Scraps 最終更新 2026/11/16 11:31

記事一覧 新着順

@パラディン | 原田典 /

たまに出るサーバーエラーを追ったら、SWR が古いキャッシュを返していた話

  • SWRのキャッシュが古い値を返すことで、別のリクエストが不正なパラメータで送られていた
  • キャッシュの値が先に返され、再検証中でも子コンポーネントがレンダリングされる仕組み、onSuccessでマウント時の再検証状態を保持する方法
  • 取得した値で別のリクエストを組む場合は、マウント時の再検証状態を自分で管理する必要がある

@Link and Motivation Developers' Blog /

お客様の復旧を最優先に ― インシデント対応で迷わず動くための仕組み

  • インシデント対応で回避策を優先し、業務再開と原因調査を並行して進める仕組みが紹介されている
  • 回避策策定と原因調査、影響顧客調査を別担当で並行処理し、復旧後はポストモーテムで再発防止策を実行する
  • 回避策の検討を原因調査より先に進め、対応中の担当者と手順を明確にすることで迅速な復旧が可能になる

@Tatsu /

dbt のメタデータを Knowledge Catalog (Dataplex) に取り込む

  • Google Cloud Knowledge CatalogにdbtのメタデータをGAで取り込めるようになった
  • 技術メタデータ・ビジネスメタデータ・オペレーションメタデータ・リネージメタデータ・使用状況メタデータが対象、エントリタイプとアスペクトタイプはGoogle管理
  • dbtのアーティファクトをGCSにアップロードしてメタデータジョブを作成する必要があり、--aspects-onlyで定期更新時はリンク更新がされない

@mmsbox /

初めてのチーム開発で効いたのは「同じものを見る」こと——ハッカソン2位の工夫と、ぶつかって学んだこと

  • チーム開発で効いたのは全員が同じ画面を見られる状態をつくること
  • クリックできるモックで画面イメージを統一、Issue+看板で進み具合を共有、PRを手元で動かしてレビュー
  • PRのレビューでは自分の環境で動かすことで抜けを発見し、権限の確認は実際にログインして試す

@平木 佳介 /

ARTEX・AntiFox の事例から、AI ペネトレーションテストツールの悪用と AWS の対策をまとめてみた

  • AIペネトレーションテストツールの自動化範囲が判断まで広がり、ARTEXとAntiFoxが実際の攻撃に使われている
  • AIエージェントが実行結果を読み次の操作を判断する仕組み、認証情報漏洩や権限過大が主な攻撃対象
  • 認証情報の届く範囲を狭め、拒否と成功を合わせて監視し、リスクに応じた対応時間を決めることが重要

@ara_ta3 /

5年後のエンジニアは、何に責任を持つのだろうか

  • 5年後のエンジニアは、PR単位ではなく機能やプロダクト単位で責任を持つ職業になる
  • AIに開発を任せる単位がPRから機能・プロダクトへ広がり、サービス全体の仕組みを理解する必要がある
  • AIに任せた内容を検証し、説明責任を果たすための開発プロセスやハーネスの設計が重要になる

@ryosuke_ohori /

Claude Fable 5.2はOpusの単価2倍、でも1タスクは約半額!? Mythos5.2との違いと使いどころ

  • Claude Fable 5.2の単価はOpus 5.5の2倍だが、1タスクは約半額だった
  • Fable 5.2の高設定で1タスク平均6.72ドル、Opus 5.5の最大設定で12.82ドル、Fableの高速モード単価は16ドル/80ドル
  • 同じモデルでも設定によって費用が大きく変わるため、タスクの内容と利用条件を明確に確認する必要がある

@赤帽エンジニアブログ /

RamaLamaを使ってコンテナ環境でAIモデルをローカル実行する

  • RamaLamaはコンテナでAIモデルをローカルで実行できるOSSのCLIツールとして公開された
  • GPUやCPUの環境に応じてコンテナイメージを自動選択し、llama.cppやvLLMなどのランタイムでモデルを実行する
  • Hugging FaceやOCIレジストリからモデルを取得し、ローカルに保存して再利用できる

@クラウドエース株式会社 /

【図解】Google Cloud FinOps ハブとは?基礎知識とコスト最適化のファーストステップ

  • Google CloudのFinOpsハブがコスト最適化の健康診断ツールとして提供されている
  • FinOpsスコアと推奨事項、CUDの活用が主な機能で、無駄なリソースの可視化と削減が可能
  • FinOpsスコアは2日前のデータをもとに毎日更新され、反映には数日かかるため定期的な確認が必要

@autonomura /

QuarkusのCycloneDX ExtensionでSBOMを生成・埋め込み、実行中のアプリから取得してみた

  • QuarkusのCycloneDX ExtensionでSBOMを生成・埋め込み、実行中のアプリから取得できる
  • Distribution SBOMとDependency SBOMの2種類を生成し、実行時とビルド時の依存関係を含むコンポーネント情報を取得可能
  • SBOMは/.well-known/sbomエンドポイントからREST APIで取得可能で、ライセンス情報や脆弱性調査に利用できる

@ktdatascience /

AWS SAAに737点で合格。Udemyの講座を流し見して、模擬試験に集中した話

  • AWS SAA試験で737点を取得し、Udemyの動画講座と模擬試験を主に使った
  • 動画講座は全体像を把握し、模擬試験は問題演習に重点を置いた。サービスの役割の違いを意識して整理した
  • 間違えた問題をAIで確認し、公式ドキュメントで再確認する習慣をつけることが重要だった

@karamage /

【pstack】AIに敵対的レビューをさせるな。トークンは検証に使え

  • AI同士の敵対的レビューは信頼できる成果物にならない。トークンは実際に動かして確かめる検証に使うべき
  • 敵対的レビューは命名や未来の要件に迷い込み、検証スキルは実際の動作と形式検証で信頼性を確保
  • 敵対的レビューに使ったトークンは検証の仕組み構築に回すことで、実際のバグが見つかりやすくなる

@tsutorm /

「ざっくり工数どのくらい?」に「ざっくり工数このくらい」で答えてはいけない

  • 概算見積もりは数量×単位あたりの工数の式で出すべきで、画面数と過去実績の平均を使う
  • 画面数で式を立てる、1画面あたりの工数は過去案件の実績平均、三点見積法で幅と確率を伝える
  • 実績が少ない場合は画面の数え方を統一し、約8割の確率で収まる線で予算を確保する

@ihiratch /

仕組み編:Two-Towerによる検索システム(学習・推論・配信)

  • Two-Towerモデルはクエリとアイテムを別々のニューラルネットワークでベクトルに変換し、類似度で関連度を評価する
  • クエリタワーとアイテムタワーの内積でスコアを計算し、バッチ内負例とMNSによる負例サンプリングで学習する
  • 人気アイテムのバイアスを補正するlogQ補正と、ANNによる高速検索が実装時の注意点