば、問題は脆弱性の検出

「Refined GitHub」はGitHubに多数の使いやすい機能を導入してくれるブラウザ拡張機能です。 GitHub - refined-github/refined-github: :octocat: Browser extension that simplifies the GitHub interface and adds useful features https://github.com/refined-github/refined-github Refined GitHubの導入手順は次の通り。まず、上記のリンクをクリックしてRefined GitHubのGitHubリポジトリを開きます。Refined GitHubはChrome版・Firefox版・Safari版がありますが、今回はChromeを使うのでChromeのロゴの横のボタンをクリック。 Chromeウェブストア

ITジャーナリスト／Publickeyブロガー。IT系の雑誌編集者、オンラインメディア発行人を経て独立。2009年にPublickeyを開始しました。 GitHubは、脆弱性のあるコードをAIボットが自動的に発見、修正したコードとその解説をプルリクエストしてくれる「code scanning autofix」（コードスキャン自動修正機能）を発表しました。 下記がそのコードスキャン自動修正機能の説明です。「Found means fixed: Introducing code scanning autofix, powered by GitHub Copilot and CodeQL」から引用します。 Powered by GitHub Copilot and CodeQL, code scanning autofix covers more than 90% of alert types

GitHub、Copilotでより高い精度のコードを生成させる方法を指南。関連ファイルを開く、トップレベルのコメントを書くなど 記事の中で、プログラマが意図したコードを高い精度で生成AIに生成させるためのテクニックがいくつも紹介されています。これらのテクニックはCopilotに限らず、生成AIを用いてコードを生成させる際の参考になると思われます。 この記事では、紹介されているテクニックのポイントをまとめてみました。 GitHub Copilotでよりよいコードを生成するためのポイント 生成AI活用の基本として説明されたのは、大規模言語モデルを用いた生成AIでは、コンテキスト（文脈）に基づいて予測を行うように設計されているため、生成AIに対する入力やプロンプトがコンテキストに富んでいるほど良い出力が得られる、という原則です。 それゆえ、GitHub CopilotおよびGitHub Copi

2024年3月4日（米国時間）、GitHubは、同社が公開している学習コンテンツシリーズ「GitHub Learning Pathway」において、生成AI（人工知能）ツールの「GitHub Copilot」を学べるコースを無料公開した。 GitHubの調査によると、GitHub Copilotを活用することで、開発者はより高い品質で55％早くタスクを完了できるという。「企業はソフトウェア開発のペースを加速し、顧客により多くの価値を提供できるようになるだろう。新しいテクノロジーをビジネスに導入するには、徹底的な評価と機能横断的な連携が必要だ」と、GitHubは述べている。 関連記事 開発者が最も使用している生成AIツール、2位は「GitHub Copilot」　1位は？ JetBrainsは、開発者エコシステムの現状をまとめたレポート「The State of Developer Ecos

GitHubは米国時間3月20日、「Code scanning autofix」のパブリックベータ版を「GitHub Advanced Security」ユーザーに提供した。 同機能は、「JavaScript」「Typescript」「Java」「Python」で90％以上のアラートタイプに対応し、コード提案を表示する。コード提案は、編集をほとんど、または、全く必要とせず、検知された脆弱（ぜいじゃく）性の3分の2以上を修正するという。 アプリケーションセキュリティに関するGitHubのビジョンは、発見すなわち修正を意味する環境にあると同社は述べる。GitHub Advanced Securityにて開発者体験を優先させることで、従来のセキュリティツールに比べて7倍の速さで修正できるように支援しているという。Code scanning autofixは、次なる大きな一歩として、開発者が修正に

Introduction 先日Devinが発表されました。 課題を与えると、自律的に情報収集・コーディング・デバッグ等 システム構築をやってくれるすごいAIだそうです。 ここまでやらなくても、Agent用アカウントにGihubでissueをassignしたら 自動で実装してpull requestだしてくれたら便利では、と思い 実装してみました。 今回はAmazon Bedrock(Claude3)をつかって実装してみたので それについて解説します。 Environment MacBook Pro (13-inch, M1, 2020) OS : MacOS 14.3.1 Node : v20.8.1 Git : 2.43.2 AWSアカウントはセットアップ済みとします。 Setup Agent用Githubアカウントの準備 適当なメールアドレスを用意し、Githubアカウントを作成しまし

AI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities and be

GitHubが公式で出している開発メトリクスを取れるGitHub Actionsを紹介し試してみた内容を書きました！ はじめに 今回はGitHub上での開発している際に、開発に関するメトリクスを取ることが出来るGitHub Actionsのissue-metricsについて紹介します。こちらのOSSはGitHubが公式のリポジトリで提供しているものになります。 issue-metricsにはデフォルトで、Pull Requestへの最初のコメントやクローズまでの時間計測などを特定の期間指定してレポートすることが出来ます。それ以外にもラベルと組み合わせることでラベルの付与/削除までの期間計測を利用することでオープンからレビューまでやレビューからapproveまでの時間などのメトリクスを取るような応用も出来ます。 本記事では、サンプルや実際の適用されているOSSの紹介、どんな機能が含まれている

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert