@パラディン | 原田典 / 2日前 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 #フロントエンド#バックエンド#DevOps・CI/CD
@Link and Motivation Developers' Blog / 2日前 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 #DevOps・CI/CD#インフラ#テスト
@Tatsu / 2日前 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 #クラウド#データ分析#DevOps・CI/CD
@mmsbox / 2日前 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 #チーム開発#働き方#採用
@y.azuma / 2日前 Expo の E2E、エージェントが直せるのは Maestro か Detox か ExpoのE2EテストでMaestroとDetoxの差はテスト失敗時の出力形式に現れるMaestroは失敗時に画面構造をCSVで出力、Detoxは同期機構の問題で要素検出エラーを出すエージェントがテストを直す場合、Maestroの出力形式が機械読み取りに適している #フロントエンド#テスト#DevOps・CI/CD
@ななせ / 2日前 ぎりぎりで受かった AWS AIF の記録 AWS Certified AI Practitioner試験に734点で合格した試験範囲はAI基礎・生成AI・基盤モデル・責任あるAI・セキュリティの5分野、無料問題集とClaudeで対策試験日の予約は早めに、教材はkeepitup.jpの問題集から始めると効果的 #AIエージェント#生成AI・LLM#機械学習
@平木 佳介 / 2日前 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 #セキュリティ#クラウド#AIエージェント
@ara_ta3 / 2日前 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 #AIエージェント#DevOps・CI/CD#アーキテクチャ
@ryosuke_ohori / 2日前 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 #生成AI・LLM#AIエージェント#機械学習
@metappi / 2日前 本番(prod)サーバーに自動処理を組んだのでまとめ 本番サーバーに予約公開やAI審査の自動処理環境を構築したcronとLaravelスケジューラで定期実行、キューとワーカーで非同期処理、Supervisorで常駐管理ワーカーの再起動はSupervisorに任せても処理結果の確認は別途必要で、同じジョブの重複実行リスクを考慮した設定が必要 #バックエンド#DevOps・CI/CD#クラウド
@赤帽エンジニアブログ / 2日前 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 #AIエージェント#バックエンド#クラウド
@クラウドエース株式会社 / 2日前 【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 #クラウド#インフラ#DevOps・CI/CD
@autonomura / 2日前 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 #バックエンド#クラウド#DevOps・CI/CD
@ktdatascience / 2日前 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 #クラウド#DevOps・CI/CD#テスト
@Take You / 2日前 フィーチャーチームに配属された新卒エンジニアのAIに振り回されない「AI活用」 新卒エンジニアがAIを活用してフィーチャーチームのキャッチアップを進めたNotion AIで資料探し、Claude Codeで環境構築、スキル設定で作業フェーズに応じたAI活用を実施AIに任せきらず自分の理解を深めるためのスキル設定が重要 #AIエージェント#DevOps・CI/CD#フロントエンド
@karamage / 2日前 【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 #生成AI・LLM#AIエージェント#バイブコーディング
@kentasatomi / 3日前 Claude Codeに同じ調査を繰り返させないためのメモの残し方 Claude Codeに同じ調査を繰り返さないためのメモの残し方を説明確認したことと未確認のことを分ける、調べ方の理由を残す、チームの指示とメモの場所を分けるメモに実際の値を書かずに確認すべき設定名やコードの場所を残すことが重要 #AIエージェント#DevOps・CI/CD#アーキテクチャ
@rk / 3日前 TS/JSでasync関数の実行を直列化する async関数の実行を直列化する関数を実装Promiseのthenで直列処理、例外処理、非同期初期実行の対応直列化処理で例外を握り潰さずに呼び出し元で処理できるようにする #AIエージェント#バックエンド#DevOps・CI/CD
@tsutorm / 3日前 「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 #アーキテクチャ#DevOps・CI/CD#テスト
@ihiratch / 3日前 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 #機械学習#バックエンド#クラウド