ご無沙汰です。CTOの大塚(@maaash)です。 「純粋リファクタリング」をAIに証明させて自動マージする AIエージェントを使うことになってコーディングのスピードが上がり、その前後のプロセスにかける時間が増えている話は 最近のAIの使い方 - 2026年1月編 で書きました。今日はその後ろ側、レビューをどう高速化するか、という話です。 GitHub のPRに /review_refactoring とコメントするとCIが動いてAIがレビューし、合格したら自動マージまで走る。 そんな仕組みを社内で回しはじめて、しばらくしたら効果がはっきり出てきました。 これはどこかイベントで話したいなあ、と思っていたところ、 ちょうどよくファインディさん主催の プロダクト開発、AIに丸ごと任せられるのか？Meet up！ AI時代のレビュー、どこまでどう任す？ があったので、LTしてきました。 その時の

はじめに 普段よく GitHub Actions で aws-actions/configure-aws-credentials を使っているけど「output-credentials」と「output-env-credentials」というオプションがあることは知らなかった💡 aws-actions/configure-aws-credentials はデフォルト設定だと認証情報を GitHub Actions ジョブ全体の環境変数としてエクスポートするため，認証情報が不要なステップでも AWS_ACCESS_KEY_ID・AWS_SECRET_ACCESS_KEY などが参照できてしまう．GitHub Actions のセキュリティ向上施策として試してみた ＼( 'ω')／ github.com オプション概要 まずは GitHub リポジトリの README にある説明を確認する．

こんにちは。タイムリープ株式会社でソフトウェアエンジニアをやっております id:moznion です。 タイムリープ株式会社は遠隔接客サービス RURA (https://timeleap-rura.com/) を提供しているテクノロジースタートアップです。 このサービスは主としてブラウザで動作するReactアプリで構築されており、通信のバックボーンにはWebRTCを利用しています。 バックエンドのサーバーサイドコンポーネントはGoで作られていて、GraphQLとgRPCのServer-Streaming RPCを用いて通信することでサービスを実現しています。 さて色々なことがあり、このたび我々タイムリープ株式会社はテックブログを開始する運びとなりました。よろしくお願いいたします。 タイムリープのアプリケーションは7年間程度開発運用されており、その間何度かの改修を経て、現在はビジネス規模の

ざっくり3行で言うと、 Claude Code を作った Boris Cherny 本人が「もうプロンプトは書いてない」と言い出した レバレッジが「いいプロンプト」から「いいループ設計」に移っている、らしい ただ、これを自動運転と勘違いするとたぶん事故る はじめに：あの人がもうプロンプトを書いていない ある日、X のタイムラインを眺めていたら、こんな引用が流れてきました。 Boris Cherny（Claude Code 責任者） "I don't prompt Claude anymore. I have loops running that prompt Claude. My job is to write loops." （もう Claude にプロンプトは出していない。Claude にプロンプトを出す「ループ」を走らせている。私の仕事はループを書くことになった） …ちょっと待ってほ

Total: 94% reduction. Roughly 15× smaller. What this actually buys you Disk and registry costs are the obvious win, but they are usually not the biggest one. Faster cold starts on Kubernetes and serverless platforms. Pulling 78MB instead of 1.2GB on a node that does not have the layer cached is the difference between a pod ready in 4 seconds and one that takes 40. Smaller attack surface. The CVE c

生成AI会 Vol.2@渋谷で発表しました

SCA & SBOMScan dependencies, generate SBOMs, enforce policy.

はじめに こんにちは、Matsumoto です。 GitHub Copilot などの Agentic なCoding ツールを日常で使っていると、SKILL.md で繰り返しの作業手順やレビュー観点をスキルとして渡せるのが便利だなと思います。 一方で、 SKill は書くだけでは足りません。本当に意図どおりに発火するのか、書き換えたあとにデグレしていないのか、別モデルでも同じ品質で動くのかは、確認・評価しないと分かりません。 そこで Microsoft の GitHub org で公開されている 2 つの OSS を触ってみました。 microsoft/apm：AI エージェントの設定一式（instructions、prompts、skills、agents、MCP 設定など）を npm や pip のように依存関係で配布する CLI。本記事ではこれら設定の集合を便宜上「ハーネス（エージ

This is the story of how our Developer Productivity team extended and rolled out rubyfmt, our Rust-based zero-config, ultra-fast autoformatter across the world's largest Ruby codebase.

バクラク事業部ソフトウェアエンジニアのyataです。 生成AI機能、最近よく見ますよね。 現在では非常に多くのプロダクトに組み込まれ、日常的に触れることが当たり前になるほど世間に広まってきました。 ただ、今までの開発と同じコストや難易度でこの機能が実現できるわけではありません。 「精度は微妙だが、それっぽい挙動をするもの」は簡単に作ることができても、「お客様に継続的に使っていただける、安定した精度改善を続けられる機能」を作ることは、想像するよりもずっと難易度が高いと思っています。 なぜなら、確率的な挙動をとる生成AIのアウトプットから定量的な精度を測定するのは難しく、改善の効果が分かりにくいためです。 「このプロンプト改善には効果があったのか？」「精度が下がっていそうだけどこれはいつから、なぜ起こったのか？」「もっと精度を上げるためには何をすればいいのか？」 そんな疑問と日々向き合っている

これはOpenTelemetry Advent Calendar 2025 2日目のエントリです。2週間に1回欠かさずOpenTelemetery Collectorのアップデートを追っている身として、「意外と知られていないのでは？」と個人的に思っているネタを取り上げます。 Batch Processorの利用推奨について OpenTelemetry Collectorをお使いのみなさん。Batch Processorを利用していますか？ Batch Processorは複数のテレメトリーデータを1つのbatchにまとめる役割を果たします。受け取った・生成されたテレメトリーを即時にexportする手法と比較して、オブザーバビリティバックエンドにデータを送信するときの接続数が減らせたり、データの圧縮がより効くようになったりして、結果データ転送が最適化されます。 さて、OpenTelemetr

npx workos launches an AI agent, powered by Claude, that reads your project, detects your framework, and writes a complete auth integration directly into your existing codebase. It’s not a template generator. It reads your code, understands your stack, and writes an integration that fits. The WorkOS agent then typechecks and builds, feeding any errors back to itself to fix. See how it works → Ever