Scraps 最終更新 2026/11/16 14:31

記事一覧 新着順

@bik /

コードを読まずにバイブコーディングしたら、Claude Codeは分かっていてスルーしていた

  • Claude Codeはコードを読まずに作られたダッシュボードで、トークンの数え方が複数の画面で不一致だった
  • 使用枠の推移と作業履歴のトークン数え方が別々で、サブエージェントの消費を親セッションに合算する処理が不完全だった
  • 同じ数字を複数の画面で出している箇所は、数える処理が1つにまとまっているか確認する必要がある

@ななな。(S.K) /

NIKKE PCランチャーのサプライチェーン攻撃、IT学生が自分のPCを調べてみた

  • NIKKE PCランチャーのサプライチェーン攻撃で、自分のPCはローダーは読み込んでたけど本体は動いてなかった
  • Code Cacheにinsightjsが残ってた、debug.logにk2f_chanがなかった、tinygetファイルのサイズが異なっていた
  • ChromeのPlatformExperienceHelperフォルダが存在しなかった、ローダーの実行後も本体の状態記録がなかった

@ytakagi /

社内システムのデザインガイドラインを、根拠つきで AI と作る

  • 社内システムのデザインガイドラインをAIと作成し、根拠を脚注に残す方法を紹介している
  • DDR(Design Decision Records)の考え方を脚注に組み込み、根拠の順番を客観的資料・業務実態・UIライブラリの既定で決める
  • 脚注に「何で決めたか」「どうなったら決め直すか」を記載し、AIが読んでも判断できるようにする

@やちほこ /

「赤信号、みんなで渡れば怖くない」は通用しない 個人情報漏洩事案多発の現状からの考察

  • 個人情報漏えいのリスクは、企業の責任だけでなく社会全体の信頼にも影響する
  • 名寄せと生成AIによる情報の悪用がリスクを高め、企業の安全管理措置が重要になる
  • 企業は情報の価値を漏えい元の企業だけで評価せず、本人への被害を考慮した対策を講じるべき

@dyoshikawa /

OpenCode+Docker+GitHub Actionsで全自動AIペネトレーションテストはじめました

  • ZennはGitHub ActionsとDockerで全自動AIペネトレーションテストを毎週実行している
  • OpenCodeとFireworks AIのオープンウェイトモデル、nucleiとOWASP ZAPのツールを組み合わせ、Dockerによるネットワーク隔離でサンドボックス環境を構築
  • AIエージェントが外部に通信しないようにするため、ネットワークを制限し、AIの分類器でコマンドを審査する多重ガードの仕組みを導入している

@shun123 /

【Git】リモートで作ったブランチの分岐元を確認する方法

  • リモートで作成されたブランチの分岐元を確認する方法を説明している
  • git rev-list --first-parent と git rev-list origin/master..origin/release/v1.0 を比較し、コミットの重複で分岐元を特定する
  • マージで取り込まれたコミットと分岐元を区別するため、release/v1.0 自身のコミットを確認する手順が必要

@nobu34 /

「AIのレビューだけでマージ、正直まだ怖い」と思ってたけど、条件次第ならアリかもしれない話

  • AIレビューだけでマージする運用が一部で可能に
  • マイクロソフトはAIレビュー+人間の目、AnthropicはAIレビューをほぼ全てに、Metaは低リスクな変更に限り人間のレビューなし
  • ハーネスエンジニアリングと最低限の動作確認が整っていれば、UI変更やE2EテストのコードはAIレビューのみでマージ可能

@しんや /

BIの移行作業はどこまでAIに任せられるか: Tableau→Sigmaを例に段階別整理(2026年10月版)

  • TableauからSigmaへのBI移行を7段階で整理し、どの工程が自動化できるかを示した
  • 棚卸し、抽出、翻訳、データモデル作成、ワークブック作成、検証、運用化の工程で、AIエージェントや移行スキルが自動化の鍵
  • データモデルはGA、ワークブックコード化はBetaで、UIの見た目や未対応の計算式は人の判断が必要

@きたのかい /

EC2 インスタンスタイプの選び方:M シリーズを基準に要件から考える

  • EC2インスタンスタイプの選定でMシリーズを基準に、要件に応じてC/R/Tシリーズを検討する
  • MシリーズはCPU・メモリ・ネットワークのバランスが取れた汎用型、CシリーズはCPU最適化、Rシリーズはメモリ最適化、Tシリーズはバースト可能
  • 初期はMシリーズで仮に選定し、実運用でメトリクスを確認しながらシリーズやサイズを調整する

@songchong /

⚪︎⚪︎はしないで!AI エージェントの行動を制限する 5 つの方法を、守られる強さで比べた

  • AIエージェントに「しないで」と頼んでも守られないことがあり、代わりにコマンドを書くのが効果的
  • 禁止だけの指示は強度1・2で51回中1回問題が発生、代わりのコマンドまで書くと強度2で問題なし
  • 強度3以上の設定や許可リストで制限する方法を重ねる必要がある

@tatsumack /

ISUCON2026に参加して78位でした

  • ISUCON2026でチーム「カレーおじさん」が78位を獲得、AIを活用した開発手法を試した
  • AIにコード生成と分析を任せ、DBのロックやリージョン間通信の最適化を実施、画像処理の最適化も行った
  • AIに実装を任せた結果、コミット数が過去最多となり、ベンチが一度も失敗しなかったが、AIの戦略的判断には限界があった

@Mihyang_Cho /

テストする側から創る側になって気づいたこと - 初めてSlackBotを制作した話

  • リスペクトボットの開発を通じてQAエンジニアが気づいた開発現場のリアル
  • 仕様の変更が頻繁に発生し、スピードとクオリティの両立が難しいことが判明
  • QAの役割は仕様書の作成を求めるのではなく、変化に対応できるプロセスを一緒に設計すること

@Mihyang_Cho /

プロダクト検証基盤の整備に向けてテスト工程を支えるスキルを作成した

  • テスト分析から実装までの工程を支援する3つのスキルを作成した
  • quality-viewpointsでテスト観点を抽出、unexpected-viewpointsで異常ケースを検出、testcases-generatorでテストケースを生成
  • 過去の不具合を観点抽出ロジックに組み込み、意地悪マンダラ漢字でエッジケースを洗い出す仕組みを導入した

@masanork /

Radeon VIIとUbuntu 26.04でROCmを動かし、Flash-NextをOpenCodeにつないだ

  • Radeon VIIでROCmを動かし、Qwen3.8-Flash-NextをOpenCodeにつなぐ環境を構築した
  • ROCmのnightly版とStrataのソースビルドで gfx906向けに構成、Q2_0量子化モデルをローカルAPIで動作
  • ROCmのnightly版はAMDの通常保証対象外で、環境依存の設定が必要なため、アップデート後の動作保証はない

@からあげ /

NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしを比較してみた

  • NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしの比較を行った
  • RE-USEは音声のノイズを減らすモデルで、Whisperは音声を文字に変換するモデル、CERで認識精度を測定した
  • 原音で文字起こしをしたほうが精度が高く、修復後の音声は配信用に使うのがおすすめ