🌐 🇬🇧 English 🇩🇪 Deutsch 🇪🇸 Español 🇧🇷 Português (Brasil) 🇨🇳 中文 (简体) 🇸🇦 العربية 🇫🇷 Français 🇯🇵 日本語 🇰🇷 한국어 🇧🇩 বাংলা 🇮🇹 Italiano 🇵🇱 Polski 🇹🇷 Türkçe

AIコーディングの進化に伴い、特に2026年に入ってから、プログラミングに対する自分の見方がかなり変わってきました。現時点で考えていることを、いったん記録として残しておきます。あとで振り返ったら面白いと思うので。 なお、この記事はAIによる「てにをは修正」「タイポ修正」などの校正は入っていますが、内容そのものはすべて自分で書いています。 初めてのプログラミングは面白くなかった Hello World を初めて書いたのは大学1年生のプログラミングの授業でした。SNSを見ていると「小学生から書いていました」という人も結構いますが、私はそういうタイプではありません。 大学の授業で最初に学んだ言語は Java。最初はマジでわからなかったです。そもそもプログラミング以前に、PATHを通すための環境変数の設定で詰まりました。MacとWindowsを両方使っていたこともあり、特にWindowsの設定画面

ここ最近の自分のツイートを見るとほぼLLMの事しか喋っていない。それぐらい首っ丈である。暇があれば即座にLLMに何かお願いをしたり質問をしたりしている。特にエージェントにコードを書かせるのはもはや始めたてのソシャゲに寸暇を惜しんでのめり込んでいるかのようである。 エージェントを使ってコードを書かせるのは楽しい。RDBMSを作ってみているが「次何しようか？」「PostgreSQL互換インタフェースとか生やす？」「え？できるん？」「できたで！」ぐらいの感覚で次々と実装が生えていってしまう。もちろん、初めから完璧なものではないのでユニットテストを書かせたりするうちにどんどんとボロが出てくるのだが、それでもそれを補って余りある開発速度が出ている。何より仕事の片手間のチャット相手が1人増えたぐらいの負荷で10万行近いコードがシュッと生えてくるのは感動を通り越して畏怖がある。 SNS上で僕の言動を追っ

2月13日、karpathy氏が「microgpt · GitHub」と題したGistを公開した。 このコードは、GPTの動作原理を外部ライブラリに頼らずPythonのみで記述した、最小構成の実装となっており、その読みやすさと理解のしやすさから注目を集めている。 以下に、これからこのソースコードを読み解こうとする方に向けて、GPTがどのように動き学習するのか、その大まかな流れと主要な概念を解説する。 コードリーディング・ガイド：microgptを読み解く 本プログラムは、大きく分けて「微分の自動化」「情報の変換」「予測と修正」の3つのパートで構成されている。 1. 「学習」を支える自動微分（Valueクラス） ニューラルネットワークが学習するためには、予測の誤りを数値化し、それを元に各パラメータをどの程度調整すべきかを計算する必要がある。本実装の冒頭に登場する Value クラスは、この「

CyberZ CTO室のメンバーの森 (@at_sushi_at) です。 先日、株式会社サイバーエージェントの2021年度 エンジニア新卒研修でコードの品質に関する講義を行いました。 そこで話した内容とスライドを完全公開します。 45分の内容のため、かなり長いですが、個人的にぜひ一読して欲しい内容になっています。 はじめに こんにちは、森 篤史と言います。2019年度入社で今年で3年目になります。株式会社CyberZのOPENREC.tvというプロダクトでAndroidアプリチームのリーダをやっています。 最近はプログラムを書く仕事以外に、次世代マネジメント室という全社横断組織でDevelopers Blogの改善プロジェクトを実行したり、CyberZ CTO室で組織活性化に取り組んでいます。 あと、2019年度の未踏スーパークリエータにも認定されました。 メインの仕事としては、入社して

今年に入ってからふと思いつきで新しいプログラミング言語 "Wado" (ワドゥ）を設計しつつagentic codingで実装したところ、なんと3週間ほどで基礎的なところができちゃいました。実装的にはまだ本当に基礎的なところで、B-Tree Mapを実装できる程度です*1。 github.com このWadoは、2026年1月3日にinitial commitが行われました。それから一ヶ月も経っていない今、静的型付け、ジェネリクス、トレイトおよびトレイトによる演算子オーバーローディング、クロージャ、モジュールシステム、shebangによるペライチスクリプトの実行、そして実用的なパフォーマンスを備えた処理系が動いています。 開発者は私一人です。スタートアップでVP of Technologyとして働きながら、二人の子供（mfxとrfx）を育てる傍らでの開発です。コードの100%以上はコーディ

日本語訳: これまで何千回も言われてきたことだけど、自分の声も加えさせてほしい――人間がコードを書く時代は終わった。ソフトウェアエンジニアを自認する我々にとっては穏やかでない話だが、それでも事実だ。ソフトウェアエンジニアの仕事がなくなるという意味ではなく、プログラムのシンタックスを直接書くことはソフトウェアエンジニアの仕事ではなくなった、ということだ。 正直、内心ぎょっとした。 Ryanは Deno Land Inc. を共同創業し、Node.jsに代わる新しいJavaScript/TypeScriptランタイムであるDenoを作っている。僕はその会社でソフトウェアエンジニアとして働いている。自分の会社のCEOが「人間がコードを書く時代は終わった」と言っている。 ソフトウェアエンジニアとして、これまで通りのやり方を続けていたら何が起きるかわからない——最悪のケース、つまりレイオフだってあり

2025年は「AIスピード」の年、2026年は「Ai品質」の年になるでしょう2025 was the year of AI speed. 2026 will be the year of AI quality.の意訳です。 2025年は、AI支援によるソフトウェア開発が「加速の時代」に突入した年として記憶されるでしょう。コーディングエージェント、Copilot、自動化ワークフローの能力向上により、チームはこれまでになく速く開発を進められるようになりました。 しかし、その加速と同時に、ストレスも生まれました。チームは前例のないスピードでコードをデリバリーしましたが、AIが... 北極よりインシデント報告：サンタがaiコードレビューを導入した理由North Pole incident report: Why Santa now uses AI code reviewsの意訳です。 機密ポストモ

AIは開発者の役割を刷新し、ソフトウェア開発の方法を大きく変えつつあります。プログラマーはコードを書く作業から、AIと協働するワークフローへと移行しています。自然言語で指示してAIにコードを生成させる「バイブコーディング」は、革新的である一方、リスクもあります。本書は、GitHub CopilotやOpenAI CodexといったAIツールを活用し、目標設定、コード検証、統合の戦略や注意点を解説し、急速に進化する環境で開発者が生き残るための知見を共有します。 日本の読者のみなさんへ はじめに Ⅰ部　基礎 1章　序論：バイブコーディングとは何か？ 1.1　AIコーディングの範囲：バイブコーディングからAI支援エンジニアリングまで 1.1.1　バイブコーディングのアプローチ：会話によるコーディング 1.1.2　AI支援エンジニアリングのアプローチ：AIパートナーとの構造 1.1.3　異なる考え

こんにちは。カミナシで「カミナシ 従業員」の開発を行っている nilpoona です。 業務アプリケーションを作っていると、避けて通れないのが CSV インポート機能 です。 最初は「encoding/csv で読んでループ回せば実装できる」と考えて作り始めるのですが、仕様が複雑になるにつれて、以下のような課題に直面することがあります。 バリデーションとパース処理が混在し、エラーの発生箇所が追いづらい。 「文字コードが Shift_JIS だった」など多様なエンコーディングへの対応で、ビジネスロジックが複雑になる。 パースやバリデーションエラーを即座にリターンしてしまうと、ユーザーは一つのエラーを直してもまた次のエラーが出る「モグラ叩き」のような修正サイクルを繰り返すことになる。 データが正しい状態か保証されないまま、後続の処理（DB 保存など）に渡されてしまう。 今回は、こういった CS

AIエンジニアリングを、広めたい。 共訳した書籍「AIエンジニアリング（オライリー・ジャパン）」が2025年11月28日(今週！)に発売します。 共訳者であるkagayaさんがこちらの記事で「AIエンジニアリングとは何か？」という概念自体について掘り下げてくれました。 簡潔に述べると、本書内でAIエンジニアリングは「基盤モデルを使ってアプリケーションを構築するプロセス」と定義されており、この分野はGPT-3.5、GPT-4といったモデルたちがAPIとしてアクセスできるようになってから急速に発展してきました。 本記事では、書籍『AIエンジニアリング』がどのようにその学びを助けてくれるのか、その内容を紹介していきます。 この2、3年で急速に発展してきたこの分野では、我々訳者を含め多くの開発者が手探りで挑戦を続けてきました。コストやレイテンシーといった制約の中で、いかにAIの能力を引き出し、確か

Uncap your potential and get all of your development done using Gemini Code Assist for individuals at no cost, or Gemini Code Assist for your business. Gemini Code Assist brings the power of Gemini 2.5 to your IDE at no cost (with Gemini 3 coming soon), with a chat interface that is aware of your code, automatic code completions as you write, and generation and transformation of full functions or

TypeScript はJS由来の言語仕様が根本的に不安定、Rust はアプリケーション層を書くのには低レベルすぎる、そんな不満はありませんか？ MoonBit はそういう不満を解決してくれる言語です。ただし、今はエコシステムの力を借りず、全部自力で書く前提ですが。 この記事は 2025/11 時点の MoonBit への所感になります。 2024/4 時点と比べて、ネイティブバックエンド対応、組み込みJSON型、例外のサポート、非同期サポートと大きく進化しています。 そろそろ実用できるんじゃないか？と思い、自分は MoonBit を使って React のバインディングを書いて、SPAとして動作するのを達成しました。その所感を含めての記事になります。 Moonbit のここが嬉しい MoonBit は自分がTypeScript に感じる不満の多くを解決しています。 Rust風の構文の静的型

自分自身の日々の業務を客観的に眺めたところ、私があたりまえのように実践している仕事方法が「コーディングAIエージェントよりも強いソフトウェアエンジニアになる方法」であるということと、その仕事方法がおおむね言語化できたので、ここに記事として記録しておきます。 1. ソースコードをめちゃくちゃ大量に徹底的に読む1.1. 「どのリポジトリのどのファイルのどの行でどのような処理が行われているか」を、意図まで含めて、すべて把握する1.2. 「それぞれのリポジトリのそれぞれのファイルのそれぞれの行を誰がいつどのように変更したのか」を、意図まで含めて、すべて把握する以上です。 2. これはどのような境地なのかあるソフトウェアシステムの全リポジトリの全ファイルの全行で、 どのような処理がどのような意図に基づいてどのように行われていて、最後に誰がどのように変更したのかを理解して把握できると、 「ソフトウェア

You Should Write An Agent Author Name Thomas Ptacek @tqbf @tqbf Image by Annie Ruygt Some concepts are easy to grasp in the abstract. Boiling water: apply heat and wait. Others you really need to try. You only think you understand how a bicycle works, until you learn to ride one. There are big ideas in computing that are easy to get your head around. The AWS S3 API. It’s the most important storage

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

AIが読むんだから読みやすくする必要はないんでは、という話が流れてきた。 けど、実際にはAIにも読みやすさは大事だと思う。 データ形式によって、そのデータに関する回答精度がどうかわるかという調査がある。 Which Table Format Do LLMs Understand Best? (Results for 11 Formats) HTMLまでの上位5形式はキーワードによってレコードが区別される。JSON以降は記号や改行によってレコードが区別される。また、上位４形式ではキーと値が一緒に書かれる。 このように、表現形式でAIによる読み取りの精度は変わる。GPT-4.1-nanoなので失敗しやすいということはあるだろうけど、どう書いても同じというわけではない。 OpenAI公式のGPT-5コーディングチートシートでも、構造はMarkdownよりXMLがいいと書いてあるし。というか、恐ら

fukabori.fmのtwadaさん回、面白いなー分かるなーって思いながら聞いて、今の自分の頭の中を書きだしてみようと思ったので書いておく。 どのくらい生成AIに任せているかをあらわす指標 どのくらい生成AIに任せているかをあらわす指標は、こうかなぁと僕は思っている。 「生成されたコードを自分が読んでいない割合」 どれだけたくさん生成AIにコードを書いてもらっていたとしても、生成されたコードを自分が全部読んで理解している場合は、主導権は自分にある。逆に、生成されたコードを全く読んでいなければ生成AIに主導権がある。 右のほうが生産性は上げやすい AIにどれだけたくさんコードを生成してもらったとしても、全部読んで理解しないといけないなら人間がボトルネックになる。右側にいけばいくほど、生成AIに任せられるので生産性は上げやすい。 ただ、右側にいけばいくほど自分がコードを理解していないし、構造

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

Birgitta is a Distinguished Engineer and AI-assisted delivery expert at Thoughtworks. She has over 20 years of experience as a software developer, architect and technical leader. This article is part of “Exploring Gen AI”. A series capturing Thoughtworks technologists' explorations of using gen ai technology for software development. The discourse about to what level AI-generated code should be re