Scraps 最終更新 2026/11/16 12:50

#バックエンド

@TRBX304 /

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

@奏良 /

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

@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

@clutch /

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

@しゃけ /

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

@ysmreg1 /

【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

@GENDA 公式アカウント /

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

@tomita_e /

【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

@bik /

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

@shun123 /

【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

@しんや /

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

@tatsumack /

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

@Mihyang_Cho /

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

@からあげ /

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

@wfukatsu /

【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

@むーさん /

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365ms
  • Aurora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