Scraps

ランキング

集計期間: 2026/10/17 12:00-2026/11/16 12:00(JST)

  1. 1位

  2. 2位

    @Syoitu /

    AI駆動開発の次の段階: ソフトウェアファクトリー

    • ソフトウェアファクトリーの仕組みを定義し、チケットを入力としてコードを自動生成する
    • チケットトラッカー、オーケストレーター、ランナー、サービスの構成要素を組み合わせて動かす。GitHub ActionsやClaude Codeをランナーとして使う
    • ファクトリーを設計する際は自動チェックと人のレビューでブレーキをかけ、信頼性を確保する
  3. 3位

  4. 4位

    @jnchito /

    AIにありがちな「イマイチなコードコメント」9パターン

    • AIが書いたコードコメントにありがちな9つの問題点を紹介
    • コードを読めばわかる内容を書く、コメントの位置がおかしい、仕様変更の記録をコメントに残す、呼び出し方を書く、日本語が不自然
    • AIのコメントは基本的に疑ってかかり、人間の目でレビューすることが重要
  5. 5位

  6. 6位

    @y.takahashi /

    ClaudeにiOSシミュレーターのスクリーンショットを読ませるのをやめて、操作で増えるコンテキストを43%削減した

    • iOSシミュレーターのスクリーンショットを読ませることをやめ、画面の要素を文字で読み取る方法を導入した
    • スクリーンショットの代わりに画面のアクセシビリティ要素をダンプし、ドラッグの点の並びを変更して慣性を制御した
    • コンテキストの増加を43%削減できるが、操作にかかる時間が34%長くなるため、速さを優先する作業ではスクリーンショットを撮るほうが効率的
  7. 7位

    @ワタナベ /

    図で理解する Dagster on ECS の構成と、失敗に気づく仕組み

    • Dagster on ECS でデータ取り込み処理を実行する構成と、失敗を検出する2本の通知経路を説明
    • ECS 上で code-location・daemon・webserver を常駐、run worker をアドホックに起動、EventBridge と CloudWatch アラームで異常を監視
    • メモリ不足やハングの場合は2本の通知経路で失敗を検出、daemon のデプロイ時はアラームの猶予を10分に設定
  8. 8位

    @gzer0 /

    テストの前提を「実際に遊んで撮ったセーブ」に替えたら、撮影ボットがソフトロックを見つけた

    • テストの前提を実際に遊んで撮ったセーブに変更し、ソフトロックを発見した
    • セーブデータスナップショットによるE2Eテスト基盤、実プレイで撮ったセーブをロードする仕組み
    • テストの前提を実データで確認するため、フィクスチャの不変条件を明示する必要がある
  9. 9位

    @sishikawa40 /

    中学受験の「わかりにくい単元」を、親がAIと一緒にアニメーション教材にした話

    • 中学受験の理科や社会のわかりにくい単元を、AIを使ってアニメーション教材にした
    • 地層の読み方や天体の動き、日本史の物語をアニメーションで表現、ボタンで段階的に説明
    • 子どもが理解しにくい単元をアニメーションで視覚化し、段階的に説明することで学習効果を高めた
  10. 10位

  11. 11位

  12. 12位

  13. 13位

  14. 14位

  15. 15位

  16. 16位

    @k_kimura /

    Vue Fes Japan 2026 出展レポート

    • Vue Fes Japan 2026でFinatextがスポンサーとしてブースを出展した
    • Vue.jsのコミュニティ活動や技術紹介の企画、エンジニア組織の紹介、エディターチートシートの配布
    • Vue.jsの技術やコミュニティの魅力を伝えるイベントとしての効果が確認できた
  17. 17位

    @ddd /

    Devinに問い合わせ調査を任せて見えてきた「原因未特定」の正体。過去の約700件を分類してみた

    • Devinに原因未特定の問い合わせが発生する理由は、DBデータを見られないこと
    • 種類は顧客のデータの状態が20%、決め手はDBが29%、外部サービスの状態が17%
    • DBを見られるようにすれば、バグ以外の問い合わせの73%が原因特定可能になるが、個人情報保護のための仕組みが必要
  18. 18位

    @なずな /

    dbt と Cloud DLP で面接の文字起こしから氏名を消す実装ガイド

    • Cloud DLP と dbt を組み合わせて面接の文字起こしの氏名をマスクする仕組みを構築した
    • DLP の inspect template と deidentify template を Terraform で管理し、BigQuery remote function から Cloud Run Functions にリクエストを送信して処理する。増分処理では id とハッシュ値で再マスクが必要な行を判定
    • DLP のクォータを引き上げて初回バックフィルを完了させ、実データのサンプルで検出結果を確認するステップを推奨する
  19. 19位

    @tsubone.yoshiaki /

    「顧客の声は聞けている。でも、変えられない」──Scrum Inc.の3つのレポートから読む、組織アジャイルの弱点

    • 組織のアジャイル度合いが3つの次元で調査され、顧客中心性や優先順位付け、デリバリーの弱さが指摘された
    • 顧客満足は高いが市場フィードバックが弱く、ビジョンは決められるが見直しができない、デリバリーは頻度が遅い
    • 組織の仕組みが弱いと、特定の個人に依存する傾向があり、継続的な改善が難しい
  20. 20位

  21. 21位

    @宮木翔太 /

    製造業で Jev はどう使える?4チームで挑んだ1週間のユースケース探索

    • 製造業現場でJevを活用した4チームのユースケース検証が行われた
    • チームAは作業者の割り当て、チームBは時系列データの異常検知、チームCはフィジカルAIの意思決定、チームDは火災時の避難誘導を検証
    • Jevを低コストで判断モデルとして活用する際、自然言語の解釈やリアルタイムの行動選択に適していることが分かった
  22. 22位

  23. 23位

    @kazutoyo@TellerNovel /

    新時代のE2Eテスト、TesterArmyのe2eをReact Nativeアプリに導入してみた

    • TesterArmyのE2Eテストフレームワークe2eをReact Nativeアプリに導入した
    • agent.actでAIに操作を任せ、agent.assertでAIによる判定とロケーターで確認を組み合わせる、キャッシュによるコスト削減
    • AIステップはコストがかかるためキャッシュを活用し、アクセシビリティツリーにない要素はvisionモードで対応する
  24. 24位

  25. 25位

    @yuki takamura /

    AIコードレビューの不合格率が51%→13%に。3モデル中2つは判定していなかった

    • AIコードレビューの不合格率が51%から13%に下がったが、3モデル中2つが判定不能だった
    • 7月は3モデルが判定していたが、10月は1モデルのみで、2モデルはすべてunknownだった。判定集約ルールではunknownを除外し1モデルで合否を決定していた
    • 判定不能のモデル数が減ることで不合格率が下がる可能性があり、レビューの有効判定数を確認する必要がある
  26. 26位

    @みんなのおたすけ研究所 /

    LINEに送った写真と音声メモを、自宅のPCが文字にしてくれるようにした

    • LINEに送った写真と音声を自宅PCで文字起こしし、日記リポジトリに分類する仕組みを構築した
    • 画像はqwen3-vl:4b-instructで文字読み取り、音声はfaster-whisperのlarge-v3で文字起こし、すべて手元のGPUで処理
    • モデル名を明示しないと要約が空になるため、タグまで記述するようにし、バージョン固定で互換性を確保した
  27. 27位

    @kai-yo /

    音声言語モデルが欲しくて 27B ver

    • 27Bモデルは音声タスクでの学習なしにASR性能が向上、9Bモデルより精度が悪化
    • ASRタスクでの学習なしにASR性能が向上、9Bモデルより精度が悪化、4bit量子化と文長制限でVRAM24GBで学習可能
    • 27Bモデルは音声と言語の一致が見られ、より精度を求めるには追加学習が必要
  28. 28位

    @もず /

    元フロントエンドエンジニアがプロダクトエンジニアとして強制成長した1年

    • フロントエンドエンジニアがバックエンドやインフラ、業務判断まで幅広く担当するようになった
    • インフラ構成の理解、監視ツールの活用、業務判断での情報の扱い方、制度調査の経験
    • 業務の判断や制度の理解が開発の設計に直接影響するため、技術だけでなく事業の文脈も考える必要がある
  29. 29位

    @ruribou /

    Kaigi on Rails 2026 両日参加記

    • FactoryBot から Fixtures への移行でテスト速度が改善しないことが判明
    • FactoryBot は毎テストでレコードを挿入し、Fixtures は既存データを再利用するが、let_it_be で高速化できるケースもあり
    • 移行コストと実際の効果を測定しないと、予想通りの改善が得られない
  30. 30位

    @Miku Hoshino /

    MCP ツールの引数と結果に入った個人番号を、AgentCore Gateway のインターセプターでマスクする

    • AgentCore Gateway のインターセプターから Guardrails を呼び、MCP ツールの引数と結果の両方で日本の個人番号をマスクできた
    • インターセプターで REQUEST と RESPONSE の両方で文字列を処理し、正規表現で個人番号を検出・マスク、ツールごとに処理を分ける
    • インターセプターが失敗してもマスクされていない番号は返らないが、ツールの引数をマスクすると業務処理に影響する可能性がある