はてなブックマーク

AtCoder株式会社 代表取締役社長 高橋 直大（ちょくだい） 2012年、慶應義塾大学環境情報学部卒業。2014年、慶應義塾大学大学院政策・メディア研究科修士課程修了。2008年に、Microsoftが主催するプログラミングコンテスト「Imagine Cup」で世界3位を獲得。その後、ICFP Contestの4度の優勝、TopCoder Openの2度の準優勝など、プログラミングコンテストにおいて多くの成績を残す。2012年に、日本でプログラミングコンテストを開催するサービス「AtCoder」を立ち上げ、代表取締役社長に就任。 AIの進化によって、プログラミングのあり方やエンジニアに求められるスキルの再定義が進んでいます。 こうした変化のなか、アルゴリズム理解などの研鑽を積む場として活用されてきた競技プログラミング（以下、競プロ）に対して、SNS上では「AIの台頭で人気が落ちているの

NFCの基礎知識 ここからはNFCの技術的な観点を見ていきましょう。 NDEF NFCタグに書き込むデータの形式として NDEF（NFC Data Exchange Format） が広く使われています。NDEFではデータを「レコード」という単位で格納し、1つのタグに複数のレコードを書き込むことができます。レコードにはいくつかの型があり、代表的なものは以下のとおりです。 URIレコード: URLを格納。スマホでタグを読むとブラウザが開く。 https://open.spotify.com/playlist/xxxxx のようなディープリンク[2]を書き込めば、対応アプリが直接起動する テキストレコード: プレーンテキストを格納 Wi-Fiレコード（Wi-Fi Simple Configuration）: SSIDとパスワードを WSCバイナリ形式（TLV構造）で格納。MIMEタイプ app

自分の環境やマインドが変わったタイミングで社内で共有会をしています。やる気がある時に不定期で。

ダットジャパン株式会社　「GAMEPACK」シリーズ 開発ディレクター／プロジェクトマネージャー 新田 大手ゲーム会社にて約7年ゲーム開発に携わった後、2020年に、建設分野を中心にソフトウェア開発を手がけるダットジャパン社に入社。エンジニアとしての知見やスキルを生かし、プロジェクトマネジメント・営業・マーケティングなどを幅広く担当。この画像は『エアホッケー』の主人公・ゆうた。 ダットジャパン株式会社公式サイト 2000年代の富士通PCに付属したミニゲーム集『GAMEPACK』。開発元のダットジャパン社（札幌市）は建設関係のBtoBソフト開発が主業で、10年以上前にゲーム事業からは撤退しており、当時の資料も開発メンバーも、社内には一切残っていません。 そんな中、2020年に入社した元ゲーム会社エンジニアの新田さんは、「自社が、幼少期に遊んだ『GAMEPACK』の開発元だった」ことに気づき、

Claude Codeに実装させた後、毎回自分でコードレビューして突っ込みを入れるのが大変だった。そこで、実装後に自動でセルフレビューと修正をする仕組みを作ったので紹介する。 課題: Claude Codeで出力されたコードの品質が自分の基準を満たさない Claude Codeで一気に実装ができるようになった反面、出力されたコードの品質が自分の基準を満たさないことが多かった。そのため、変更のたびに毎回ツッコミを入れていて、かなりの手間がかかっていた。プランモードで事前にちゃんと設計したとしても、コードレベルでは満足いかないことが多かった。 じゃあサブエージェントやCodex CLIで先にレビューして直し切ってもらってから確認すれば良いのでは？と思ってやってみた。しかし、AIのレビュー指摘には的外れなものや過剰なものも混じるため、全部対応させるとかえってコードが散らかってしまうこともあった。

VS Codeチームは週次リリースをどう実現したのか　AIエージェント活用で見えた6つのポイント：Deep Insider Brief ― 技術の“今”にひと言コメント VS Codeが月次リリースから週次リリースへ移行するためにエージェントをどう活用しているのか。エージェントを使って開発する全ての人に参考になる内容だ。

はじめに Webアプリケーションのアーキテクチャは、時代とともに構造が整理されてきた。 本記事では、その変遷をJavaの技術スタックを軸に、2層構造（Model 1）からMVCパターン（Model 2）、レイヤードアーキテクチャ、そしてヘキサゴナルアーキテクチャ・クリーンアーキテクチャに至るまでの流れを図解して整理する。 前提条件 本記事はJava（JSP/Servlet、Spring等）をベースとしたWebアプリケーションのアーキテクチャの変遷を扱う 対象読者はジュニアエンジニアを脱却し、設計やアーキテクチャに関心を持ち始めたエンジニアを想定している 各アーキテクチャの網羅的な解説ではなく、「なぜその構造が生まれたのか」という変遷の因果関係に焦点を当てる スコープはModel 1からクリーンアーキテクチャまでとする 本記事で扱うアーキテクチャの変遷 本記事では、以下の流れでアーキテクチャ

これに先立ち、WSJはOpenAIのアプリケーション部門CEOであるFidji Simo氏が、同社は周辺プロジェクトではなく中核事業に注力すべきだと従業員に語ったと報じていた。 同紙によると、新アプリの開発を率いるSimo氏は3月19日に従業員向けメッセージの中で、同社が「あまりにも多くのアプリやスタックにリソースを分散させており、取り組みを簡素化する必要がある」と述べたという。 ChatGPTはOpenAIの代表的なチャットボット、Codexはソフトウェア開発者向けのコーディングプラットフォームだ。AtlasはAI重視のブラウザーで、従来のインターネットブラウザーのように機能しつつ、ChatGPTがアシスタントとして動作する。 単一のアプリを作ることで、OpenAIはAnthropicなど競合他社との競争力を高めたい考えだ。Simo氏はXへの投稿でWSJの報道に触れ、この動きは、Anth

どうも、AIエンジニアの@noprogllamaです。普段はAIで日常の仕組み化をしたり、投資×テクノロジーの実践知を発信したりしています。 CLAUDE.mdという仕組みがあります。プロジェクトのルートに置いておくと、Claude Codeがセッション開始時に読み込んで、プロジェクトの方針や技術スタックを把握してくれます。開発に必要な情報はこれで十分伝わります。 ですが、CLAUDE.mdには書けないものがあります。 「前にこの方針で議論して、こういう理由で却下したよね」「あの時ハマったの、覚えてる？」——過去の会話の文脈です。 私はClaude Codeを開発だけでなく壁打ち相手としても使っています。戦略の相談、記事の構成、設計判断の議論。こういう用途では、過去に何を話したかが重要です。新しいセッションを開くたびに前提の共有からやり直すのは、率直に言ってしんどい。毎朝出社したら同僚が記

Last night I built a website from scratch. Not a landing page. A full blog with three-domain routing, animated video covers, an audio player with playlists, dark mode, RSS feeds, social cards, and a... Last night I built a website from scratch. Not a landing page. A full blog with three-domain routing, animated video covers, an audio player with playlists, dark mode, RSS feeds, social cards, and a

セマンティックなHTMLで、Webサイトやスマホアプリでよく使用されるさまざまなUIコンポーネントや要素を実装できる超軽量UIライブラリを紹介します。 デザインはシンプルでミニマル！ 依存関係は一切なく、classレスとまではいきませんが、classの使用は最小限で、カスタマイズも非常に簡単です。 Oat UI Oat UI -GitHub Oat UIは、セマンティックなHTMLでWebサイトでよく使用されるUIコンポーネントを実装する超軽量（8Kb）ライブラリです。依存関係は一切なく、フレームワークやビルドといった複雑さは一切不要です。 ライセンスはMITライセンスで、商用プロジェクトでも無料で利用できます。 Oat UI Oat UIの主な特徴は、下記の通り。 超軽量のライブラリ CSS 6Kb、JS 2.2Kbで、まるでオートミールのように軽い 依存関係ゼロ JavaScriptや

「Google AI Studio」がFirebaseのバックエンドとAntigravityのコーディングエージェントを搭載、プロンプトだけで高度なフルスタックアプリケーションを生成可能に Googleは、Google AI Studioのバイブコーディング機能を強化し、 プロンプトで指示するだけで高度なフルスタックアプリケーションの開発が可能になったことを発表しました。 フル機能のマルチプレイヤーゲームのような高度なアプリケーションまで自動生成されるとしています。 We’re launching a brand new, full-stack vibe coding experience in @GoogleAIStudio, made possible by integrations with the @Antigravity coding agent and @Firebase ba

UUIDはなぜ重複しないのか？ Webアプリケーションなどのシステム開発では、データに一意の識別子を付与する必要があります。たとえば データベースの主キー は、ジムでいうところの「会員カード番号」。誰かと同じ番号だとパーソナルトレーナーの予約を取り違えるような事故が起きます。 他にも「ロッカーの鍵」「筋トレ記録ノートのページ番号」「プロテインシェイカーの名前シール」など、「絶対にダブってはいけない」ものがあることは、筋肉系エンジニアの皆さんも想像に難くないことでしょう。 そんな時に役立つのが UUID（Universally Unique Identifier）です。これは、ほぼ重複しないIDを生成できる仕組みです。本記事ではUUIDの仕組みを解説し、Pythonでの実装を通じて「なぜUUIDはほとんど重複しないのか？」を見ていきます。 UUIDとは？ UUIDは、IETF（Interne

はじめに こんばんは、mirukyです。 「AIエージェントにコードを書かせたら、半分書いたところでコンテキストが切れて、次のセッションで最初からやり直しになった。」 この経験、ありませんか。 2025年後半から、AIコーディングエージェントの能力は飛躍的に向上しました。Claude Code、OpenAI Codex、Kiro CLI、GitHub Copilot Agent Mode ── どれもコードを「書く」能力は十分です。しかし、長時間の自律作業で一貫した品質を維持する能力は、まだ人間の設計に依存しています。 その設計手法こそが、ハーネスエンジニアリングです。 プロンプトエンジニアリングが「何をどう指示するか」、コンテキストエンジニアリングが「何を文脈に含めるか」を扱うのに対し、ハーネスエンジニアリングは**「AIエージェントが長期間、安定して成果を出し続けるための環境と制御構造

AI を導入したら、逆に「何が起きてるか分からない」が増えた Claude Code を使い始めて数週間。生産性は確かに上がった。でも、こんな場面が増えた。 「なんか遅いな……」→ 何が遅いのか分からない Bash を 10 回連続で叩いてる → なぜそんなに必要なのか追えない サブエージェントが勝手に動いてる → いつ終わるのか読めない エラーで止まった → どの段階で詰まったのか分からない Web サービスなら、こういう「見えない」は OpenTelemetry（OTel） で解決する。リクエストのトレース、レイテンシの分布、エラー率——全部可視化できる。 じゃあ、AI エージェントにも同じことをやってみよう。 この記事では、Claude Code の実セッションログ（1 日・130 回のツール呼び出し）を OTel トレースに変換し、Jaeger で可視化した全記録を公開する。 準備

自宅にはまだ十分に動くWindows 10のPCがあったものの、Windows 11の厳しいシステム要件（TPM 2.0やCPU世代の制限）に阻まれアップデートができずWindows 10サポート終了でお役御免なPCがあります。 だけどスペック的にはまだまだ使えそうではあるのです。 CPUこそ2015年ごろの第6世代（現在の最新世代は第14世代）のIntel Coreプロセッサ Skylakeで古いものの、メモリが16GBも積んであって、SSDもSATA/M.2 NVMe対応の256GBなので、このまま廃棄するには勿体無い。 そこで、このPCをGoogleのChromeOS Flexで蘇らせようと思いセットアップしました。 このセットアップ手順や、その環境でLinux開発環境にGemini CLIをセットアップして試してみた内容を紹介したいと思います。 ChromeOS Flexとは Ch

前の記事[1]では、AIコーディングの原則を整理した。責任は人間が取る、そのためにドキュメントが重要であり、それは人間とAIの両方の架け橋であると書いた。一方で、AIコーディングではコードレビューは不要、あるいは不可能だという声がある[2]。「人間が書いたコードは2025年に死んだ。コードレビューは2026年に死ぬ」と。 「責任は人間が取る」と「コードレビューは不要」は両立するのか。そもそもコードレビューとは何か、何であると思われているのか。この問いを起点に、コードレビューの意味を考えなおし再度位置づけを確認する。 コードレビューはバグ探しではない 多くの開発者がコードレビューの第一目的をバグの発見だと考えている。Bacchelli & Birdの研究[3] [4]では、開発者の44%が欠陥発見を最も重要な動機として挙げた。しかし実際のレビューコメントを分析すると、欠陥に関するものはわずか

NVIDIA DGX Spark（GB10、ARM64、128GB統合メモリ）でローカルLLMを動かす方法を、推論エンジン別（Ollama / vLLM / SGLang）に解説します。 「どのモデル × どのエンジンを選べばいいの？」という疑問に答えるため、手軽さ・賢さ（ツールコール精度）・速度・メモリ使用量の4軸で整理しました。 この記事は実際にDGX Sparkで動作確認した手順をまとめたものです。動作確認できなかった方法も参考として記載しています。 どのモデル × エンジンを選ぶか おすすめ構成 ツールコール（Function Calling）が必要なら Qwen3.5-27B-FP8 + vLLM Docker がおすすめです。速度は約6 tok/sと遅いですが、ツールコール精度が高く、モデルサイズ29GBで他のワークロードとの共存もしやすいです。 全構成の比較表 モデル エンジ