Scraps 最終更新 2026/11/16 11:31

#アーキテクチャ

@ryuichi1208 /

IVRyのSREの取り組み 2026冬

  • IVRyではSREの取り組みをHub & Spokeモデルに移行し、信頼性をプロダクトの仕事にする
  • SpokeはプロダクトごとのEmbedded SRE、Hubは標準化と横断的な技術的負債の返済、Reliability by Defaultという戦略文書を策定
  • SREの関わり方をEmbedded・Enabling・Platformの3軸で判断し、各プロダクトの現在地をプロットして優先順位を決める

@Sho Akahori /

新卒4ヶ月で一番時間を使ったのは、コードを書くことではなかった

  • 新卒エンジニアが4ヶ月で最も時間をかけたのはコード書くことではなく、ユーザーのニーズを整理することだった
  • エピックのディスカバリーで顧客要望を整理し、AIで案を作成して判断軸を明確にした
  • ユーザーの本当のニーズを把握するためには、エピックの範囲を超えて議論する姿勢が重要だった

@gotoyuto /

AIを使った改修で既存動作を壊した経験から、設計書とコメントで差分を追えるようにした話

  • AIによる改修で既存動作を壊した経験から、設計書と関数コメントで差分を追えるようにした
  • 設計書の正本を分担し、用語集と画面定義・API定義を整え、実装差分と照合するモードを3つ用意した
  • 実装前は設計書を変更し、実装後はフロントエンド・バックエンドの差分と設計書を照合する手順をスキルにまとめた

@Yasuaki Omokawa /

デバッグコードを脆弱性にしない方法

  • 本番コードにデバッグ機能を含めない仕組みを構築し、環境変数による分岐を排除しました
  • 開発用ディレクトリを除いたツリーからビルドし、本番コードが開発用コードをimportするとビルドが失敗する仕組みと、環境変数を読まない定数設定
  • 開発用コードを本番ディレクトリに置くとビルドが失敗し、環境変数の誤りでも本番設定で動作するため、脆弱性を防げる

@まっくす /

Polaris web components への移行を AI に任せて、スキルを直していった話

  • Polaris ReactからPolaris web componentsへの移行をAIに任せた際の課題と対応
  • AIに移行を任せた際のコミット履歴の曖昧さ、根拠の不足、デザイナー確認の手間を改善するためのスキル修正
  • コミットの粒度を変更の種類ごとに分けることでレビュアーが確認しやすくし、根拠は差分の該当行にGitHubコメントで残す

@karamage /

人間がコードを読まずにPRをマージする技術 ─ それでも、品質は手放さない

  • AIが書いたPRを人間が全部読むのは無理で、機械に任せたほうが効率的
  • CIによる自動チェックとAIレビューでリスクの高い変更を人間が判断、低リスクは自動マージ
  • 人間の責任は変更の内容で決まり、コードを読まなくても品質を保つ仕組みが必要

@shahin0809 /

Orchestrator型 vs 自己組織化型 ― Microsoft Research の OSS「Agensh」から考える、Agentic Workflow の行き先

  • Microsoft ResearchがOSSとしてAgenshを公開、1,024エージェントで自己組織化型マルチエージェント基盤を実現
  • 協調ループに5ステップを採用、共有ワークスペースと共有コンテキストで進捗管理、128エージェントでテスト通過率が49%向上
  • 1,024エージェントでもpandocは55%で未解決、トークンコストの比較情報がなく実務での導入には注意が必要

@Link and Motivation Developers' Blog /

Vue Fes Japan 2026 参加レポート

  • Vue Fes Japan 2026でVue 4やAIエージェント時代のツール設計、デザインシステムの契約、URLの型安全、非同期状態の型設計が紹介された
  • Evan Youはエージェント向けツールの設計基準を、Dress Codeはデザインシステムの契約を、PosvaはURLの型安全を、aoshiは非同期状態の型設計をそれぞれ説明した
  • AIエージェントに任せられる部分と人間が判断する部分の線引きが重要で、CIや型で機械に任せられる部分は任せるべき

@ht_deko /

【Delphi】タスクバーボタンにジャンプリストを表示する

  • Delphiでジャンプリストをカスタマイズする方法が説明されている
  • TJumpListコンポーネントと独自のTSimpleJumpListクラスを使用し、タスクとカスタムカテゴリを追加可能、アプリケーションIDを指定する
  • アプリケーションIDを明示的に指定しないとトラブルの原因になるため、コードで設定する必要がある

@kszk103 /

人間が見るのは設計書だけ ― PdM不在・バグ修正中心のチームで、AI-DLCを開発フローごと作り直した話

  • バグ修正中心のチームでAI-DLCを再定義し、設計書を人間のレビューに限定した
  • バグ修正の期待仕様をintentに、原因調査を独立スキルに、設計書レビューをAIに任せた
  • 設計書とコードコメントのPBI番号を残すことでバグの追跡性を向上させたが、実装チェックはAIに任せる

@dev-hasegawa /

1,000ファイルの言語移行をAIとASTトランスパイラで完遂した話:LLMの「評価の抜け道」とどう戦ったか

  • 1,000ファイル以上の基幹システムでASTトランスパイラとAIを活用し、ロジックを保持したまま言語を移行した
  • ASTを用いて構文ツリーに変換し、AIが生成した変換ルールを適用する方式と、Specification Gamingを回避するための評価設計
  • AIが生成したルールの評価を設計する際、抜け道を事前に見つける仕組みを導入し、実装率の測定方法を関数単位に変更した

@kazuma sugiyama /

AIエージェントに設計書レビューを任せたらレビュワーは楽になった。でも現場は??

  • AIエージェントによる設計書レビューでレビュワーの作業時間が短縮されたが、エンジニアの負担が増える
  • 設計書の形式チェックから内容の判断までをAIに任せたが、エンジニアが判断を担うようになった
  • AIの指摘は正しいが、エンジニアがその背景を理解し対応する必要があり、現場全体のコストは変化しない可能性がある

@blackcats-lab /

AGENTS.mdを278行から51行にした:AIエージェントに「必要な分だけ読ませる」ドキュメント設計

  • AGENTS.mdを51行に、CLAUDE.mdを9行に縮小し、ドキュメントをルーターと正本に分離した
  • AGENTS.mdは行動原則とルーティングのみ、CLAUDE.mdはアダプタとしてAGENTS.mdをインポート、手順はskills/に、仕様はdocs/specs/に配置
  • AGENTS.mdに毎回読まれる情報だけを残し、変更時は1か所だけ直すことでエージェント間の整合性を保つ

@せい /

AIに良いコードを書かせる前に、「良い設計」を言語化する

  • AIに良いコードを書かせるには、設計の判断基準を明確に伝える必要がある
  • 設計の正解はコードベースごとに異なり、抽象化や責務分離の判断にはプロジェクトの背景を考慮する
  • 設計の判断理由をKnowledgeとして蓄積し、古いルールが誤ったレビューを生まないよう更新する

@分析屋 /

炎上してから人を増やしても、 プロジェクトは早く終わらない。データが示す「三乗根の法則」

  • JUASの調査によると、システム開発の標準工期は工数の三乗根に比例する
  • 工数8倍で工期2倍、工数27倍で工期3倍、要件定義は工期が長く設計からテストは並列化可能
  • 増員の効果は工程の分割性とボトルネックの場所次第で、炎上後の増員は負荷が大きい

@shyamagu /

AIエージェントたちが直接連絡しあう、小さなメールボックスを作ってみました

  • AIエージェント同士が直接連絡できる郵便受け「AgentPost」を作成し、3チームでアプリ開発を完遂した
  • AgentPostは論理アドレスでメッセージを送受信し、オーケストレータを介さずに連携可能、メッセージの未読一覧と返信機能を備える
  • AIエージェント同士の連携には終了プロトコルが必要で、待ち時間は3分程度発生する

@Kokuto821 /

AIのみで作られたシステムを引き継いだら、品質の現実に直面した話

  • AIエージェントだけで作られたシステムの品質が低く、改修に苦労した
  • ドキュメントの可読性が悪い、設計原則が守られていない、テストコードがない、UIが不自然、開発プロセスが整っていない
  • AIエージェントの出力に依存せず、設計原則やテストルールを事前に設定する必要がある