はてなブックマーク

はじめに こんにちは、新規事業部フロントエンドブロックの池田です。普段はZOZOマッチのアプリ開発を担当しています。ZOZOマッチは、ファッションの好みからZOZO独自のAIが「好みの雰囲気」の相手を紹介するマッチングアプリです。開発にはFlutterを採用しています。 フロントエンドブロックは2024年に発足したチームです。発足間もないチームゆえに、開発を進める中でさまざまな課題に直面しました。本記事では、私たちが「課題をチーム全体で認識し、解決していける文化」を築くために取り組んできたことを紹介します。発足間もないチームでチームビルディングに悩んでいる方や、メンバー間の連携・知見共有に課題を感じている方、新規事業部の取り組みに興味のある方の参考になれば幸いです。 目次 はじめに 目次 背景・課題 取り組み KPTによる改善サイクル KPTから生まれた改善施策 進捗・困りごとの可視化 A

「相応にCPU依存処理が速くなる」 AWSに手堅くデータを保存するならやはりAmazon Auroraです。はてなで開発運用しているGigaViewerでもAurora for MySQLを主なRDBとして使っています。 先日、インスタンスタイプをr6gからr8gに更新し、インスタンスサイズを2/3に削減しました。この際のパフォーマンス変化の実績を共有します。 AWSからのリリースでは、インスタンスの世代が更新されると一定水準の高速化が見込める旨が提示されています。これの実際はどういうものなのか？　のサンプルとして参考になれば幸いです。 この記事は id:koudenpa が書いたSRE連載の2026年2月号です。1月号はid:masayosuのEKS + Karpenter で GPUノードを構築した話でした。 理論値のパフォーマンス向上 r6gからr8gへの2世代更新は以下のようなアナ

はじめまして！ 2026年の2月後半に10日間、エムスリーのAI・機械学習チームでインターンをしていた竜です。 この記事では、セルフホストされた社内のCI/CD基盤を新しく構築し、その上で弊チームにおいてデプロイ時間を約半分短縮した事例について紹介します。 合わせて、1人の学生の視点から見たエムスリーの雰囲気であったり良さを紹介できればと思います！ 最終日に食べたランチ 背景 Kubernetesの利用 GKE+ARCによるRunner基盤構築 GKE Runnerでの工夫 カスタムイメージの利用 Node Poolの自動作成 リポジトリに応じたRunnerスペックの選定 今後の展望 Runner起動時間の短縮化 Runnerリソース自動割り当て 全社展開の検討(私の反省点も含めて) インターンの感想 期間中の流れ 中間発表まで 最終発表まで チームの雰囲気 業務でのClaude Code

こんにちは、クラウドサインで CRE（Customer Reliability Engineer）をしている藤谷です。CRE は、顧客が安心してプロダクトを使い続けられるよう、問い合わせ対応からプロダクト改善までをエンジニアリングで支える役割です。 先日の記事「問い合わせ対応の全工程の自動化を AI で実現」では、Agent Skills 活用の事例を紹介しました。 今回は、その全工程の「中身」の話です。Agent Skills（Markdown ファイルで AI エージェントにドメイン固有のスキルを渡す仕組み）に込めた設計思想を共有します。 私たち CRE には問い合わせにおいて 2 つの基本的な考え方があります。問い合わせの一字一句から顧客の真の課題を読み解くこと。そして「問い合わせが届いた時点で、すでに遅い」という予防の視点です（詳しくは「CRE が「回答のその先」に見ている景色」で

概要 Rails + PostgreSQL の既存構成に pgvector を追加して、ベクトル検索を検証してみた 外部 API や Python を使わず、Ruby だけで Embedding 生成から検索まで完結する ベクトル検索とは? テキスト、画像、音声などのデータを Embedding（埋め込み） により数値ベクトルに変換し、その「意味」や「文脈」の近さを数値的に評価し、情報を検索する技術です。 単語の一致に依存せず、意味の類似性を考慮した検索が可能です。 Embedding（埋め込み）とは? テキストを「数値の配列」に変換 Embedding モデルにテキスト（画像・音声も可）を渡すと、Float の配列（= ベクトル）に変換されます。 次元数はモデルによって異なります（今回の ruri-v3-30m は 256 次元、OpenAI text-embedding-3-large

こんにちは、丸山です。 2月後半に入って、急に暖かい日が増えてきましたが、それに伴い、花粉症が辛くなってきました（涙）。 本記事では Amazon Bedrock AgentCore Memoryのエピソード戦略を取り上げます。 他の記憶戦略と比較しながら、どのような情報が保存され、どんな場面で有効なのかを実例ベースで確認していきます。 1. AgentCoreとは 2. AgentCore Memoryとは 2.1. 短期記憶と長期記憶 2.2. 長期記憶の記憶戦略 エピソード戦略が保存する記憶情報 エピソード戦略が有効なユースケース 2.3. コスト 3. 実装と検証 3.1. メモリ作成 3.2. メモリへ会話データを追加 3.3. メモリへの問い合わせ サマリ戦略 ユーザー嗜好戦略 セマンティック戦略 エピソード戦略 3.4. AIエージェントによる回答 サマリ戦略／ユーザー嗜好戦

こんにちは、バックエンドエンジニアのユンです。 現在あるプロジェクトで、AIコーディングエージェントをフルに使って開発を進めています。その中で、作成・修正などの触るファイル数が増えてくると、AIの記憶力は目に見えて低下してました。細かい指示をせずに任せた結果、アーキテクチャルールを無視してControllerがUseCaseを経由せずRepositoryを直接呼び出したり、まだ存在しないメソッドを平気で呼び出したり。命名もUserRepositoryとuserRepoなど混在し、テストは「後で書きます」のコメントだけ、もしくはテストが落ちて修正を振り返るとセッション内のコンテキストを使い切りセッションを切り替えることになったり……といったことが頻繁に起こっていました。 後から直すコストは膨大で、人が最初から時間を掛けてプロンプトを細かく書いた上で指示を出すよりもはるかに手間がかかりました。

はじめに こんにちは。Musubi Insightチームでエンジニアをしている中村です。 Musubi Insightでは、SaaS型のE2Eテストツール mabl で14のテストを運用していましたが、認証の安定性やコード管理の面でいくつか課題がありました。 昨今のフロントエンド開発では Claude Code などのAIエージェントと Playwright MCP を組み合わせ、コード修正から動作確認までをPlaywrightベースで回すワークフローが選択肢として広がりつつあります。こうした背景もあり、チームでPlaywrightへの移行を進めることになりました。 本記事では、移行にあたってのテストアーキテクチャの設計と実装パターン、移行の進め方について紹介します。 Musubi Insightについて Musubi Insightは薬局向けのBIツールで、処方データや薬歴データを集計・

はじめに 2025年12月に情報セキュリティ部Product Securityグループでインターンをしました床井です。 Product Securityグループは、ビジネスデータベース「Sansan」や経理AXサービス「Bill One」をはじめとする、Sansanが提供する全てのプロダクトのセキュリティ向上を目的とした業務に取り組んでいます。具体的には、内製で脆弱性診断や、実装に着手する前の設計書をセキュリティ観点でレビューする「セキュリティ設計レビュー」などを行っています。 今回はこのセキュリティ設計レビューを一部自動化するAIエージェント「Hayami」の作成に取り組みました。インターン後に内定をいただき承諾したため、入社する前からAIで自分の仕事を奪うことに成功してしまいました。 そもそもセキュリティ設計レビューって？ 開発者が機能の実装に入る前に、セキュリティ上の懸念を確認するプ

「カミナシ レポート」の開発・運用をしている furuya です。最近我が家では成長してきた子どもたちのことを考えて寝室含めて部屋の配置換えを検討しており、そのパズルに頭を悩ませています。それはさておき今回は「カミナシ レポート」の開発において AI Agent を主軸にした開発スタイルを取り入れたお話です。 背景 近年の AI Agent の進化は目覚ましいですね。日々情報がアップデートされる中、カミナシのエンジニアリング組織としてもこの流れについていかなければならない、ということで各チームいろんなことにトライしており、組織的にもそれが推奨されています。もちろん、前提として以前から GitHub Copilot や Claude Code などの Coding Agent を開発に取り入れています。そんな中で個人的に感じた課題と同時期に得た学びがカチッとはまる出来事がありました。 課題

AWS 上のごく小規模な Redis のマネージドインスタンスが必要な局面で、費用と aws-cdk での取り回しを鑑みて ElastiCache Serverless を導入しました。 アプリケーションエンジニアの id:astj です。 ごく小規模なウェブサービスにおける（セッション情報などの）揮発性データストアとして Amazon ElastiCache の Redis を使っている箇所があるのですが、しばらく保守が行き渡っていなかったところ標準サポート期間が終了し、 AWS による延長サポートに切り替わってしまっていました。 aws.amazon.com 延長サポートされていることで一定のセキュリティが担保されているのはありがたいですが、延長サポートぶんの追加料金（2年間は元料金に+80%）が加算されて費用的には不利なため、少なくとも標準サポートの提供されるところまで更新して、延長

こんにちは。@mottei_0702と申します。ハローでは、世界中のレストランを予約できる予約代行サービスAutoReserveのバックエンド開発を行っています。 RDBMSを使って開発しているバックエンドエンジニアの方ならば、 EXPLAIN (ANALYZE) などを活用しながら、クエリのパフォーマンスを常に意識して開発しているのではないでしょうか。私達はPostgreSQLを利用していますが、PostgreSQLのクエリプランナは優秀なため特にこちらで設定を変えなくとも基本的には理想的に動作してくれます。 しかし最近、私は使ってほしいインデックスが利用されないケースに遭遇しました。PostgreSQLのソースコードまで踏み込んで調査してみたところ、PostgreSQLのコスト計算ロジックの一端を知ることができ大変興味深かったので、読者の皆さんに共有したいと思い記事にしました。 クエリ

ROXXに入社して「Spotifyモデル」に出会ったら、開発スピードの次元が違った話 〜AI駆動型開発チームの挑戦〜 こんにちは、ROXXでEM（エンジニアリングマネージャー）を務めている窪内です。 私はこれまで、キャリアの多くの期間を「スクラム」によるプロダクト開発に費やしてきました。前職でも、スクラムマスターと共にベロシティの安定化やプロセス改善に取り組み、組織のアウトカム最大化に注力してきました。「型」を適切に回し、継続的に改善することこそが、開発組織の最適解だと考えていました。 しかし昨年ROXXに入社し、その考え方は良い意味で裏切られることになりました。 ROXXが採用している「Spotifyモデル」由来の組織構造と、そこで徹底されている「スピードへの執着」。そして現在取り組んでいる「AI駆動開発」。 本記事では、スクラムに慣れ親しんだ私が直面したギャップと、AIを前提とした開発

Intro http://localhost:3000 での開発には限界がある。 しかし、本番と同じように https://example.com でアクセスできる環境をローカルに作るには、ドメインの解決、証明書の発行、443 での起動など、少し手間がかかる。 そこで、必要な全てを 1 つのツールで行い、様々な開発環境を再現するためのツールを開発したので、紹介する。 Jxck/sptth: reverse https proxy (https - sptth) for local development https://github.com/Jxck/sptth localhost の罠 localhost はあまりにも特別なホストであるため、権限などの挙動は、本番ドメインにデプロイすると変わる。 また、本番ドメインとは Origin が異なるため、連携のためのあらゆるセキュリティ境界も変

長い前置き おはようございます。カケハシのPE新規サービス開発チームというところでソフトウェアエンジニアをやっているogijunこと荻野です。最近この技術ブログはAIの話題が多めなので、ここから言語オタク語りが始まってしまうのはいいのか？とか思いますが、かまわず書きたいと思います。 前置きとして、わたしたちのチームではその名の通り新規事業のプロトタイプをよくやってます。その際には、なるべくサクサク実装して仮説検証を短いサイクルで回すために、社内の既にあるいろいろなプロダクト基盤を間借りしながら機能追加をさせてもらって実験を繰り返しています。 なので、気がつくと多数あるカケハシプロダクトの統一されていない環境、たとえば TypeScript も Python も触るし、Python だけをとっても FastAPI / Django / Pyramid (!) などなど多岐にわたって触ることに

Go の JSON Schema ライブラリたちはどのように JSON Schema を表現しているか 目次 はじめに JSON Schema について ライブラリごとの JSON Schemaの表現の比較 google/jsonschema-go invopop/jsonschema santhosh-tekuri/jsonschema ianlancetaylor/jsonschema 横断比較 まとめ はじめに こんにちは、開発本部開発1部の あかがわまさとも です。 2026年2月21日に開催された Go Conference mini in Sendai 2026 にて、「google/jsonschema-goのこれまでとこれから」というタイトルで登壇させていただきました。本記事では、調査の過程で行った、Go の JSON Schema ライブラリたちが、それぞれどのように J

はじめに こんにちは。商品基盤部の藤本です。 私たちのチームでは、Spring Bootで実装したJavaアプリケーションの起動時間の短縮に取り組んでいます。今回の記事では、Class Data Sharing（以下、CDS）を本番で稼働しているアプリケーションに実際に適用した内容を紹介します。 導入時には、Datadog Java Agentとの両立という課題にも直面しました。そのため、トレースとメトリクスの送信をOpenTelemetryとMicrometerに置き換える対応もあわせて実施しました。 本記事では、CDSの概要、導入効果、導入手順、Datadogの問題とOpenTelemetryへの移行までを順に説明します。 環境 今回の取り組みは次の環境で実施しました。 Java 21 (Eclipse Temurin) Spring Boot 3.5 Class Data Shari

はじめに こんにちは、株式会社ACES でテックリードをしている福澤 (@fuku_tech) です！ 前回の記事では、AI駆動開発の4フェーズモデルを紹介し、「人間が運転席に座り続ける限り、AIの稼働時間は人間に縛られる」という構造的な課題を提示しました。 この構造を変えるにはAIに運転席を譲る必要がありますが、それには人間のマインドセットの転換も不可欠であり、一朝一夕に実現できるものではありません。AIが自律的に動くためには、まず人間とAIの役割分担を整理しておく必要があります。つまり、「何をAIに任せ、どう動かすか」を事前に決めておくことが求められるのです。 今回はその役割分担の設計の話です。鍵になるのは、開発プロセスを細かく分解して、AIが実行できる単位に落とし込むことです。「プロセスの細分化」と「スラッシュコマンドへのマッピング」という2つの軸で、私たちがPhase 2をどう組み

はじめに こんにちは、株式会社ACES でテックリードをしている福澤 (@fuku_tech) です！ Cursorでコードを書かせ、Claude Codeで設計を壁打ちし、テスト生成まで任せる。AIコーディングツールがこの1〜2年で一気に進化して、個人の開発スピードは間違いなく上がりました。 私たちもその恩恵を受けています。 一方で、ふと立ち止まると違和感がありました。個人の作業は確かに速くなった感覚はあるものの、同じ8時間の営業時間内でチーム全体の生産性が2倍になったかと聞かれると、残念ながらそこまでの実感はありません。チーム内でもベストプラクティスは共有され、一定程度の改善は回っていましたが、点と点が繋がる（体系的に積み上がっていく）感覚がなかったというのが正直なところです。 そういったモヤモヤの原因はシンプルで、人間が運転席に座り続けていることそのものではないかと考えました。 AI

はじめに こんにちは、介護/障害福祉事業者向け経営支援「カイポケ」の介護レセチームでエンジニアをしている沖口です。 チームで管理しているテーブルに長年の運用によりデータ量が相当数まで増えてきたものがあり、idカラムの型をINT UNSIGNEDからBIGINTに変更する必要がありました。 先日、その対応をAurora MySQLのBlueGreenDeployment（以降では省略してBlueGreenDeploymentと記載）を用いて短時間のメンテナンスで実現できたため、その事例を紹介します。 背景 カイポケは2011年にリニューアルを行い、現在のカイポケとしての運用を開始しました。 当時作成された一部のテーブルでは2011年から現在までデータの蓄積が続いており、今回対応を行った利用者の請求明細に関するテーブルは、INT UNSIGNEDの上限である約42億レコードに近々到達することが