ども！気になった単語や技術をAIにぶち込み続けている龍ちゃんです。 Xを眺めていると、知らない単語が流れてきますよね。「ふーん、なんか面白そう」で終わって、次の瞬間には忘れている。みんなもそういう経験ないですか？ 自分もずっとそうで、Draw.ioのMCPが1ヶ月ほど「気になるリスト」に眠ったままでした。 ある日、Claude Codeで検索のSKILLを作ったんです。そしたら効率が爆上がりです。やったことは「気になった単語をぶち込んだ」だけなのに。 実際にやっている手法の紹介です。 Claude Cod

ども！ HTML図解の自動生成シリーズ を書いている龍ちゃんです。 AIコーディングでデザインの修正依頼を出すとき、「なんか違う」を言葉にするのに苦労していませんか？　僕もずっとそうでした。出来上がった図解を 自分のイメージ通りに仕上げたい んだけど、テキストだけだと伝わらない。 画像を一緒に渡すだけで、これが解決しました 。マルチモーダルな入力で言語化できなかった感覚がそのままAIに伝わって、総当たりの修正ループがディスカッションに変わります。 今回の内容です。 レビューは人間の感覚が起点。でも言葉にす

対象読者 copilot-instructions.md や SKILL.md をすでに書いていて、ある程度動かせている人 「毎回同じ指示を繰り返してるな」と薄々気づいている人 Instructions / SKILL をもっと賢くしたいが、何をどう変えればいいか分からない人 Agent Skills の基本（ディレクトリ構造、SKILL.md の書き方）は「 【2026年版】Agent Skills 入門 」を、設定ファイルの全体像は「 GitHub Copilot の設定ファイル5種 」を参照してくだ

対象読者 Copilot Chat（特に Agent Mode ）を日常的に使っている人 やりとりの記録を残したい・チームで共有したい人 Agent Skills の実践的な使い方を知りたい人 Agent Skills の基本（ディレクトリ構造、SKILL.md の書き方）は「 【2026年版】Agent Skills 入門 」を参照してください。 併せて読みたい： Copilot チャット履歴から copilot-instructions.md と SKILL.md を育てる方法 Copilot Cha

対象読者 Copilot の Agent Mode を日常的に使っている人 デバッグで「とりあえずエラーを貼って聞く」止まりの人 Copilot が的外れなコードを読みに行って消耗した経験がある人 Copilot の設定ファイルの全体像は「 GitHub Copilot の設定ファイル5種 」を参照してください。 デバッグ調査をチャットから始めてないか ども！龍ちゃんです。 バグ報告が来て、いつもみたいに Agent Mode のチャットに「このバグ調べて」と投げました。Copilot がファイルを次々読

こんにちは、広野です。 RAG をつくるにはチャンキング戦略が大事！と当社若手エンジニアの野口さんに熱く語られまして。 ニーズが多いであろう、CSV データからの検索精度向上を目指してみました。本記事はアーキテクチャ編で、続編記事で実装編の公開を予定しています。 やりたいこと (前置き) 以下のような架空のヘルプデスク問い合わせ履歴データ (CSV) を用意しました。 ヘルプデスク担当者が、新たな問い合わせを受けたときに似たような過去の対応を引き当てられるようにしたい、というのが目的です。  

G-gen の三浦です。当記事では、 Google Workspace CLI と、Google が提供する生成 AI CLI ツールである Gemini CLI を組み合わせて、Google Workspace の管理操作を自然言語で行いました。 概要 Gemini CLI とは Google Workspace CLI とは 検証の流れ Google Workspace CLI のセットアップ インストールと初期設定 OAuth 同意設定（Step A） OAuth クライアント作成（Step B）

はじめに こんにちは。Insight Edgeでデータサイエンティストをしている善之です。 「研修で基礎は学んだけど、次は何を学べばいいんだろう…」 「話題の新しいライブラリが次々と出てくるけど、どれを学ぶべきかわからない」 こんな悩みを抱えていませんか？ 先日、 新人エンジニア・データサイエンティスト に向けた研修の一環として、 最新技術をどうやってキャッチアップし続けるか というテーマでレクチャーを行いました。 本記事では、その研修内容のエッセンスをご紹介します。 本記事は新人の方本人だけでなく、 後

ランキング参加中プログラミング はじめに 「このファイルのテストを書いて」とLLMに依頼すれば、それらしいテストコードが秒で生成される時代になりました。しかし、生成されたテストが本当に役に立つかどうかは別問題です。 コードカバレッジが100%でも、アサーションが甘いかもしれない 重要な分岐をテストしていないかもしれない 人間がレビューしても、網羅性の判断は難しい 本記事では、Mutation Testingを使ってLLM生成テストの品質を定量的に評価し、改善するワークフローを紹介します。 Mutation

SCSKの畑です。 先般のエントリ で予告していた通り、なぜ以下のような MySQL レプリケーション構成を取っているのかについて、幾つかの観点から説明していきたいと思います。   補足その1：レプリケーションフィルタ仕様の差異 まず真っ先に疑問として浮かぶであろう点は、何故 Aurora と RDS の間にわざわざ中継用レプリカとして EC2 上の MySQL を挟んでいるのかだと思います。以下のように直接 Aurora と RDS の間でレプリケーションを構成してしまえば 1 台インスタンス

はじめに タップルでエンジニアをしている伊藤です。 2026 年 2 月、Apple が Xcode ...

こんにちは。ファインディでデータエンジニアをやっている 開（hiracky16） です。 ファインディでは事業の成長に伴い、スプレッドシートで管理していたKPIダッシュボードの複雑さが限界を迎えつつありました。この記事ではLookerを導入し、 derived_table→mart→dim/fact と段階的にデータモデリングを進化させてきた過程を紹介します。ファインディが大切にしているバリューの一つであるスピードを損なわずにガバナンスを整えていくノウハウとして、参考になれば幸いです。 ファインディにおけ

金融IT本部（兼XI本部）の上野です。 現在は主にアプリケーションエンジニアの文脈におけるアーキテクトとして日々アーキテクチャ設計／コーディングに勤しんでおります。 今回は、Claude CodeでIaCコードを書いた際の備忘を残しておきたく、ブログに起こすものです。 読み進めるうえで、最初に私のインフラ関連のスキルセットを記載しておきます。 AWSで頻出のサービスと役割くらいは理解している。資格は一個もない。 Dockerについては理解しており、k8sレベルになると怪しい。なんとなくデプロイはできる。

急成長を続けるメガベンチャーの現場では、プロダクトの多角化や組織の拡大に伴い、ある深刻な課題が浮き彫りになります。 それは、チームごとにテスト方針や管理手法が異なる「品質管理の分断」です。 「あるチームはExcel、別のチームはNotionで管理し、バグ報告だけがJiraに集まってくる」 このような状況では、プロダクト横断での品質担保は難しく、QAマネージャーは現場との板挟みや、リリース直前の予期せぬ障害対応に追われることになります。 個別最適の限界を超え、QAを「ボトルネック」から「価値創出の基盤」へと

急成長を遂げるメガベンチャー企業のQAマネージャーにとって、組織の拡大は誇らしい反面、深刻な「品質管理の分断」という課題を突きつけてきます。 プロダクト数が増え、マイクロサービス化が進むなかで、チームごとにテスト方針や運用ルールがバラバラになり、全体像が見えないまま障害や手戻りが増えていく。 そんな状況に限界を感じている方は少なくないはずです。 個別最適の改善では、もはやスピードと品質を両立させることはできません。 今求められているのは、テスト管理ツールを軸としたAPI連携による「品質データの民主化」と「