はてなブックマーク

はじめに 私は常々「事業に貢献できるエンジニアでありたい」と考えています。 そのため、エンジニアという立場ではありますが、顧客の業務や事業課題にまで踏み込んで「要件」に対して意見出しをすることが多くあります。あえてエンジニアが上流工程に踏み込むことで、ビジネス的にもシステム的にも、より良い方向へ持っていけると実感しているからです。 ビジネスサイドやPdMが考えてくれた要件をそのまま設計し実装するよりも、エンジニア自身が顧客や事業を理解した上で踏み込む。そうすることで、顧客や事業の課題を解決しつつ、より工数が少ない仕様や、より保守性の高いデータ構造、シンプルな仕様 を提案することができます。 また昨今、生成AIの普及により、エンジニアは実装レイヤーとは別の場所で価値を発揮する必要性に迫られています。その一つの方向性として、「なぜ作るのか」「何を作るべきか」という部分により深く関わっていくこと

はじめに 本記事では、SPA（Single Page Application）のプロダクト(モノリポ構成)において、デプロイ自動化を行なったのでその実装事例をご紹介したいと思います。 複数のコンポーネントが存在する構成で全ての要素のデプロイを完全に自動化しつつ、ダウンタイムが発生しないようデプロイ順序も制御する必要がありましたが、あまり参考になる記事が無かったので、どのような構成で解決したかご紹介出来ればと思います。 複数要素のデプロイ自動化とデプロイ順序の制御を考える上で１つの選択肢として参考になれば幸いです。 前提 プロダクトの構成 弊社では以下の技術スタックでSaaSプロダクトを開発しています。 技術スタック フロントエンド: Vue.js 3、TypeScript バックエンドAPI: Node.js、NestJS、TypeScript バッチ処理: Node.js、TypeScr

モチベーション 長い文章を読むのは全く億劫だ。 頼むから知りたいところだけピンポイントに読ませてくれ。ファスト教養万歳！ そんな、働いていると本も読めなくなる[1]私たちの嘆きを解決してくれるのがLLMです。 文書の中から自分が必要としている文章のみをLLMに抽出してもらえば良いのです。 しかし、LLMに複数行の文章を出力させるには少々時間がかかりますし、その分API利用料金も発生します。 やはり、ファスト教養主義者としては、断固として更なる高速化を目指したい。 おまけに、うちの2歳児が豚こま肉を食べず豚バラばかり食べるため、食費で家計に困っており、月々のLLM利用料金ぐらいはお安く抑えたいところです。 そんなことを考えていた最中、日頃の活動を興味深く拝見している@hotchpotchさんが、fast-bunkaiという日本語の文境界判定器を発表されていました。こちらを活用させていただいて

google/LangExtractとは LangExtractは2025年7月にGoogleが発表したLLMを用いた項目抽出ライブラリです。 LangExtractは単なる項目抽出ができるに留まらず、抽出した項目が抽出元テキストのどの位置に存在しているかを特定する機能を有している点が特徴的です。 LLMを活用した項目抽出における難点として、元のテキストに忠実な抽出結果が得られない場合があることが挙げられます。以下のように、極端な例ではありますが、抽出項目のテキストと原文が部分的に異なるような揺れが発生するケースがあります。 ## 抽出元テキスト（原文） The Contractor shall provide all necessary services and deliverables as outlined in Appendix A within the agreed timefr