Scraps 最終更新 2026/10/01 18:20

ソフトウェア開発の技術記事まとめ

@yosshi_ /

Kubernetes の nftables モードについて

  • Kubernetesのkube-proxyでnftablesモードがGAとなり、iptablesモードの性能問題を解決する仕組みが導入された
  • nftablesモードはverdict mapを用いてO(1)のパケット振り分けを実現、iptablesモードはO(n)のルール評価
  • nftablesモードはまだデフォルトではないが、1.40でデフォルト変更の計画があり、カーネルバージョン5.13以上が必要

@miruky /

【被害者は語る】タイムズカー660万件情報漏えいはなぜ起きたのかの矮小な考察

  • タイムズカーの個人情報漏えいは、古いフレームワークの利用と認可処理の不備が原因だった可能性がある
  • Teeda AjaxのJavaScript参照とSQLインジェクション対策の不足、サーバー乗っ取り経路の存在
  • 認可処理を非同期通信ごとに実施し、入力値を安全に扱う設計が必須で、古いフレームワークは移行を検討すべき

@Yuuki.Y /

AI×Blenderでゲーム用キャラ素体の作成に挑戦した記録

  • Blenderで生成AIを活用してゲーム用キャラクターの素体を作成する手順が紹介されている
  • MPFB2アドオンによるボディ生成とClaude CodeによるBlender操作、3種類の断面グラフによる面質評価
  • 変更ごとに4段階のチェックを同じ条件で行い、数値で評価することで品質を保証する手法が示されている

@moritalous /

BedrockのClaudeに暗黙的なプロンプトキャッシュが登場!!とドキュメントにある(暗黙的とは?)

  • Claude Sonnet 5.5で暗黙的なプロンプトキャッシュが実装された
  • 明示的なプロンプトキャッシュと自動キャッシュの仕組みが存在し、BedrockのConverse APIでcache_controlパラメーターを指定することでキャッシュが有効になる
  • キャッシュが有効になるモデルと無効になるモデルの違いに注意し、キャッシュの有効範囲を確認する必要がある

@riz3f7 /

【新資格】AWS Certified AI Business Strategist(AIB-C01)ベータ試験を受けてきた(コツコツ勉強できない人の感想)

  • AWS Certified AI Business Strategist(AIB-C01)のベータ試験を受験した
  • ビジネス側の判断を問う試験でAWS CAFとResponsible AI Lensが重要、MLの専門知識は不要だが基本知識は必要
  • 試験ガイドをしっかり読むことが重要で、選択肢の優先順位がポイントになる

@minorun365 /

Twitter(現X)に貼ったURLのサムネイル画像、キャッシュクリアできるの知ってた?

  • Xに貼ったURLのサムネイル画像が古いままになる問題を解決する方法が説明されている
  • X公式のCard Validatorを使用してキャッシュを強制的に更新し、画像URLにクエリパラメータを追加する方法が示されている
  • 画像のURLにクエリパラメータを追加する際は、画像のURL側に追加するのが効果的で、カードそのもののURLに追加しても効果がない場合がある

@sewiihidekikudo /

バッチ監視で学んだ4つの確認観点 ― 起動/生存/終了/復旧を確認しよう

  • バッチ処理の監視には起動状態、実行中の状態、終了状態、復旧状態の4つの確認ポイントが必要
  • action:start/endによる開始終了確認、Laravel Cacheを使ったheartbeatによる実行中確認、監視APIによる異常判定、外形監視による外部からの確認
  • 監視APIを呼び出すと状態が変化する可能性があるため、外形監視ではHTTPメソッドだけでなく状態変化の確認も必要

@taka_yayoi /

Genie Code にドキュメント処理パイプラインを作らせてみた

  • Genie Codeでドキュメント処理パイプラインを構築し、評価と改善のループを自動化した
  • ai_parse_documentとai_extractで構造化データに変換し、評価で100%の精度を達成、検証タスクを追加
  • 評価では両方向からの突き合わせを行い、既存テーブルの上書きは実行前に確認が必要

@edinetty /

正確に取れない数字は出さない — 4,000社の財務データで選んだ「諦めて注記する」設計

  • 財務データ処理で不正確な数字は出さない方針を取っている
  • 会社ごと・項目ごと・業種ごと・年度ごとの4段階で諦めを設計し、近似値や非該当マークを注記
  • データの欠損を「取得失敗」「存在しない」「近似値」などに区別し、注記を付けることで信頼性を保っている