Scraps 最終更新 2026/10/02 05:40

記事一覧 新着順

@nakamurakis /

【XAML/WPF】デザイン変更に負けない!StyleとResourceDictionaryを使った保守性の高いUI設計

  • XAMLでデザイン変更を効率化するためのStyleとResourceDictionaryの使い方を解説
  • Styleで共通デザインを定義し、ResourceDictionaryで色やフォントを別ファイルに集約、StaticResourceとDynamicResourceの使い分けを紹介
  • StaticResourceはパフォーマンスに優れ、DynamicResourceはテーマ変更に対応するため用途に応じて使い分けること

@たけぴー /

数行の修正で直ったバグから学ぶDioインターセプター

  • Dioインターセプターの仕組みを理解することで特定のアカウントのログイン制御バグを修正した
  • インターセプターはリクエスト・レスポンスを横断的に処理し、エラーコードの振り分けに使われていた
  • エラーコードの対応漏れが原因で修正は1ファイルの数行で済んだ

@Tadataka_Takahashi /

Pydantic AI が「Jev」を統合 ― 120件ベンチでLuna比約6倍、生成しない分類モデルという選択肢

  • Pydantic AIにTypeSafeのJevが統合され、型付きの分類モデルとして利用可能になった
  • Jevはトークン生成しない型付き分類モデルで、Lunaフォールバックと組み合わせてベンチでLuna単独より6倍高速、bounded floatにはconfidenceが付かない
  • Jevは自由文生成や複数判断を扱えず、フォールバック率や閾値調整を実運用前に確認する必要がある

@junko105106 /

【GAS】Gmailから予定を抽出→スプレッドシートで確認・承認してからGoogleカレンダーに登録する自動化ワークフロー

  • Gmailから予定を抽出しスプレッドシートで確認後にGoogleカレンダーに登録する半自動ワークフローを構築
  • 正規表現で日時を抽出しチェックボックスで人間確認、メールID管理とラベル付与で二重登録防止
  • 日時の誤認識を手動修正可能で、スプレッドシートの行数制限を回避する自動移動機能が実用的

@yushibats /

Kubernetes入門:Podが動くまでに中で何が起きているのか、クラスタの構成要素を整理する

  • Kubernetesはマニフェストで指定された状態を維持する仕組みで、コントロールプレーンとワーカーノードが連携してPodを管理する
  • kube-apiserverが状態を保存し、kube-controller-managerがPodの数を調整、kube-schedulerがノードを選定、kubeletがコンテナを起動する
  • OKEではコントロールプレーンがOracleが管理するため、kube-systemに表示されない点に注意が必要

@mpyw /

重複エラーログ根絶 Linter: errlogreturn

  • Goのエラー処理でログとreturnを同時に使うコードを検出するlinterが公開された
  • ログに出したエラーとreturnするエラーが同じ場合に指摘し、ラップ・フォーマット・構造体・ヘルパー経由のケースも対応
  • ログとreturnの両方を含むコードはエラー件数が増えるため、1か所に集約する運用が推奨される

@AIフクロウ|夜な夜なClaude Code /

ブログ18記事で空欄のままだった画像のalt 41枚を、Claude Codeに12分で3判定(説明を書く/空のままでよい/本文で補う)+40字以内のalt案にしてもらった夜

  • Claude Codeにalt属性の判定と案を依頼し、41枚の画像を12分で処理した
  • altを「説明を書く」「空のままでよい」「本文で補う」の3つに分類し、40字以内の案を作成
  • 判定表を確認してから記事に反映する必要があり、ファイル名から推測しないように指示する

@あさのねぎこ|1000文字note /

プログラミングを学びたい。何から始める?

  • プログラミングを学ぶ前にコンピュータの基本動作を理解することが重要
  • キーボード入力からデータ処理、ブラウザでの表示までの仕組みとITパスポート、マスターベーシックCS、情報セキュリティの資格
  • プログラミングの「なんで?」を減らすために、コンピュータの仕組みを少し知ることがおすすめ

@あさひ /

週刊Cloudflare - 2026/09/20週

  • Cloudflare が 4.132 から 4.135 までのバージョンで Worker、Workers AI、Tunnel などに多数の機能追加や改善を実施
  • Worker の権限設定、JavaScript RPC の session span 追加、Tunnel の 32-bit Windows 廃止、Cloudflare WAN の Unified Routing 一般提供
  • Worker の権限設定では特定の Worker にアクセスできる権限を細かく設定できるようになった

@ntaka329 /

Google・GitHub・Microsoftのマルチアカウントを実測したら、3社とも別解だった話(2026年版)

  • Google、GitHub、Microsoftは認証セッションを管理する方法が3通りだった
  • GoogleはIdPサーバーにセッションを保存、GitHubは1つのCookieにトークンを詰め、Microsoftは認証基盤ごとにCookieを分ける
  • 標準パラメータは仕様にない場合でも実装されているため、文書と実装を確認する必要がある

@たなちゅー /

Claude Code クラウドセッション、使ってみて!

  • Claude Codeのクラウドセッションが正式リリースされ、PCやアプリを閉じてもセッションが続く
  • クラウドセッションはUbuntu 24.04で動作し、4 vCPU、16GBメモリ、30GBディスクを割り当てられる。ネットワークアクセスはTrusted、Full、カスタムから選べる
  • リポジトリにスキルを置くことでクラウドでも使える。環境変数やセットアップスクリプトでカスタマイズ可能

@genhiroko /

個人開発でインフラ特化のプログラミング学習サイトを作った話(Linux/Docker/AWS/Cisco/BIG-IPを疑似ターミナルで)

  • 個人開発でインフラ特化の学習サイトを構築し、疑似ターミナルでLinux/Docker/AWS/Cisco/BIG-IPを練習可能にした
  • 疑似ターミナルでコマンド操作をシミュレートし、PyodideでWebAssembly版の言語ランタイムをブラウザで実行
  • サーバー負荷をゼロにし、クライアントサイドで学習進捗を保存する設計で、環境構築不要で利用可能

@wright_imagitech /

3つのAIに同じプロンプトでツールを 作らせて比較してみました

  • 3つの生成AIが同じプロンプトでツールを作成した結果、機能やコード品質に違いが出た
  • ClaudeとGeminiは不具合なし、ChatGPTは編集時の保存不具合あり、コードのコメントが少ない
  • 生成コードはすべて手動での動作確認と修正が必要で、実務ではそのまま使えない

@gomAnomalocaris /

IBM i RiSING (若手技術者コミュニティ)2026年 公開資料まとめ

  • IBM iと生成AIの比較検証が複数のチームで行われた
  • IBM Bob、Claude Code、Copilotの3つのツールがRPGコード生成や変換に使用され、それぞれの特徴や制約が確認された
  • RPGコード生成には出力形式の縛りや社内規約の事前提供が重要で、変換精度向上にはカスタムルールとILE途中変換の2アプローチが有効

@1nori_ /

AI時代真っ只中に、ほぼ未経験で自社開発エンジニアとして新卒入社した僕が思うこと

  • 新卒エンジニアがAIを活用しながら開発業務を行う中で感じる課題と工夫
  • Claude Codeを使ったコーディングや設計、AIに頼りすぎないための自己研鑽の取り組み
  • AIの助けを借りつつも、自分の判断力や理解力を高めるためのレビュー基準や小さな修正の自力実行が重要

@sugumura /

Laravelのルート一覧からコントローラへ1クリックで飛べるVSCode拡張「Laravel Routes Explorer」を作った

  • Laravel Routes ExplorerというVSCode拡張でルート一覧を表示し、コントローラやルート定義へジャンプできる
  • TreeViewでHTTPメソッドごとに色分け、ミドルウェアで絞り込み、route:listのJSONデータを元にルート情報を読み込む
  • Docker環境でも動作し、Laravelのroute:listコマンドで取得したJSONデータを元にルート情報を読み込む際の設定が必要

@Yasuhito Morimoto /

国内AIエージェント動向(2026/9/24号)

  • 国内AIエージェントの運用設計がオーケストレーションや信頼度制御に焦点を移した
  • Fuga v2は複数モデルを連続実行、Jevは推論と意思決定を分離する二層構成を採用
  • 運用KPIとしてタスク完了率や誤実行率が重要になるため、実業務の評価基準を再構築する必要がある