個人としては合理的な判断が組織として見た場合に非合理な判断となり、事業を圧迫する結果になるという話を書きます。 質問箱にて元々『「月間2.5億PVの時点でサーバー費用は月15万円+メール送信費用で月15万円で計30万円」だったのに 引き継いだら、インフラだけで毎月50万円近い赤字となっていた』という話は 僕にも似たような相談を受けることが多く どうしてこういったことが起こってしまうのか書こうと思い、筆を取っております。 皆様には混乱をお招きしましたこと謹んでお詫び申し上げます。 現状、インフラ費用だけで毎月50万円近い赤字が出ている状況ですので、まずはインフラの最適化や非効率なコードの見直しを早急に行う必要がある状況です。 （その状態でもなんとか運営を続けられていた元会社さんを尊敬です） (2/3) — 【公式】Peing-質問箱- (@Peing_net) August 23, 2025

個人としては合理的な判断が組織として見た場合に非合理な判断となり、事業を圧迫する結果になるという話を書きます。 質問箱にて元々『「月間2.5億PVの時点でサーバー費用は月15万円+メール送信費用で月15万円で計30万円」だったのに 引き継いだら、インフラだけで毎月50万円近い赤字となっていた』という話は 僕にも似たような相談を受けることが多く どうしてこういったことが起こってしまうのか書こうと思い、筆を取っております。 皆様には混乱をお招きしましたこと謹んでお詫び申し上げます。 現状、インフラ費用だけで毎月50万円近い赤字が出ている状況ですので、まずはインフラの最適化や非効率なコードの見直しを早急に行う必要がある状況です。 （その状態でもなんとか運営を続けられていた元会社さんを尊敬です） (2/3) — 【公式】Peing-質問箱- (@Peing_net) August 23, 2025

生成AIに関する最新の調査結果をもとに、ソフトウェアプロダクト組織とエンジニアの変化を整理する。本稿では、その現状と動向を明らかにしたい。 対象とするのは、数年先の未来ではなく、現在およびその少し先くらいの範囲である。技術進化が速すぎて予想がつかないからだ。あまり先のことを考えても的外れな内容になってしまう。 参照するデータは、2025年以降に公開されたものに限定した。執筆時点が2025年10月であること、そしてAIエージェントの本格的な活用が始まったのも2025年であることが理由である。 なお、ここに記す内容には私自身のバイアスが少なからず含まれる点をあらかじめご承知おきいただきたい。 🎧 本記事の音声概要をポッドキャストで公開中 この記事の主要なポイントをGoogleのAIツールNotebookLMで音声概要化し、Spotifyにて実験的に配信中。 open.spotify.com

ここ数ヶ月でサプライチェーン攻撃に関連していくつかベストプラクティスが出ていたので、GitHubのリポジトリに適用しておいたほうがいいものをまとめた。 被害を受けないために Dependabotにcooldownを設定する 過去のサプライチェーン攻撃では、ほとんどは問題のあるリリースが公開されてから数時間で発見されているので、自分のリポジトリが汚染されないためにリリースから一定期間はアップデートを保留するという手段が取られるようになったと記憶している。もともとRenovateには minimumReleaseAge オプションがあったのだが、Dependabotでも cooldown オプションが使えるので設定する。 Dependabot supports configuration of a minimum package age このオプションを設定しても、上の記事中に Key ben

こんにちは。バクラク勤怠のソフトウェアエンジニアの @upamune です。 この記事は LayerX AI Agentブログリレー の 23日目 の記事です。 前回のClaude Code SDK ではじめる 定額 AI Agent 開発入門では、Claude Code SDK を使ってシンプルなタスク管理Agentを構築しました。 今回は、そのAgentをClaude Agent SDKに移行しながら、何が変わったのか・どう対応すればいいのか・何が嬉しいのかを具体的に解説します。 1. 前回のおさらい：Claude Code SDK でタスク管理Agent 前回の記事では、Claude Code SDKを使ってタスク管理Agentを作りました。以下のような機能を実装しました： タスクの追加 タスクの一覧表示 タスクのステータス変更 Claude Pro/Maxプラン（最安$20/月）で

こちらは LayerX AI Agentブログリレー 7日目の記事です。 こんにちは。バクラク勤怠のソフトウェアエンジニアの @upamune です。 最近は社内のいろんなリソースをMarkdownに変換する怪物になっています。 1. はじめに：定額で始めるAI Agent開発 皆さんAI Agent開発していますか？AI Agentを開発する時の障壁の一つとして、LLMを呼び出す際のAPIコールが従量課金のため、なかなか個人で気軽に試せないというのがあると思います。 そこで、今回はClaude Code SDKを利用してAI Agentを作成することで、Pro/Maxプランに加入することで定額でAI Agentを開発できる選択肢があることを紹介します。 2. なぜClaude Code SDKなのか Claude Codeを利用している方は多いと思いますが、Claude Code SDK

マネジメントでよく言われるセオリーとして、組織の「これをやらねば」という "must" とメンバーの「これやりたい」という "will" とメンバーの「これが得意」という "can" の重なるところを見出して目標設定やアサインをすべしという話がある。 特に "will" が大事で出発点にすべきという話も聞く。現在の興味領域である短期的な will に加えて、キャリア志向を踏まえた中長期的な will もきちんとすり合わせていくとよいという。まあわかる。人間やりたいことをやってる時が一番力を発揮できる。逆にやりたくないことをやっている時は全然パフォーマンスが出ないものだ。 わかるんだけど、メンバーの "will" をどのように考慮するかって結構難しいなと思っていて、雑に考えを残しておきたい。 何が難しいというかというと、メンバーが考えている "will" というのはあくまで今のメンバーの目線

きっかけ Federico Castagna らの論文「Critical-Questions-of-Thought」(CQoT) を読んだ。要するに、LLM に回答を生成させた後、その回答を批判的に検証させるステップを挟むと精度が上がる、という話だ。 論文では Toulmin の議論モデルに基づいた批判的質問（Critical Questions）を使って、LLM の推論プロセスを検証している。具体的には、以下の 8 つの質問で推論の妥当性をチェックする： 推論は明確な前提から始まっているか？ 前提は証拠や事実で裏付けられているか？ 前提と結論の間に論理的なつながりがあるか？ その論理的つながりは妥当か？ 推論は論理的誤謬を避けているか？ 結論は前提から論理的に導かれているか？ 推論は既存の知識や原則と整合しているか？ 推論の結論は妥当で合理的か？ これらの質問に対して、AI 自身が Pa

こんにちは。エンジニアグループQA （Quality Assurance） チームの中塚です。 この記事はコンシューマーチームブログリレー 2日目の記事です。QAエンジニアがリスク洗い出しをサポートする取り組みの事例をご紹介します。 はじめに エムスリーでは、チーム全員で品質保証に取り組む考え方のもと、QAエンジニア以外のメンバーも品質保証に積極的に取り組むチャレンジをしています（この取り組みを社内では「全員QA」と呼んでいます） ちなみに取り組み内容についてはこちらの記事でより詳しく紹介しておりますので、ご興味のある方はぜひ読んでいただけますと幸いです。 www.m3tech.blog この取り組みには次のような狙いがあります。 開発と品質保証を担当エンジニアが一貫して行えることでリリースを早くできる 今はQAエンジニアのフルアサインができていても、将来的に新プロジェクトの立ち上げ時にア

サービスが成長するにつれてデータベースは肥大化する。 肥大化したデータベースは最初は良かった設計も、パフォーマンスの低下やメンテナンスが難しくなる。 もちろん、そうならないように最初から設計を工夫することもできるが、サービスの成長に伴い要件が変化することも多い。 そうなると全ての変更を予見することは難しいため、データベースのリファクタリングは必要不可欠だ。 実際にAIを利用したソフトウェア開発が主流になっていきつつある昨今はよりデータベースの成長速度は加速している。 だからこそ、データベースリファクタリングは重要であり、AIが台頭して来た時代でも変わらず必要なスキルである。 そこで今回は実際にサービスの成長と共にデータベースをリファクタリングする際の戦略と実践的な手法について解説する。 なお、AI時代でもデータベースの技術が重要であることは変わらない話はこちらを参照されたい。 データベース

Which Table Format Do LLMs Understand Best? (Results for 11 Formats) When discussing the reliability of AI-based systems, there’s something simple that doesn’t get enough attention: what’s the best format for passing tables of data to an LLM? Should you use markdown tables or CSV? JSON or YAML? Or does some other format work better than any of these? Update (Nov 2025): There’s been a lot of intere

バクラクビジネスカード開発チームのTech Leadの @budougumi0617 です。今回はプロポーザルを書く時に私が気をつけていることを紹介します。 大きいカンファレンスで登壇するためには、CfP（Call for PapersもしくはCall for Proposals）にプロポーザルを応募して採択してもらう必要があります。 人気のカンファレンスでは採択倍率が二桁になることもあります。 私は過去Go Conferenceで3回、PHPerKaigiで1回プロポーザルが採択された経験があります。また、Go Conference運営として数回プロポーザルを審査する立場になった経験1もあります。 今までプロポーザルを書いた経験、会社メンバーのプロポーザルをレビューした経験から気をつけていることをまとめました。 「ここはこうじゃない？」「こういうコツもあるよ！」というご意見あれば是非Xな

ALL STAR SAAS FUNDのメールマガジン「ALL STAR SAAS NEWSLETTER」購読登録受付中ALL STAR SAAS FUNDがお届けする 最新SaaSニュース、ブログ記事情報を配信するSaaS業界にいる方は必見のメールマガジン！ 「すべてのスタートアップには、もはや2年の猶予しか残されていない」AI革命の真っ只中にある今、こう断言するのはLayerXの代表取締役CEO・福島良典さんです。LayerXはブロックチェーン、SaaS、FinTech、AIと、常に時代の最先端で事業を展開し続けてきました。直近1年間ではAIクラウドサービス「バクラク」シリーズを拡充する形で、AIエージェント機能を搭載したAI申請レビューや勤怠管理などの大型プロダクトリリースを実現。 その驚異的な開発スピードの背景には、AI時代における競争環境の根本的な変化と、それに対応するための戦略的

技術同人誌を書いてみたい熱が高まってきた 私は、個人で出版社から書籍を出したり、KDP(Kindle Direct Publishing)で個人出版したりと、色々な形で出版をしています。 次に興味が湧いてきたのが技術同人誌です。同人誌出してから商業出版をする方が一般的なようですが、ひねくれものなので逆行しています。 技術同人誌を出す意義・メリットなどに関しては、以下のレオナさん（@reona396）の記事がとても参考になります。 私が、技術同人誌に興味が湧いた大きなきっかけも、実はたまたまTwitterのSpacesでレオナさんと技術同人誌について話したからだったりします。 技術同人誌を作って、イベントに参加するまでの流れについては、以下の書籍が非常に参考になりました。 技術同人誌を書こう！　アウトプットのススメ 技術の泉シリーズ (技術の泉シリーズ（NextPublishing）) イン

この記事は何 ナレッジセンスでは、エンタープライズ向けにRAGサービスを提供しています。その中で「RAGは簡単に作れるけど、精度を上げるのは難しい」という課題に日々向き合っています。本記事は、2024~2025年に公開された研究や事例をもとに、RAGの回答精度を高める代表的なアプローチを ざっくりまとめたものです。 ざっくりサマリー この記事では、企業の社内データを利用したRAG、特に大企業で「エンタープライズRAG」での実装手法についてざっくり理解します。まず、エンタープライズRAGでのよくある課題をお伝えします。その上で、2025年現在の最新動向を踏まえ、評価手法のような基本戦略から、ちょっと高度なテクニックまで、RAGの精度を向上手法を概観します。 （エンタープライズRAGとは、社内の膨大なデータをLLMが活用可能にするためのソリューションのことです。） RAG、実装は簡単。しかし、

こんにちは！クラスター株式会社でソフトウェアエンジニアをしている@TAAT626です。 最近クラスターの開発チームで行っているAI勉強会で「カスタムスラッシュコマンドをマスターして開発効率を上げよう」という発表をしましたので、その発表資料を共有しながらClaude Codeのカスタムスラッシュコマンドについて紹介したいと思います。 発表資料はこちら speakerdeck.com スラッシュコマンドとは？ 組み込みスラッシュコマンド /agents /clear /compact /mcp /memory カスタムスラッシュコマンドを作る 構文 プロジェクトコマンド 個人コマンド 引数 $ARGUMENTS $1, $2 プロンプトテンプレート Bashコマンド実行 フロントマター カスタムスラッシュコマンドの活用例 Draft PRを作る セッションの内容をもとに調査レポートを作る ビル

最近Claude Codeのスラッシュコマンドなど、AIによるコード生成をさせる時、ドキュメントを参照するだけより、ドキュメントを参照した後に類似を自動検索させた方が生成の精度が上がると感じた。今回はその方法を紹介する。 ドキュメントだけで生成すると細かいニュアンスで気になることが多い コード生成をさせる時、何も無しでいきなり生成するよりも、コーディング規約やデータベース設計ガイドラインなど、チームで決めたルールを読み込ませてから生成する方が精度が上がると言われている。LLMの特性上、何もルールがないよりチームルールを明示することで、それに近いものが生成されるのは自明だ。 一方それだけだと「だいたい合ってるんだけど、細かいところで気になるなあ」と感じることが多かった。たとえば書き方がプロジェクト内の他の場所と少し違うなど。 ドキュメントを参照した後に類似を自動検索させる 「だいたい合ってる

サマリ go testは、パッケージごとにテスト結果をキャッシュしている ソースコードに加え、テストコマンドの引数やテスト内で参照したファイルや環境変数がすべて同じなら、キャッシュが利用される そのため、基本的にはCI上でもGoのキャッシュ機構を使用しても問題ない Goが検知できない変更（設定ファイルやデプロイ設定の変更など）がある場合は、キャッシュをクリアすることで偽陰性を回避する必要がある はじめに 普段の開発でGoを使用しているのですが、CIでのテスト実行時間に課題感を感じていました。 テストを高速化したいと思ったのですが、テストコード自体を改善するには結構大きな変更が必要な状況でした。 もっと簡単にできないかと考えていたところ、ローカル環境ではgo testのキャッシュが効いている場面がよくあり、「これはCIでも使えるのでは？」と思いました。ただ、テスト結果の不整合など起きそうで不

はじめまして。チームみらい 永田町エンジニアチームの伊藤と申します！エンジニアチームではエディと呼ばれています。 先日チームみらいでは、政治資金の流れを透明性を持って公開するプラットフォーム「みらい まる見え政治資金」をリリース、ソースコードも OSS として公開し、サービス開始から約2日で20万PVと、大きな反響をいただきました。 2日で20万アクセス！ありがとうございました！このサービスがどういったものなのか、なぜ公開するのかについてはこちらの記事に譲るとして、この記事では、ソフトウェアエンジニア向けに振り切った記事として、サービス構成と工夫した部分を紹介しようと思います。 また、関連記事として、「どのようにして95%以上のコードをLLMに書かせることができたのか」についても記事にしているので、よければ合わせてお読みください。 国政政党の提供するサービスとして意識したポイント公共性のあ