@TRBX304 / 11日前 C/Rust/Julia/Go/Java/JS/PyPy/LuaJIT 実行速度ベンチマーク ― 競プロと科学計算のあいだ Cが最も速く、RustとJuliaが続く。メモリの並び方やコンパイラの最適化が性能に大きく影響するCはRustを除き15〜34倍速く、行列積ではJuliaが1位。メモリの並び方でCとJuliaの差が2倍、ライブラリ使用で100倍の差同じアルゴリズムでもコンパイラの最適化やメモリの並び方で性能が大きく変わる。科学計算ではライブラリの使用が必須 #バックエンド#クラウド#DevOps・CI/CD
@Nickelth / 11日前 レガシーVBA処理をWSL×C#でモダンに再構築した話 VBAをC#で再構築し、WSLで開発環境を構築したC#と.NET10で開発し、WSLでビルドしてWindowsにexeを生成、Powershellでタスクスケジューラーで実行C#の型安全性やパフォーマンスがVBAより優れており、環境依存の問題を解消できる #バックエンド#クラウド#DevOps・CI/CD
@奏良 / 11日前 Claude CodeからPremiere Proを290回動かして、53分のPodcastを全自動編集してみた Claude CodeでPremiere Proを290回操作し、53分のポッドキャストを自動編集したExtendScriptでPremiere Proを制御し、Mogrtテンプレートで字幕を自動生成、CodexのComputer Useで画面操作を補完Premiere Proのスクリプト制御にはExtendScriptが有効だが、HDR設定やテンプレートのバージョン管理に注意が必要 #バックエンド#DevOps・CI/CD#クラウド
@Syoitu / 11日前 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 #AIエージェント#DevOps・CI/CD#バックエンド
@clutch / 11日前 AIルールだけでは守られない規約を、自作lintで縛るようにした AIルールに頼らず、自作lintでプロジェクト固有の規約を強制する取り組みを始めたContainerの表示文言チェックや成功通知文言チェックにGritQLを活用、Nodeスクリプトでディレクトリ配置を検証既存違反をゼロにし例外を明記することでAIが真似ない仕組みを構築、誤検知をテストで潰す #フロントエンド#バックエンド#DevOps・CI/CD
@タン / 11日前 NFCカードで打刻する端末を、Androidで作り直した Android端末でNFCカードを読み取って打刻する仕組みを再構築したNFC読み取り位置をアプリで案内、KMSでパスワードを暗号化、HTTPリクエストで勤怠システムに打刻UIDの大小文字の違いで打刻失敗する可能性があるため、データ取り込み時に統一する処理を追加した #バックエンド#クラウド#DevOps・CI/CD
@しゃけ / 11日前 Orcaを使ってみたら、開発のテンポがガラッと変わった話 Orcaは複数のAIエージェントを並列実行できるADEで、タスクごとに独立した作業スペースを自動生成するGit worktreeによるタスク分離とスマホからのリモート操作が特徴、コードレビューはGitHubライクなUIで行うToken消費量が早く上限に達するため定額プラン利用時は注意が必要 #AIエージェント#フロントエンド#バックエンド
@ysmreg1 / 11日前 【脆弱性ラッシュ】PHP2Shell・Brotli(HTTP2Shell)・Node・Chrome・Goが同時に来た週に、サーバーの「放置」が露呈した話 PHP、Node.js、Chrome、Goの重大な脆弱性が一斉に公開され、古いバージョンのサーバーが見つかったPHP7.4-fpmやNode18は修正版がなく、Brotliの依存関係が見落とされがちサポート終了のバージョンは脆弱性修正がなく、移行が必須で、依存ライブラリも確認する必要がある #セキュリティ#バックエンド#クラウド
@GENDA 公式アカウント / 11日前 AIにいきなり実装させない — kintoneカスタマイズ開発Skillのヒアリング設計 kintoneのカスタマイズ開発でAIに実装を任せられるように、要件ヒアリングを6段階のSkillに設計した要件定義書のテンプレートとエッジケースの明確化、業務言葉での質問設計、選択肢による回答負荷軽減AIに実装を任せると曖昧な要件がコードに反映されるため、事前にエッジケースと非機能要件を固定項目にした #バックエンド#DevOps・CI/CD#クラウド
@tomita_e / 11日前 【Git初心者】「やばい、間違えた!」から生還するコマンド備忘録(プッシュ前・プッシュ後) Gitで間違えたコミットを修正するためのコマンドを紹介git reset --softやgit commit --amendで手元を修正し、git push --forceでリモートに上書きするチームのコードに影響を与えないように、自分だけが作業しているブランチで使うことが重要 #DevOps・CI/CD#バックエンド#クラウド
@Taste of Tech Topics / 12日前 Amazon DynamoDB のベクトル検索機能を検証 Amazon DynamoDBでテキストの意味による検索が可能になったベクトルインデックスで検索し、Titan Text Embeddings V2で1,024次元のベクトルを生成するベクトル生成はアプリ側で行い、アイテムサイズは400KBまでで、キーワード検索には対応しない #バックエンド#クラウド#データベース
@bik / 12日前 コードを読まずにバイブコーディングしたら、Claude Codeは分かっていてスルーしていた Claude Codeはコードを読まずに作られたダッシュボードで、トークンの数え方が複数の画面で不一致だった使用枠の推移と作業履歴のトークン数え方が別々で、サブエージェントの消費を親セッションに合算する処理が不完全だった同じ数字を複数の画面で出している箇所は、数える処理が1つにまとまっているか確認する必要がある #バイブコーディング#バックエンド#クラウド
@tomo-ryo / 12日前 そろそろ共通鍵暗号・公開鍵暗号についてちゃんと理解する 共通鍵暗号と公開鍵暗号の仕組みと特徴を比較した共通鍵暗号は鍵を共有して暗号化・復号、公開鍵暗号は公開鍵と秘密鍵で処理、処理速度や鍵の数に違いがある共通鍵暗号は処理が速いが鍵配送問題があり、公開鍵暗号は鍵の数が少ないが処理が遅い #バックエンド#セキュリティ#クラウド
@shun123 / 12日前 【Git】リモートで作ったブランチの分岐元を確認する方法 リモートで作成されたブランチの分岐元を確認する方法を説明しているgit rev-list --first-parent と git rev-list origin/master..origin/release/v1.0 を比較し、コミットの重複で分岐元を特定するマージで取り込まれたコミットと分岐元を区別するため、release/v1.0 自身のコミットを確認する手順が必要 #DevOps・CI/CD#バックエンド#クラウド
@しんや / 12日前 BIの移行作業はどこまでAIに任せられるか: Tableau→Sigmaを例に段階別整理(2026年10月版) TableauからSigmaへのBI移行を7段階で整理し、どの工程が自動化できるかを示した棚卸し、抽出、翻訳、データモデル作成、ワークブック作成、検証、運用化の工程で、AIエージェントや移行スキルが自動化の鍵データモデルはGA、ワークブックコード化はBetaで、UIの見た目や未対応の計算式は人の判断が必要 #AIエージェント#バックエンド#クラウド
@tatsumack / 12日前 ISUCON2026に参加して78位でした ISUCON2026でチーム「カレーおじさん」が78位を獲得、AIを活用した開発手法を試したAIにコード生成と分析を任せ、DBのロックやリージョン間通信の最適化を実施、画像処理の最適化も行ったAIに実装を任せた結果、コミット数が過去最多となり、ベンチが一度も失敗しなかったが、AIの戦略的判断には限界があった #AIエージェント#DevOps・CI/CD#バックエンド
@Mihyang_Cho / 12日前 テストする側から創る側になって気づいたこと - 初めてSlackBotを制作した話 リスペクトボットの開発を通じてQAエンジニアが気づいた開発現場のリアル仕様の変更が頻繁に発生し、スピードとクオリティの両立が難しいことが判明QAの役割は仕様書の作成を求めるのではなく、変化に対応できるプロセスを一緒に設計すること #バックエンド#DevOps・CI/CD#テスト
@からあげ / 12日前 NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしを比較してみた NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしの比較を行ったRE-USEは音声のノイズを減らすモデルで、Whisperは音声を文字に変換するモデル、CERで認識精度を測定した原音で文字起こしをしたほうが精度が高く、修復後の音声は配信用に使うのがおすすめ #AIエージェント#機械学習#バックエンド
@wfukatsu / 12日前 【既存のSQL, PL/SQLをAIを用いて移行する】第3回:ANTLR grammar で PL/SQL を解析し、中間表現に落とす ANTLRのgrammarでPL/SQLを解析し、型や制御フローを保持した中間表現(IR)に変換するPL/SQLの構文解析とIRへの変換、SQLブリッジでSQLGlotに渡す処理、型解決と記号表の構築PL/SQLの構文解析はSLL→LL→診断付きLLの3段階で行い、解析時間の最適化とIRへの属性保持が重要 #バックエンド#DevOps・CI/CD#データベース
@むーさん / 12日前 Aurora とDynamoDBとTimestreamとBigQueryを2400万レコードで性能比較してみた 2400万レコードのクエリ性能でAuroraとDynamoDBが特定の1件取得に速く、InfluxDBとBigQueryが集計系に速かった特定の1件取得ではAuroraとDynamoDBが5ms〜66ms、集計系ではInfluxDBが89ms、BigQueryが365msAuroraはメモリキャッシュで2.3GBのデータを処理可能で、2400万件程度なら十分な性能だった #バックエンド#クラウド#データベース