実装の 9 割を AI に任せる。食べログのジュニアエンジニアが構築した AI 連携開発フロー - Tabelog Tech Blog
こんにちは、食べログのアワード予約チームに所属するジュニアエンジニアの南野です。弊社では業務への AI 導入が進んでおり、開発のあり方が変わりつつあります。本記事では、実務で試行錯誤を行なった上で私が API 開発のリードタイムを削減させた AI 連携開発フローについてご紹介します。 今回の開発では、強力な助っ人として、役割の異なる 2 種類の AI が活躍してくれました。 開発環境で利用できたのが、こちらの AI たちです。 コーディングアシスタント: コーディングをサポートしてくれる AI です。今回、この役割は Cursor を使用しました 自律型 AI: 実装を自律的にこなしてくれる AI です。こちらでは Devin を使用しました 本記事では、これら AI たちとどのように連携してタスクを遂行したかについて詳述します。 API 開発のこれから - コーディングアシスタントでは越
GeminiにPDFやWord、Excel、テキストファイルなどの検索機能を組み込める「File Search in Gemini API」提供開始、フルマネージドなRAGシステムを提供
Google Cloudは、同社の生成AIサービスであるGeminiに、PDFやWord、Excel、テキストファイルなどのさまざまなファイル形式を読み込ませて検索可能にするフルマネージドなRAGシステム「File Search in Gemini API」の提供開始を発表しました。 Geminiのような生成AIを企業内で活用するとき、Geminiに社内のドキュメントなどを読み込ませることで社内固有の質問に関してもGeminiが回答できるようになります。 このときによく使われるのがRAG（Retrieval-Augmented Generation）と呼ばれる手法です。 しかしRAGのためのシステムを構築するには、RAG構築のためのサービスやベクトルデータベースなどを用意し、必要に応じて前処理やプログラミングなどを行い、Geminiなどの生成AIと組み合わせるなどの作業が求められます。 今
Slack上でみんなで育てるAI bot 「resident-ai」 - Hatena Developer Blog
システムプラットフォームチーム SRE id:MysticDoll です。 この記事では、私が作成し現在はてな社内のSlackで稼動中のAI bot、「resident-ai」を紹介します。 resident-ai とは 実行例 仕組み 実装時の課題 システムプロンプトの保存場所 Canvasの取得 bot自身のIDの取得 まとめ ウニウニ！ 締め resident-ai とは resident-aiはSlack上でAIとチャットができるbotですが、特にチャンネルのCanvasを最大限に活用できる点が強みです。 @resident-ai <質問内容など> とリプライすると起動し、その後は実行されているチャンネルのCanvasがAIのシステムプロンプトとして自動的に読み込まれます。これにより、Canvasに記述された情報をAIが理解し、それを踏まえた上で対話を進めることが可能です。 実行例
AI搭載イヤホンをハックしてDOOMを実行しOpenAI APIキーとチャット履歴を盗むことに成功したとの報告
「世界初のAI搭載イヤホン」と宣伝されているIKKOの「Activebuds」を入手してハッキングしたところ、OpenAIのAPIキーと顧客データを盗み見れてしまったとの報告がありました。 Exploiting the IKKO Activebuds "AI powered" earbuds, running DOOM, stealing their OpenAI API key and customer data. https://blog.mgdproductions.com/ikko-activebuds/ ActivebudsはイヤホンケースにAndroidを搭載したデバイスで、イヤホンケースにあるディスプレイでさまざまなアプリを使うことができます。 ADBがデフォルトで有効化されていたため、PCに接続してDOOMをサイドロードすることが可能でした。 さらに詳しく調べてみると、デバ
OpenAI、新AIモデル「o3-pro」リリース 「o1-pro」より高性能ながら、API料金は約7分の1に
米OpenAIは6月11日（日本時間）、新たなAIモデル「o3-pro」の提供を、ChatGPTの有料会員「Pro」「Team」向けに始めた。同社が4月にリリースした「o3」をベースに、長考によって信頼性の高い回答をするよう設計した。数学や科学、プログラミングなどのタスクに強みを持つという。 o3-proをChatGPTで利用する場合、Web検索やファイルの分析、画像入力、Pythonの実行、メモリ機能を活用した返答のパーソナライズなどに対応する。一方、こうした機能に対応するため、回答の完了までには、前モデル「o1-pro」よりも時間がかかる。そのため、回答の速度より信頼性が重要なタスクでの利用を推奨している。 人間の専門家による評価では、科学やプログラミング、データ分析や執筆などのタスクで、o3よりも高い性能を示した。返答の明瞭性や網羅性、正確性、人間による指示を守る能力についても、o3
プロンプトインジェクション対策: 様々な攻撃パターンから学ぶセキュリティのリスク - GMO Flatt Security Blog
はじめに こんにちは、GMO Flatt Security株式会社セキュリティエンジニアの石川(@ryusei_ishika)です。 近年、ChatGPT や Gemini などの大規模言語モデル（LLM）をはじめとする生成 AI の活用が急速に進んでいます。その一方で、これらの AI モデルに対する新たな攻撃手法である「プロンプトインジェクション」が注目を集めており、そのセキュリティリスクが問題視されています。 この記事では、プロンプトインジェクションが実際にどのような脅威となり得るのか、具体的な事例を交えながらそのリアルなセキュリティリスクを解説します。さらに、開発者や経営者が取るべき具体的な対策についても、分かりやすくご紹介します。 また、GMO Flatt Securityは日本初のセキュリティ診断AIエージェント「Takumi」や、LLMを活用したアプリケーションに対する脆弱性診
API仕様書を読み取れるMCPサーバーを自作したら開発が爆速になった
タイトルでもうオチてる感じがしますが、API仕様書を読み込むMCPサーバーを自作したところ、開発が爆速になったので紹介します。普段Androidのアプリ開発をしている人間です。 MCPとは？ LLMに対してコンテキストを与えるためのプロトコルです。 今回はAPI仕様書を読み込むMCPを作るので、ざっくり言うとClineやClaude for Desktop、GitHub Copilot Agentなど、MCPに対応したツールがAPI仕様書に基づいてコードを書いてくれるようになります。 何が嬉しいのか？ 例えば、以下のような質問・指示ができるようになります。 決済に関連するAPIを列挙し、Markdown記法でまとめて ドメインクラスを作りたいので、User をKotlinのdata classで出力して Androidアプリの NotificationRepository.kt に書いてあ
ココピーからChatGPTを呼んで文章生成させる - 無駄と文化
ココピー (cocopy) というブラウザ拡張機能がある。 chromewebstore.google.com Webページを見ていて URL やページタイトルなどをコピー＆ペーストしたくなったとき、ココピーを使うと思い思いの形式でクリップボードへのコピーができて便利だ。 ココピーについてはいろいろな人が紹介記事を書いているのでそれを読んでもらうのがいいと思う。 blog.pokutuna.com motemen.hatenablog.com ココピーは任意の JavaScript コードを実行できる ココピーは現在見ているページの URL・ページタイトル・コンテンツを JavaScript コードでいい感じに整形してからクリップボードに突っ込めるツールだ。 JavaScript コードはユーザーが好き勝手に書くことができる。fetch() を使って外部 API を叩くこともできる。 とい
Claude + MCP + Deep Researchを試そう｜はち
1. はじめに年末年始は仕事や転職活動で忙しく、恥ずかしながらAnthoropicの発表したMCP (Model Context Protocol)についてはあまり踏み込まずに簡単に眺めているのみに留まっていたモグリです。 色々と落ち着いてきたため、やっとMCPについて勉強しています。 MCPを用いると例えば、現在(2025/03/24)まだ日本では導入されていないWeb検索やBrowser Useの機能をClaudeに組み込めてとても便利だなと思います。 一方で、Claudeにより複雑な作業をさせたいと考えると、Web検索やBrowser Useの機能をもったDeep Researchエージェントを自前で組んで、その結果だけ返すMCPサーバーを建てた方が良い作業が出来るのではないかと考えます。（API利用料は置いておいて。） Claude Desktop + Deep Research
Webサービスぶっ壊れ地獄、行きやすぜ！
はじめに なあジョージさんよ……あんた、いつもこう言ってたよな？ 「便利さとシンプルさ、それがユーザーも開発者も幸せにする秘訣だ」ってよ。 あたしゃな、その言葉に乗っかっちまった。ユーザーのため？ 開発を効率化するため？ そりゃあ立派なもんだ。でもな、それが「命取り」になることがあるんだぜ。 シンプルに作ったはずのサービスが、悪意ある奴らに好き勝手利用されて、時には「あたしの知らなかった地獄」を見せてくれる。越えたらいけない一線がある。そんな話を、今日はしようじゃねえか。 さあ、これがあたしらの舞台だ。 セキュリティの教科書には載らない、バグバウンティでも指摘されない、ニュースにもならない、「 現場のWebサービスぶっ壊れ地獄 」 ……教えてやりますぜ！！ 1. サインアップし放題からのクレカ決済し放題地獄 この地獄、知ってやがるかい？ 聞いてくれよ。ユーザーを簡単にサインアップさせる……
「プログラマとCLINE - これはパンドラの箱なのか」を観た - laiso
www.youtube.com 昨夜未明、インターネット某所で、プログラミング支援ツール「Cline」と、それを用いたゲーム開発の経験談*1を語り合う会合がありました。 CLINEが持つ、人間の介入を最小限に抑えながら暴走機関車ようにコードを生成する性質を軸に、CopilotやCursorなど既存のAIコーディングツールとの比較や、これまでのコーディングツールのアプローチからの変化、今後の開発における展望も議論されていました。 Clineの性質 ホストの@mizchiさんはClineを「強いパーミッション持って自動で実行されるのでイテレーションの回数が多い」「AIにコーディングのアシスタントではなく主導権を持たせても何とかなるということを気づかせてしまった」と評価していました。Cursorなどと比較してその自律性（相談せず勝手にやっちゃう）に強く惹かれているそうです。 確かに全部読み込ませ
AIがブラウザを自動で操作。OpenAIのAIエージェント『Operator』登場。｜ChatGPT研究所
2025年1月24日、OpenAIはウェブ上のタスクを自動実行するAIエージェント「Operator」を公開しました。 ユーザー専用のリモートブラウザを使ってサイトを閲覧・操作し、さまざまなタスクを自動化できます。 現在はアメリカのProユーザー向けの研究プレビュー版として提供されており、OpenAIはユーザーからのフィードバックをもとに機能を改善しながら、将来的にはPlusやTeam、Enterpriseへの展開も検討されています。 「Computer-Using Agent（CUA）」とは？Operatorの中核にあるのが、新しいモデルである Computer-Using Agent（通称：CUA） です。 GPT-4oの視覚的能力と強化学習による推論力を組み合わせることで、 画面上のボタンやフォームといったグラフィカルユーザーインターフェイス（GUI）を解析し、マウスやキーボードとい
Togetterを２つに分割します。アーカイブの喪失を回避し、収益の改善を目指すリニューアルへ｜Togetter（トゥギャッター ）
みなさん、こんにちは。Togetterを運営するトゥギャッター社の代表のyositosiです。 一昨年の2023年の年末にはこんな記事を書かせていただき、多くの方に読んでいただけました。 記事の中では、「X（Twitter）のEnterpriseAPIの支払いが高くて大変だよー」という話や、「Web広告の単価が下がってきてて、ウェブメディアの運営が厳しい」みたいな話を書いたのですが、昨年はその予想を遥かに超えるピンチが押し寄せてきました。 今回は、現状を皆様に共有させていただきつつ、今後のTogetterとTwilogに関わるアップデートや方向性を共有させていただきます。 2024年はTogetterにとって厳しすぎる年でした2023年に買収したTwilogのリニューアルをし、サブスクを開始するなどして、良い話も多かったのですが、その母体となるTogetterには厳しい一年となってしまいま
思いつきで作ったAIツールが5000スターを獲得した話
とにかくケチりたい、そんな気持ちで作ったツールの話です。 元々開発にCline(Claude Dev)やAiderなどの開発ツールを駆使していました。 ただ、APIの料金が常に心配で、できる限り安く済ませたい気持ちもあり、Claude Proを契約してWeb版にファイルを1つ1つアップロードする日々を過ごしていました。 ある日それが面倒になってきて「全部1ファイルにしたらいい感じに読み込んでくれるのでは？」と思い、作ってみたら思いのほかうまくいったので公開しました。 百聞は一見にしかずということで、 こちらのデモにお気に入りのGitHubリポジトリ(例: honojs/hono)を入力してみてください。 Claudeが得意とするXMLっぽいフォーマットで出力し、そのままClaudeにアップロードすることができます。 完全にAIバブルの波に乗ったとも言えるのですが、多くの競合がいる中でスター
【令和最新版】令和のWebスクレイピング(クロール)【ベストプラクティス】
こんにちは、株式会社FP16で結構コードを書いている二宮です。 最近Webスクレイピングのコードを色々な方法で書いているので、そこで得た知見をここに残しておこうと思います。 ほぼ毎日なにかのWebスクレイピングコードを書いています。 Webスクレイピング手段 Webスクレイピングには色々な方法があります。 私が最近主に使っているのはこの5つの手段です。 cheerioでHTMLを解析 Playwrightなどで要素指定でデータを取得する APIを見つけて叩く（バックエンドとの通信を再現してデータを取得） LLMでサイト構造を解析してデータを取得する Next.jsからのレスポンスに含まれているデータを解析して取得する これが令和のWebスクレイピングのベストプラクティスだと思っています。 これらの方法を、目標に合わせて使い分けています。 使い分け方 CheerioでHTML解析 JavaS
AIデバイス「Rabbit R1」をジェイルブレイクしたところ「ユーザーの位置情報を勝手に送信」「オープンソースのライセンス違反」などが次々発覚
AIデバイス「Rabbit R1」には基本システムソフトウェアとして「RabbitOS」が搭載されています。そんなRabbitOSをジェイルブレイクしたところ、位置情報やWi-Fiネットワーク名などをストレージのテキストファイルに保存していたことが、ソフトウェアエンジニアのデヴィッド・ブキャナン氏によって報告されています。 Jailbreaking RabbitOS: Uncovering Secret Logs, and GPL Violations | Blog https://www.da.vidbuchanan.co.uk/blog/r1-jailbreak.html 技術系スタートアップのRabbitが開発したAIデバイス「Rabbit R1」は話しかけるだけで音楽を再生したり食事を注文したりできるAIアシスタントデバイスとして期待されていましたが、実態は既製APIを用いてAnd
AWSを学べるゲーム「AWS Cloud Quest日本語版」ソリューションアーキテクト編が登場
Amazon Web Service（AWS）は、ゲームを通じてAWSを学べる「AWS Cloud Quest」シリーズのソリューションアーキテクト編となる「AWS Cloud Quest: Solutions Architect」日本語版が登場したと発表しました。 AWS Cloud Questは、オリジナルの英語版では以下の7つのロールに合わせた学習カテゴリのゲームが提供されています。 クラウドプラクティショナー ソリューションアーキテクト サーバーレスデベロッパー 機械学習 セキュリティ データ分析 ネットワーク この7つのうち、日本語版としては一番目のクラウドプラクティショナー（クラウドを実践する人）編となる「AWS Cloud Quest：Cloud Practitioner」のみ提供されていました。 今回新たに二番目の「AWS Cloud Quest: Solutions Ar
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - openai/openai-fm: Code for openai.fm, a demo for the OpenAI Speech API
Google Maps Platform、月200ドルの一律無償利用枠を廃止。3月1日より料金体系が大幅改定【地図と位置情報】
「これが正しい税金の使い方！」と超高評価。国土交通省が作った「不動産情報ライブラリ」が4月1日から公開⇒人が殺到したためサイト繋がりにくくなる
