Scraps 最終更新 2026/10/02 02:20

#DevOps・CI/CD

@えぬひろ(ikorihn) /

Go Conference 2026 に参加しました

  • Go Conference 2026でgoroutineの性能最適化やhttptestの変更、eBPF計装の裏側が発表された
  • goroutineのCPUローカリティやsynctest対応のhttptest、eBPFでGoランタイムを計装する仕組み
  • goroutineの実行場所やキャッシュ効率を意識した最適化が必要な場面があること、httptestのテスト環境が安定した
Go Conference 2026 に参加しました

@安藤 /

<session>.jsonl を読んでみる

  • Claude Codeのセッションログは.jsonl形式で保存され、1行1イベントの構造になっている
  • 行タイプ(assistant/user/attachment等)、API呼び出しID(requestId)、ブロック順序(apiBlockIndex)、トークン数(output_tokens)が主なフィールド
  • トークン数を正しく集計するにはrequestIdでグループ化し、cache_creation_input_tokensを確認する必要がある
&lt;session&gt;.jsonl を読んでみる

@ebichan_88 /

抽象クラス、正しく使えてる？ ― Template Methodパターンから考える、抽象クラスとの付き合い方

  • 抽象クラスとTemplate Methodパターンを活用して外部APIクライアント基盤を設計する方法が説明されている
  • Template Methodで処理フローを固定し、ジェネリクスで型安全を確保し、フックメソッドで柔軟性を実現
  • 型の取り違えを実行時エラーにせずコンパイル時に検出できるようにするため、ジェネリクスを適切に活用する
抽象クラス、正しく使えてる？ ― Template Methodパターンから考える、抽象クラスとの付き合い方 - Qiita

@ktdatascience /

【Jev】商品名のカテゴリ判定をLLMからJevに移したら何が変わるのか100件で確かめてみた

  • Jevは正答率85%でLLMの93%には及ばないが、確信度で誤りを絞り込める
  • 確信度1.00の43件は98%的中、0.50未満の12件は33%的中、LLMは確信度が無いため全件流すか人検査が必要
  • 確信度0.5でしきい値を切ると自動処理88件が92.0%になるが、0.9まで上げると人が見る件数が35件に増える
【Jev】商品名のカテゴリ判定をLLMからJevに移したら何が変わるのか100件で確かめてみた - Qiita

@Josh Nobus /

golang：環境構築のあと、モック・リバプロ・SPAを作って遊ぶ

  • Goでモックサーバーとリバースプロキシを実装し、フロントエンドを追加する手順が説明されている
  • Scalerをモックサーバーとして使用し、httputil.ReverseProxyでリバースプロキシを構築、Ginでフロントエンドのハンドラを実装
  • リバースプロキシのカスタマイズでリクエスト/レスポンスのログ出力やルーティングの振り分けが可能で、SPAの配信には静的ファイルサーバーを組み合わせる
golang：環境構築のあと、モック・リバプロ・SPAを作って遊ぶ

@yasu1109 /

攻撃者の視点でセキュリティを理解したいエンジニアへ。bashで学ぶ侵入技術の実践書

  • bashで攻撃者の手順を学ぶ本が公開された
  • bashスクリプトでポートスキャン結果の処理やサービス特定の手順が解説されている、AIエージェントを使った侵入テストの付録が追加されている
  • 守る側の知識だけでは実感が得られず、自システムの脆弱性を把握するための偵察手順をローカル環境で試すことが推奨されている
攻撃者の視点でセキュリティを理解したいエンジニアへ。bashで学ぶ侵入技術の実践書 - Qiita

@ビジハックマスター｜会社員の「壁」攻略本 /

【無料】WordでChatGPTが使えるようになった。もう「Word→ChatGPT→Word」のコピペ往復をしなくていい。普通の会社員こそ知ってほしい新機能。

  • ChatGPTがMicrosoft Wordに統合され、文章作成や編集が可能になった
  • メモから文章作成、長文要約、選択部分の書き直し、見出し整理、用語統一確認が可能
  • 出力内容の正確性確認と社内ルールの遵守が必要
【無料】WordでChatGPTが使えるようになった。もう「Word→ChatGPT→Word」のコピペ往復をしなくていい。普通の会社員こそ知ってほしい新機能。｜ビジハックマスター｜会社員の「壁」攻略本

@Yutaka Kashiwabara /

Strands harnessのcontext管理を実測 — 既定のauto＋cachingでinput換算トークン46%削減

  • Strands harnessのcontext管理でinput換算トークンを46%削減できることが実測で確認された
  • offloadによるツール結果の退避と切り詰め、cachingによる固定入力トークンの圧縮が効果的だった
  • ツール結果が6,000文字を超えるワークロードで効果が顕著で、要約は今回のタスクでは発火しなかった
Strands harnessのcontext管理を実測 — 既定のauto＋cachingでinput換算トークン46%削減

@neruneruo /

【初心者向け】Amazon BedrockとStrands Agentsを使ってJevのState, Questionsを最適化する

  • JevのNoul判定結果を最適化するためのState/QuestionsをLLMに生成させる手法が紹介されている
  • StateとQuestionsの構造を変更し、Noul質問にai_writtenを含め、APIリファレンスをプロンプトに組み込む
  • Jevに送るStateとQuestionsには目標確率を記載しないこと、文書本文を直接埋め込まないこと、評価基準を中立に保つことが必須条件
【初心者向け】Amazon BedrockとStrands Agentsを使ってJevのState, Questionsを最適化する - Qiita

@kemuniku /

PyPyのListStrategyまとめ

  • PyPyではリストの内部構造を戦略に応じて変更して最適化している
  • ObjectListStrategy、IntegerListStrategy、FloatListStrategy、AsciiListStrategy、BytesListStrategy、EmptyListStrategy、SizeListStrategyの7種類の戦略が存在する
  • リストの要素の種類や操作によって戦略が変化し、特に整数や浮動小数点数の範囲によって戦略が切り替わる
PyPyのListStrategyまとめ - Qiita

@Aine LLC. /

TypeSafe AI の jev を Python で一通り試した (使い方と 10 の実験)

  • TypeSafe AIのjevモデルをPythonで試した際の使い方と実験結果を公開
  • Choice・Score・Noulの3つの質問タイプを用いて、stateの内容を評価する。選択肢の順番や質問の言い回しの違いが結果に与える影響を検証
  • 選択肢の順番変更や否定形の質問で結果が変化するため、質問の設計に注意が必要
TypeSafe AI の jev を Python で一通り試した (使い方と 10 の実験)