Scraps 最終更新 2026/11/16 11:01

#アーキテクチャ

システム構成と設計判断に関する記事を集めています。責務の分割、依存関係、同期と非同期の選択、モノリスと分割の判断、変更しやすい構造など、長く使うコードの土台になる論点を3行で確認できます。設計レビューの観点を揃えたいときにも役立つタグです。

@Yasuaki Omokawa /

フロントエンドのフレームワークを、安全に段階的に入れ替える

  • フロントエンドのフレームワークを、安全に段階的に入れ替える方法を紹介している
  • URLとページ読み込みを境界にし、1回の読み込みで1つのフレームワークを起動する。新旧の間はページ読み直しで移動する
  • 移行途中でアプリが動く状態を保ち、変更は小さなPRで進め、e2eテストを変更せず通すことが条件

@lehukuku0120 /

地理空間情報と詰将棋に見るLLMの課題 ―空間・状態・制約を扱う過程に共通点はあるか―

  • LLMが詰将棋や地理空間情報の処理で誤る理由は、認識した内容を構造として保持・更新し推論する過程の不安定さにある
  • 地理空間情報では幾何とトポロジの区別、詰将棋では利きや王手の計算が重要で、どちらも状態の更新と制約の検証が必要
  • モデルの構造改善と外部エンジンの組み合わせが課題で、認識・構造化・検証の各段階を切り分けるべき

@shin /

困ったらAIにすぐ聞く3年目エンジニアが社会人になって読んだ技術書 10冊.

  • 3年目エンジニアが社会人になって読んだ技術書10冊を紹介している
  • マイクロサービスアーキテクチャやソフトウェアアーキテクチャの基礎,How Google Works,データサイエンス超入門,SQL徹底指南書,データベース設計,Go言語入門,ドメイン駆動設計などの本が挙げられている
  • アーキテクチャやデータベース設計,DDDなど技術的知識を深める本が中心で,エンジニアとしてのスキルアップに役立つ

@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

@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

@Keisuke /

AIで膨らみ続けるテストケースを、リスクベースドテストで選んで回すまでの記録

  • テストケースの数が増える中で、リスクベースドテストで回すケースを選ぶルールを何度も作り直した
  • 影響度を機能単位から受け入れ基準単位に変更し、発生確率と影響度の組み合わせで選定基準を決めた
  • 受け入れ基準ごとの影響度と発生確率を組み合わせて、回すケースを決める表を作成し、実行記録に理由を残すことが重要

@いっしー /

AIエージェントが決定を勝手に変えてしまった5つのパターンと工夫

  • AIエージェントが決定を勝手に変えてしまう5つのパターンが紹介されている
  • 提案を決定として記録する、質問が指示として記録される、設計の理由を勝手に作る、決定を未決に戻す、手で直した内容を戻す
  • 決定を1件ずつ履歴ごと記録し、状態や根拠を明確にすることで、古い内容に巻き戻るリスクを減らせる

@ditchcrimson /

DDD・CQRS・イベント駆動を組み合わせたバックエンドアーキテクチャ設計

  • ビジネスロジックと技術的実装を分離したバックエンドアーキテクチャを採用
  • レイヤードアーキテクチャにDDD、CQRS、イベント駆動を組み合わせ、Domain Layerでビジネスルールを管理、Infrastructure Layerで技術的実装を隠蔽
  • ビジネスロジックがデータベースやフレームワークに依存しない構造を実現し、変更時の影響範囲を明確にする

@Hyuga Yamaguchi /

Clojureのマクロによるメタプログラミングで業務ルールのDSLを作る

  • Clojureのマクロを使って業務ルールのDSLを構築し、条件式から判定関数と参照一覧を自動生成する仕組みを紹介
  • マクロで条件式をデータとして読み取り、reportとmasterの参照を抽出し、num<=やone-of?などの比較関数を活用
  • 条件式に直接記述した参照をマクロが自動で処理し、入力項目ごとの参照オブジェクトを省略できる

@yukegineer /

AIに書かせる時代だからこそ、コード1行を読む

  • AIにコードを書かせる時代でも、1行ずつコードを読むことが重要だと説明している
  • コードの意味を理解するためには、変数の比較順序や処理の流れを1行ずつ確認する必要がある
  • AIが書いたコードでも、1行読み飛ばすと意図した動作とずれが生じる可能性がある

@meursyphus /

AIが書いたテストでは変異の半分を検出できなかった

  • AIが生成したテストでは変異の半分を検出できなかった
  • ミューテーションテストで550個の変異体を検証、49.6%が検出されなかった、ソース文字列を調べるテストが62個あった
  • テストが通っても動作が正しいとは限らず、境界値や未検証の分岐を確認するテストが不足していた

@サカツ | PeopleX AIプロダクトエンジニア /

AIですぐに作れる時代に、何と向き合うか

  • AIが実装を担うことで、エンジニアの仕事は何を作るかを決めることにシフトした
  • コードのレビューはDB設計やアーキテクチャに重点を移し、AIに実装を任せた場合でも設計の承認とセルフレビューを人間が行う
  • AIの得意不得意を考慮したハーネスを構築し、設計の承認とセルフレビューは人間が行うことが重要

@kazutoyo@TellerNovel /

ShopifyのReact Native→ネイティブ移行を支える「Reflex」をSwiftとKotlinで試す

  • ShopifyはReact NativeからSwiftとKotlinのネイティブに移行し、Reflexアーキテクチャを採用した
  • CoreをUIから切り離し、テストを共有してロジックをそろえる設計、テストでHTTPを止め外部リクエストを検知する仕組み
  • テストで外部リクエストを検知する仕組みで、アプリがエラーを握りつぶしてもテストを落とせる

@ほりしょー /

AI時代のリファインメントを再設計する〜仕様を実装前に詰めきり、見積もりをやめた〜

  • Epicの不明瞭点を実装前に洗い出すSkill grill-epicを導入し、PBIの見積もりをやめた
  • grill-epicでコード根拠を示しながら論点を洗い出し、PBIの見積もりをAIに任せた
  • 見積もりの時間は論点議論に回し、複雑な実装はPoCで確認する必要がある